OCR PDF

Extrahujte prohledatelný text ze skenovaných dokumentů.

Průvodce a FAQ

O tomto nástroji

Převeďte skenované PDF a dokumenty pouze z obrázků na prohledávatelné soubory vhodné ke kopírování – rozpoznávejte text v prohlížeči pomocí Tesseract.js, bez nahrání stránek do cloudové OCR farmy. Vyberte jazyky, spusťte rozpoznávání lokálně a stáhněte PDF s neviditelnou textovou vrstvou zarovnanou k viditelnému skenu. Zdarma, bez účtu. Nezbytné pro archivní smlouvy, úřední formuláře a výzkumné PDF, kde potřebujete Ctrl+F, kopírování nebo pozdější převod PDF na Word.

What you get
  • Výstup: PDF s neviditelnou textovou vrstvou nad každou stránkou – vyhledávání a kopírování funguje v Acrobat, Preview a prohlížečích.
  • Engine: Tesseract LSTM běžící lokálně přes WebAssembly – bez externího OCR API ve výchozím stavu.
  • Jazyky: vícejazyčné balíčky kombinované znakem + – přesnost závisí na trénovacích datech pro každé písmo.
  • Vzhled: stránka zůstane skenem; OCR automaticky nepřeskládá text ani ne narovnává nakloněné okraje.
  • Rukopis: kurzíva a podpisy obvykle selžou nebo jen částečně – nejlépe funguje strojový tisk.
  • Limity: velké skeny v 300 dpi trvají na starších noteboocích; velmi slabý text nebo silný šum snižuje přesnost.
Kdy použít
  • Zpřístupnění papírového archivu k vyhledávání bez odeslání svazků externímu OCR dodavateli.
  • Příprava skenovaných smluv na PDF na Word, když není k dispozici digitální text.
  • Povolení kopírování z vládních PDF, které jsou technicky obrázky.
  • Indexace balíčků ze schůzek naskenovaných z tisku pro interní znalostní báze.
Why JoyPDF for this

Cloudové OCR služby nahrávají každou stránku – včetně podpisů, čísel účtů a utajovaných odstavců – k vzdálenému rozpoznávání. OCR JoyPDF běží celé v prohlížeči: pixely a rozpoznané řetězce zůstávají na zařízení během zpracování. Jazyky volíte explicitně místo hádání serveru. To sedí k GDPR, advokátnímu tajemství a workflowům blízkým odseparovaným sítím, kde je odchozí přenos dokumentů zakázán.

Jak používat
  1. 1Přidejte skenované PDFPřetáhněte soubor nebo ho vyberte ze zařízení. Stránky se načtou lokálně – bez serverové fronty OCR.
  2. 2Zvolte jazyky OCRVyberte jazyky rozpoznávání – např. angličtina, čeština nebo kombinace ces+eng pro dvojjazyčné skeny.
  3. 3Spusťte rozpoznáváníJoyPDF zpracuje každou stránku na zařízení; průběh se ukazuje po stránkách, protože OCR zatěžuje CPU.
  4. 4Stáhněte prohledávatelné PDFUložte soubor po OCR – vizuálně podobný skenu, ale s označitelným a prohledávatelným textem pod ním.

Časté dotazy

Které jazyky OCR JoyPDF podporuje?
JoyPDF používá jazykové balíčky Tesseract, které vyberete – běžná latinská písma (angličtina, čeština, němčina, francouzština, španělština atd.) a mnoho dalších podle dostupných traineddata. Kombinujte jazyky znakem + pro dvojjazyčné dokumenty, např. ces+eng pro český text s anglickými nadpisy. Špatná volba jazyka dá nesmyslné rozpoznání – přizpůsobte dokumentu, ne jazyku rozhraní. Vzácná písma nebo smíšený svislý text mohou vyžadovat specializované desktop OCR, pokud výsledky JoyPDF jsou slabé. Stažená jazyková data se načtou do relace prohlížeče; neposílají se zpět s vaším PDF.
Jak přesné je OCR v prohlížeči oproti Adobe?
Čisté kancelářské skeny v 200–300 dpi s vodorovným strojovým textem často dosáhnou vysoké přesnosti – stačí k vyhledávání a hrubému kopírování. Nakloněné fotky z telefonu, razítka přes text, tabulky s linkami a poznámky pod čarou snižují přesnost v každém engine. JoyPDF nepřekoná člověka přepisujícího kritickou klauzuli – vždy zkontrolujte právní a zdravotní řetězce. Cloud OCR Adobe může být lepší na těžkých layoutech, ale vyžaduje upload. Pro interní prohledávatelnost velkých archivů obvykle vyhrává lokální OCR na soukromí. JoyPDF během zpracování neukládá kopii vašeho dokumentu na serverech – bajty zůstávají v prohlížeči, dokud sami nestáhnete výsledek. Na sdílených počítačích po ověření zavřete kartu a smažte stažené soubory, pokud politika vyžaduje minimalizaci stop citlivých dat. Porovnejte výsledek se zdrojem při zvětšení – zejména tabulky, patičky a drobný text. Pokud výstup nesedí očekávání, upravte
Změní OCR vizuální vzhled mého PDF?
Obrázek skenu zůstane viditelnou vrstvou – OCR přidá neviditelnou textovou vrstvu pod ním pro vyhledávání a výběr. Na stránce byste neměli vidět výměnu fontů, pokud čtečka nezvýrazňuje OCR text. Velikost souboru může mírně narůst kvůli vloženým textovým streamům. Pokud potřebujete čistý přepsaný dokument, OCR a pak PDF na Word funguje lépe než očekávat, že OCR samo nahradí sken vizuálně. Redakce po OCR vyžaduje Redact PDF – OCR neodstraní citlivé pixely. JoyPDF během zpracování neukládá kopii vašeho dokumentu na serverech – bajty zůstávají v prohlížeči, dokud sami nestáhnete výsledek. Na sdílených počítačích po ověření zavřete kartu a smažte stažené soubory, pokud politika vyžaduje minimalizaci stop citlivých dat. Porovnejte výsledek se zdrojem při zvětšení – zejména tabulky, patičky a drobný text. Pokud výstup nesedí očekávání, upravte zdrojový soubor nebo zkuste nástroj znovu
Nahrává se mé skenované PDF během OCR?
Ne. Rozpoznávání běží lokálně s Tesseract.js ve WebAssembly. Obrázky stránek se zpracují v paměti zařízení; servery JoyPDF nedostanou bajty dokumentu pro OCR. Jazykové modely se stáhnou z CDN jako každá WASM závislost – ne obsah vašeho dokumentu. Ověřte síťovými nástroji, pokud compliance vyžaduje důkaz. Po exportu zavřete kartu na sdílených strojích, protože výstup OCR může obsahovat extrahované PII v textové vrstvě. JoyPDF během zpracování neukládá kopii vašeho dokumentu na serverech – bajty zůstávají v prohlížeči, dokud sami nestáhnete výsledek. Na sdílených počítačích po ověření zavřete kartu a smažte stažené soubory, pokud politika vyžaduje minimalizaci stop citlivých dat. Porovnejte výsledek se zdrojem při zvětšení – zejména tabulky, patičky a drobný text. Pokud výstup nesedí očekávání, upravte zdrojový soubor nebo zkuste nástroj znovu s menším rozsahem stránek, aby prohlížeč nemusel zpracovávat celý
Mohu nejdřív OCR PDF a pak převést na Word?
Ano – běžný pipeline. Skenovaná PDF nemají strukturu pro PDF na Word, dokud OCR nepřidá text. Nejdřív spusťte OCR PDF pro prohledávatelný text, pak PDF na Word pro editovatelné odstavce – nebo zapněte volbu OCR-first v PDF na Word, pokud je k dispozici. Dvojité OCR málokdy pomůže. U formulářů se zaškrtávátky počítejte s ručním úklidem ve Word. Pokud jde jen o vyhledávání, stačí samotné OCR bez konverze na Word. Porovnejte výsledek se zdrojem při zvětšení – zejména tabulky, patičky a drobný text. Pokud výstup nesedí očekávání, upravte zdrojový soubor nebo zkuste nástroj znovu s menším rozsahem stránek, aby prohlížeč nemusel zpracovávat celý svazek najednou. Typický pipeline je nejdřív opravit nebo odemknout soubor, pak OCR u skenů, úpravy layoutu a až nakonec komprese nebo ochrana heslem – každý krok předpokládá, že
Proč je OCR na mém počítači pomalé?
OCR je náročné na CPU: každá stránka se analyzuje v rozlišení, které jste vložili do skenu. Kniha 300 dpi, 200 stran, může na starém notebooku trvat mnoho minut – normální, ne chyba. Zavřete jiné karty kvůli RAM. Rozdělte PDF a OCR kapitoly zvlášť, pokud karta spadne. Callbacky průběhu ukazují stav po stránkách. Rychlejší hardware pomůže víc než opakování. Noční dávka na desktopu je lepší než boj s telefonním prohlížečem u obrovských archivů. Porovnejte výsledek se zdrojem při zvětšení – zejména tabulky, patičky a drobný text. Pokud výstup nesedí očekávání, upravte zdrojový soubor nebo zkuste nástroj znovu s menším rozsahem stránek, aby prohlížeč nemusel zpracovávat celý svazek najednou. Před odesláním externím stranám vždy otevřete výstupní PDF v obvyklé čtečce a spot-check první, prostřední a poslední stránku. U regulovaných podání nebo soudních

About · Blog · Privacy