OCR PDF
स्कॅन केलेल्या दस्ताऐवजांतून शोधयोग्य मजकूर हटाएँ.
गाइड और FAQ
इस टूल के बारे में
स्कैन किए गए PDFएस और छवि-केवल दस्तावेज़ों को खोजने योग्य, प्रतिलिपि-अनुकूल फ़ाइलों में बदलें - क्लाउड OCR पर पेज अपलोड किए बिना, Tesseract.js के साथ अपने ब्राउज़र के अंदर टेक्स्ट को पहचानें। भाषाएँ चुनें, स्थानीय रूप से पहचान चलाएँ, और दृश्यमान स्कैन के साथ छिपी हुई पाठ परत के साथ एक PDF डाउनलोड करें। मुफ़्त, कोई खाता नहीं. अभिलेखीय अनुबंधों, सरकारी प्रपत्रों और अनुसंधान PDF के लिए आवश्यक जहां आपको Ctrl+F, कॉपी-पेस्ट, या बाद में PDF-to-Word पास की आवश्यकता होती है।
What you get
- आउटपुट: PDF प्रत्येक पृष्ठ पर एक अदृश्य पाठ परत के साथ - एक्रोबैट, पूर्वावलोकन और ब्राउज़र में खोज और प्रतिलिपि कार्य।
- इंजन: Tesseract LSTM WebAssembly के माध्यम से स्थानीय रूप से चल रहा है - डिफ़ॉल्ट रूप से कोई तृतीय-पक्ष OCR API नहीं है।
- भाषाएँ: + के साथ संयुक्त बहु-भाषा पैक - सटीकता प्रत्येक स्क्रिप्ट के लिए प्रशिक्षण डेटा पर निर्भर करती है।
- दृश्य: पृष्ठ उपस्थिति स्कैन रहता है; OCR तिरछे हाशिये को स्वचालित रूप से पुनः टाइप नहीं करता या साफ़ नहीं करता।
- लिखावट: लिखावट और हस्ताक्षर आमतौर पर विफल या आंशिक रूप से टाइप किया गया प्रिंट सबसे अच्छा काम करता है।
- सीमाएँ: 300 डीपीआई पर बड़े स्कैन में पुराने लैपटॉप पर समय लगता है; बहुत हल्का पाठ या भारी शोर सटीकता को कम कर देता है।
कब उपयोग करें
- किसी बाहरी OCR विक्रेता को वॉल्यूम भेजे बिना एक पुराने पेपर संग्रह को खोजने योग्य बनाना।
- जब जन्म-डिजिटल पाठ उपलब्ध न हो तो PDF से Word के लिए स्कैन किए गए अनुबंध तैयार करना।
- सरकारी PDF से कॉपी-पेस्ट सक्षम करना जो तकनीकी रूप से छवियां हैं।
- आंतरिक ज्ञान आधारों के लिए प्रिंटआउट से स्कैन किए गए मीटिंग पैकेटों को अनुक्रमित करना।
Why JoyPDF for this
क्लाउड OCR सेवाएँ पाठ को दूर से पहचानने के लिए प्रत्येक पृष्ठ को अपलोड करती हैं - जिसमें हस्ताक्षर, खाता संख्या और वर्गीकृत पैराग्राफ शामिल हैं। JoyPDF OCR पूरी तरह से आपके ब्राउज़र में चलता है: प्रसंस्करण के दौरान पिक्सेल और मान्यता प्राप्त स्ट्रिंग डिवाइस पर रहते हैं। आप सर्वर द्वारा अनुमान लगाने के बजाय स्पष्ट रूप से भाषाएँ चुनते हैं। यह जीडीपीआर, कानूनी विशेषाधिकार और एयर-गैप्ड-आसन्न वर्कफ़्लो में फिट बैठता है जहां आउटबाउंड दस्तावेज़ स्थानांतरण निषिद्ध है।
कैसे उपयोग करें
- 1अपना स्कैन किया हुआ PDF जोड़ेंफ़ाइल को छोड़ें या इसे अपने डिवाइस से चुनें। पेज स्थानीय रूप से लोड होते हैं - कोई सर्वर-साइड OCR कतार नहीं।
- 2OCR भाषाएँ चुनेंपहचान वाली भाषाएँ चुनें - उदा. द्विभाषी स्कैन के लिए अंग्रेजी, पोलिश, या संयुक्त अंग्रेजी+पोल।
- 3पहचान चलाएँJoyPDF आपके डिवाइस पर प्रत्येक पृष्ठ को संसाधित करता है; प्रगति प्रति पृष्ठ दिखाई देती है क्योंकि OCR CPU-सघन है।
- 4खोजने योग्य PDF डाउनलोड करेंOCR'd फ़ाइल को सहेजें - देखने में स्कैन के समान लेकिन नीचे चयन योग्य, खोजने योग्य टेक्स्ट के साथ।
सामान्य प्रश्न
JoyPDF OCR किन भाषाओं का समर्थन करता है?
JoyPDF आपके द्वारा चुने गए Tesseract भाषा पैक का उपयोग करता है - सामान्य लैटिन स्क्रिप्ट (अंग्रेजी, पोलिश, जर्मन, फ्रेंच, स्पेनिश, आदि) और उपलब्ध प्रशिक्षित डेटा के आधार पर कई अन्य। द्विभाषी दस्तावेज़ों के लिए भाषाओं को + के साथ संयोजित करें, उदा. अंग्रेजी शीर्षकों के साथ पोलिश बॉडी टेक्स्ट के लिए पोल+इंग। ग़लत भाषा चयन अस्पष्ट पहचान उत्पन्न करता है - दस्तावेज़ से मिलान करें, न कि आपके यूआई स्थान से। यदि JoyPDF परिणाम खराब हैं तो दुर्लभ स्क्रिप्ट या मिश्रित लंबवत पाठ को विशेषज्ञ डेस्कटॉप OCR की आवश्यकता हो सकती है। डाउनलोड किया गया भाषा डेटा ब्राउज़र सत्र में लोड होता है; इसे आपके PDF के साथ वापस नहीं भेजा जाता है।
Adobe की तुलना में ब्राउज़र OCR कितना सटीक है?
क्षैतिज टाइप किए गए पाठ के साथ 200-300 डीपीआई पर स्वच्छ कार्यालय स्कैन अक्सर उच्च सटीकता तक पहुंचते हैं - खोज और रफ कॉपी-पेस्ट के लिए काफी अच्छा है। टेढ़े-मेढ़े फ़ोन फ़ोटो, टेक्स्ट पर मोहरें, नियमों वाली तालिकाएँ और फ़ुटनोट किसी भी इंजन की सटीकता को कम कर देते हैं। JoyPDF एक महत्वपूर्ण खंड को दोबारा टाइप करने वाले इंसान को नहीं हराएगा - हमेशा कानूनी और मेडिकल स्ट्रिंग्स की स्पॉट-चेक करें। Adobe का क्लाउड OCR कठिन लेआउट पर आगे बढ़ सकता है लेकिन अपलोड की आवश्यकता है। थोक अभिलेखागार पर आंतरिक खोज योग्यता के लिए, स्थानीय OCR ट्रेड-ऑफ़ आमतौर पर गोपनीयता पर जीत हासिल करते हैं।
क्या OCR मेरे PDF का दृश्य स्वरूप बदल देता है?
स्कैन छवि दृश्यमान परत बनी रहती है - OCR खोज और चयन के लिए नीचे एक अदृश्य पाठ परत जोड़ता है। जब तक आपका दर्शक OCR टेक्स्ट को हाइलाइट नहीं करता, तब तक आपको पृष्ठ पर फ़ॉन्ट स्वैप नहीं दिखना चाहिए। एम्बेडेड टेक्स्ट स्ट्रीम से फ़ाइल का आकार मामूली रूप से बढ़ सकता है। यदि आपको साफ-सुथरे दोबारा टाइप किए गए दस्तावेज़, OCR की आवश्यकता है, तो PDF से Word अकेले स्कैन को बदलने के लिए OCR की अपेक्षा से बेहतर काम करता है। OCR के बाद Redact करने के लिए Redact PDF की आवश्यकता होती है - OCR संवेदनशील पिक्सेल को नहीं हटाता है।
क्या मेरा स्कैन किया हुआ PDF OCR के दौरान अपलोड किया गया है?
नहीं, मान्यता WebAssembly में Tesseract.js के साथ स्थानीय रूप से चलती है। पृष्ठ छवियाँ आपके डिवाइस की मेमोरी में संसाधित की जाती हैं; JoyPDF सर्वर को OCR के लिए दस्तावेज़ बाइट्स प्राप्त नहीं होते हैं। भाषा मॉडल फ़ाइलें किसी भी WASM निर्भरता की तरह CDN से डाउनलोड होती हैं - आपके दस्तावेज़ की सामग्री से नहीं। यदि अनुपालन के लिए प्रमाण की आवश्यकता हो तो नेटवर्क टूल से सत्यापित करें। साझा मशीनों पर निर्यात के बाद टैब बंद करें क्योंकि OCR आउटपुट में टेक्स्ट लेयर में निकाली गई PII हो सकती है।
क्या मैं एक PDF को OCR करके Word में बदल सकता हूँ?
हाँ - यह एक सामान्य पाइपलाइन है। स्कैन किए गए पीडीएफ में PDF-टू-वर्ड के लिए संरचना की कमी होती है जब तक कि OCR टेक्स्ट नहीं जोड़ता। खोजने योग्य पाठ के लिए पहले OCR PDF चलाएँ, फिर संपादन योग्य अनुच्छेदों के लिए PDF से Word चलाएं - या प्रस्तावित होने पर PDF से Word में OCR-प्रथम विकल्प सक्षम करें। डबल-OCR शायद ही कभी मदद करता है। चेकबॉक्स वाले फ़ॉर्म के लिए, Word में मैन्युअल सफ़ाई की अपेक्षा करें। यदि केवल खोज मायने रखती है, तो Word रूपांतरण के बिना OCR अकेला ही पर्याप्त है।
मेरे कंप्यूटर पर OCR धीमा क्यों है?
OCR CPU-भारी है: प्रत्येक पृष्ठ का विश्लेषण आपके द्वारा स्कैन में एम्बेड किए गए छवि रिज़ॉल्यूशन पर किया जाता है। 300 डीपीआई, 200 पेज की किताब को पुराने लैपटॉप पर कई मिनट लग सकते हैं - सामान्य, कोई बग नहीं। रैम खाली करने के लिए अन्य टैब बंद करें। यदि टैब क्रैश हो जाता है तो PDF और OCR अध्यायों को अलग-अलग विभाजित करें। प्रगति कॉलबैक प्रति पृष्ठ स्थिति दिखाते हैं। तेज़ हार्डवेयर पुनः प्रयास करने से अधिक मदद करता है। डेस्कटॉप पर रात भर का बैच विशाल अभिलेखों के लिए फ़ोन ब्राउज़र से लड़ता है।