OCR PDF
स्कॅन केलेल्या दस्ताऐवजांतून शोधयोग्य मजकूर काढा.
मार्गदर्शक आणि FAQ
या साधनाबद्दल
स्कॅन केलेले PDF आणि फक्त इमेज दस्तऐवज शोधण्यायोग्य, कॉपी-फ्रेंडली फायलींमध्ये बदला - क्लाउड OCR फार्मवर पृष्ठे अपलोड न करता, Tesseract.js सह तुमच्या ब्राउझरमधील मजकूर ओळखा. भाषा निवडा, स्थानिक पातळीवर ओळख चालवा आणि दृश्यमान स्कॅनवर संरेखित लपवलेल्या मजकूर स्तरासह PDF डाउनलोड करा. मोफत, खाते नाही. अभिलेखीय करार, सरकारी फॉर्म आणि संशोधन PDF साठी आवश्यक आहे जिथे तुम्हाला Ctrl+F, कॉपी-पेस्ट किंवा नंतरचा PDF-टू-Word पास आवश्यक आहे.
What you get
- आउटपुट: PDF प्रत्येक पृष्ठावर एक अदृश्य मजकूर स्तर - Acrobat, पूर्वावलोकन आणि ब्राउझरमध्ये शोध आणि कॉपी कार्य.
- इंजिन: Tesseract LSTM WebAssembly द्वारे स्थानिक पातळीवर चालत आहे - डीफॉल्टनुसार तृतीय-पक्ष OCR API नाही.
- भाषा: + सह एकत्रित बहु-भाषा पॅक - अचूकता प्रत्येक स्क्रिप्टसाठी प्रशिक्षण डेटावर अवलंबून असते.
- व्हिज्युअल: पृष्ठ देखावा स्कॅन राहते; OCR तिरकस मार्जिन आपोआप पुन्हा टाइप करत नाही किंवा साफ करत नाही.
- हस्तलेखन: कर्सिव्ह आणि स्वाक्षरी सहसा अयशस्वी किंवा आंशिक - टाइप केलेले प्रिंट उत्तम कार्य करते.
- मर्यादा: 300 dpi वर मोठ्या स्कॅनला जुन्या लॅपटॉपवर वेळ लागतो; अतिशय मंद मजकूर किंवा जड आवाज अचूकता कमी करते.
कधी वापरावे
- बाहेरील OCR विक्रेत्याला खंड न पाठवता शोधण्यायोग्य कागद संग्रहण करणे.
- जन्म-डिजिटल मजकूर उपलब्ध नसताना PDF ते Word साठी स्कॅन केलेले करार तयार करणे.
- तांत्रिकदृष्ट्या प्रतिमा असलेल्या सरकारी PDF कडून कॉपी-पेस्ट सक्षम करणे.
- अंतर्गत नॉलेज बेससाठी प्रिंटआउट्समधून स्कॅन केलेले मीटिंग पॅकेट्सचे अनुक्रमणिका.
Why JoyPDF for this
क्लाउड OCR सेवा दूरस्थपणे मजकूर ओळखण्यासाठी - स्वाक्षर्या, खाते क्रमांक आणि वर्गीकृत परिच्छेदांसह - प्रत्येक पृष्ठ अपलोड करतात. JoyPDF OCR पूर्णपणे तुमच्या ब्राउझरमध्ये चालते: पिक्सेल आणि मान्यताप्राप्त स्ट्रिंग प्रक्रियेदरम्यान डिव्हाइसवरच राहतात. तुम्ही सर्व्हरच्या अंदाजाऐवजी स्पष्टपणे भाषा निवडता. ते GDPR, कायदेशीर विशेषाधिकार आणि एअर-गॅप्ड-समीप वर्कफ्लोमध्ये बसते जेथे आउटबाउंड दस्तऐवज हस्तांतरण प्रतिबंधित आहे.
कसे वापरावे
- 1तुमचे स्कॅन केलेले PDF जोडाफाइल ड्रॉप करा किंवा तुमच्या डिव्हाइसवरून निवडा. पृष्ठे स्थानिकरित्या लोड होतात - सर्व्हर-साइड OCR रांग नाही.
- 2OCR भाषा निवडाओळख भाषा निवडा - उदा. द्विभाषिक स्कॅनसाठी इंग्रजी, पोलिश किंवा एकत्रित eng+pol.
- 3ओळख चालवाJoyPDF तुमच्या डिव्हाइसवरील प्रत्येक पृष्ठावर प्रक्रिया करते; प्रगती प्रति पृष्ठ दर्शवते कारण OCR CPU-केंद्रित आहे.
- 4शोधण्यायोग्य PDF डाउनलोड कराOCR'd फाईल जतन करा - दृष्यदृष्ट्या स्कॅन सारखीच परंतु निवडण्यायोग्य, शोधण्यायोग्य मजकूर खाली.
सामान्य प्रश्न
JoyPDF OCR कोणत्या भाषांना सपोर्ट करते?
JoyPDF तुम्ही निवडता ते Tesseract भाषा पॅक वापरते - सामान्य लॅटिन लिपी (इंग्रजी, पोलिश, जर्मन, फ्रेंच, स्पॅनिश, इ.) आणि इतर अनेक उपलब्ध प्रशिक्षित डेटावर अवलंबून. द्विभाषिक दस्तऐवजांसाठी + सह भाषा एकत्र करा, उदा. इंग्रजी शीर्षकांसह पोलिश मुख्य मजकुरासाठी pol+eng. चुकीची भाषा निवड अस्पष्ट ओळख निर्माण करते - दस्तऐवजाशी जुळवा, तुमच्या UI लोकेलशी नाही. JoyPDF परिणाम खराब असल्यास दुर्मिळ स्क्रिप्ट किंवा मिश्रित उभ्या मजकुरासाठी विशेषज्ञ डेस्कटॉप OCR आवश्यक असू शकते. डाउनलोड केलेला भाषा डेटा ब्राउझर सत्रात लोड होतो; ते तुमच्या PDF सह परत पाठवले जात नाही.
Adobe च्या तुलनेत ब्राउझर OCR कितपत अचूक आहे?
क्षैतिज टाईप केलेल्या मजकुरासह 200-300 dpi वर क्लीन ऑफिस स्कॅन अनेकदा उच्च अचूकतेपर्यंत पोहोचतात - शोध आणि रफ कॉपी-पेस्टसाठी पुरेसे आहेत. तिरकस केलेले फोन फोटो, मजकुरावर शिक्के, नियमांसह तक्ते आणि तळटीप कोणत्याही इंजिनमध्ये अचूकता कमी करतात. JoyPDF गंभीर क्लॉज पुन्हा टाईप करणाऱ्या माणसाला हरवणार नाही - कायदेशीर आणि वैद्यकीय स्ट्रिंग नेहमी स्पॉट-चेक करा. Adobe चे क्लाउड OCR कठीण लेआउटवर पुढे जाऊ शकते परंतु अपलोड करणे आवश्यक आहे. मोठ्या प्रमाणात संग्रहणांवर अंतर्गत शोधक्षमतेसाठी, स्थानिक OCR ट्रेड-ऑफ सहसा गोपनीयतेवर जिंकतात. तुमच्या ब्राउझर डेव्हलपर टूल्समध्ये नेटवर्क टॅब तपासा: फक्त ॲप संसाधने लोड होतात, तुमचा दस्तऐवज नाही.
OCR माझ्या PDF चे दृश्य स्वरूप बदलते का?
स्कॅन प्रतिमा दृश्यमान स्तर राहते - OCR शोध आणि निवडीसाठी खाली एक अदृश्य मजकूर स्तर जोडते. जोपर्यंत तुमचा दर्शक OCR मजकूर हायलाइट करत नाही तोपर्यंत तुम्हाला पृष्ठावरच फॉन्ट स्वॅप दिसू नये. एम्बेड केलेल्या मजकूर प्रवाहांमधून फाइल आकार माफक प्रमाणात वाढू शकतो. तुम्हाला स्वच्छ पुन्हा टाईप केलेला दस्तऐवज हवा असल्यास, OCR नंतर PDF ते Word स्कॅन दृष्यदृष्ट्या बदलण्यासाठी एकट्याने OCR अपेक्षेपेक्षा चांगले कार्य करते. OCR नंतर Redact करण्यासाठी Redact PDF आवश्यक आहे - OCR संवेदनशील पिक्सेल काढत नाही. तुमच्या ब्राउझर डेव्हलपर टूल्समध्ये नेटवर्क टॅब तपासा: फक्त ॲप संसाधने लोड होतात, तुमचा दस्तऐवज नाही.
माझे स्कॅन केलेले PDF OCR दरम्यान अपलोड केले आहे का?
नाही. ओळख स्थानिक पातळीवर Tesseract.js सह WebAssembly मध्ये चालते. पृष्ठ प्रतिमा आपल्या डिव्हाइसवर मेमरीमध्ये प्रक्रिया केल्या जातात; JoyPDF सर्व्हरना OCR साठी दस्तऐवज बाइट्स मिळत नाहीत. भाषा मॉडेल फाइल्स CDN वरून कोणत्याही WASM अवलंबित्वाप्रमाणे डाउनलोड करतात - तुमची दस्तऐवज सामग्री नाही. अनुपालनास पुराव्याची आवश्यकता असल्यास नेटवर्क साधनांसह सत्यापित करा. सामायिक केलेल्या मशीनवर निर्यात केल्यानंतर टॅब बंद करा कारण OCR आउटपुटमध्ये मजकूर स्तरामध्ये काढलेला PII असू शकतो. तुमच्या ब्राउझर डेव्हलपर टूल्समध्ये नेटवर्क टॅब तपासा: फक्त ॲप संसाधने लोड होतात, तुमचा दस्तऐवज नाही. शेअर केलेल्या संगणकावर डाउनलोड केल्यानंतर, टॅब बंद करा आणि तुमच्या सुरक्षा धोरणानुसार डाउनलोड फोल्डर साफ करा.
मी OCR a PDF नंतर ते Word मध्ये रूपांतरित करू शकतो का?
होय - ही एक सामान्य पाइपलाइन आहे. स्कॅन केलेल्या PDF मध्ये PDF-टू-Word साठी OCR मजकूर जोडेपर्यंत रचना नाही. शोधण्यायोग्य मजकूरासाठी प्रथम OCR PDF चालवा, नंतर संपादन करण्यायोग्य परिच्छेदांसाठी PDF ते Word - किंवा PDF Word ऑफर केल्यावर OCR-प्रथम पर्याय सक्षम करा. डबल-OCR क्वचितच मदत करते. चेकबॉक्सेससह फॉर्मसाठी, पर्वा न करता Word मध्ये मॅन्युअल क्लीनअपची अपेक्षा करा. केवळ शोध महत्त्वाचे असल्यास, Word रूपांतरणाशिवाय केवळ OCR पुरेसे आहे. तुमच्या ब्राउझर डेव्हलपर टूल्समध्ये नेटवर्क टॅब तपासा: फक्त ॲप संसाधने लोड होतात, तुमचा दस्तऐवज नाही. शेअर केलेल्या संगणकावर डाउनलोड केल्यानंतर, टॅब बंद करा आणि तुमच्या सुरक्षा धोरणानुसार डाउनलोड फोल्डर साफ करा.
माझ्या संगणकावर OCR धीमे का आहे?
OCR हे CPU-भारी आहे: तुम्ही स्कॅनमध्ये एम्बेड केलेल्या इमेज रिझोल्यूशनवर प्रत्येक पृष्ठाचे विश्लेषण केले जाते. 300 dpi, 200-पानांचे पुस्तक जुन्या लॅपटॉपवर अनेक मिनिटे लागू शकते - सामान्य, बग नाही. रॅम मुक्त करण्यासाठी इतर टॅब बंद करा. टॅब क्रॅश झाल्यास PDF आणि OCR अध्याय स्वतंत्रपणे विभाजित करा. प्रगती कॉलबॅक प्रति-पृष्ठ स्थिती दर्शवतात. जलद हार्डवेअर पुन्हा प्रयत्न करण्यापेक्षा अधिक मदत करते. डेस्कटॉप बीट्सवर रात्रभर बॅच मोठ्या संग्रहासाठी फोन ब्राउझरशी लढत आहे. शेअर केलेल्या संगणकावर डाउनलोड केल्यानंतर, टॅब बंद करा आणि तुमच्या सुरक्षा धोरणानुसार डाउनलोड फोल्डर साफ करा. सर्व प्रक्रिया तुमच्या ब्राउझरमध्ये स्थानिक पातळीवर होते - फाइल कधीही JoyPDF सर्व्हरपर्यंत पोहोचत नाही.