OCR PDF
Витягуйте текст, який можна шукати, з відсканованих документів.
Посібник і FAQ
Про цей інструмент
Перетворіть відскановані PDF і документи лише с зображеннями у файли с пошуком і копіюванням — розпізнавайте текст у браузері с Tesseract.js, без надсилання сторінок в хмарну OCR-ферму. Оберіть мови, запустіть розпізнавання локально і завантажте PDF з прихованим текстовим шаром, вирівняним по видимому скану. Безкоштовно, без облікового запису. Необхідно для архівних договірів, державних форм і дослідницьких PDF, де потрібні Ctrl+F, копіювання або наступна конвертація PDF у Word.
What you get
- Результат: PDF с невидимим текстовим слоем над кожній сторінкою — пошук і копіювання працюють в Acrobat, Preview і браузерах.
- Движок: Tesseract LSTM локально через WebAssembly — без стороннего OCR API за замовчуванням.
- Мови: багатомовні пакети комбінуються знаком + — точність залежить від навчальних даних для кожного письма.
- Внешний вид: сторінка залишається сканом; OCR не перекладає текст і не вирівнює нахилені поля автоматично.
- Рукопись: курсив і підпису зазвичай не розпізнаються або частининично — найкраще машинний текст.
- Обмеження: великі скани в 300 dpi займають час на старих ноутбуках; дуже блідий текст або сильний шум знижують точність.
Коли використовувати
- Зробити паперовий архів пошуковим без надсилання томов зовнішньому OCR-подрядчику.
- Підготовити відскановані договіри к PDF у Word, коли немає цифрового тексту.
- Увімкнути копіювання з державних PDF, які технічно є зображеннями.
- Індексувати пакети со зустрічей, відскановані з друку, для внутрішньої бази знань.
Why JoyPDF for this
Хмарні OCR-сервіси завантажують кожну сторінку — включно з підпису, номера рахунків і секретні абзаци — для віддаленого розпізнавання. OCR JoyPDF повністю у браузері: пікселі і розпізнані рядки залишаються на пристрої під час обробки. Ви явно обираєте мови замість того, щоб сервер вгадував. Це підходить для GDPR, адвокатської таємниці і ізольованїх робочїх процесів, де вихідна передача документів заборонена.
Як використовувати
- 1Додайте відсканований PDFПеретягніть файл або оберіть його на пристрої. Сторінки завантажуються локально — без серверної черги OCR.
- 2Оберіть мови OCRВкажіть мови розпізнавання — наприклад, англійська, українська або комбінацію ukr+eng для двомовних сканів.
- 3Запустіть розпізнаванняJoyPDF обробляє кожну сторінку на вашому пристрої; прогресс показуєся сторінка за сторінкою, потому що OCR нагружает процессор.
- 4Завантажте PDF с пошукомЗбережіть файл після OCR — визуально похож на скан, але с виділяємим і пошуковим текстом під ним.
Поширені запитання
Які мови підтримує OCR JoyPDF?
JoyPDF використовує мовні пакети Tesseract, які ви обираєте — поширені латинські письменності (англійська, українська, німецька, французька, іспанська і др.) і багато інші в залежно від доступних traineddata. Комбінуйте мови знаком + для двомовних документів, наприклад ukr+eng для українського тексту з англійськими заголовками. Невірний вибір мови дає безглузде розпізнавання — підбирайте під документ, а не під мова інтерфейсу. Рідкісні письменності або змішаний вертикальний текст можуть потребувати спеціалізованого настільного OCR, якщо результати JoyPDF слабкі. Завантажені мовні дані потрапляють в сесію браузера; вони не надсилаються назад з вашім PDF.
Наскільки точний браузерний OCR порівняно з Adobe?
Чисті офісні скани в 200–300 dpi з горизонтальним машинним текстом часто дають високу точність — достатньо для пошуку й грубого копіювання. Нахилені фото з телефона, друку поверх тексту, таблиці з лініями і виноски знижують точність у будь-якому рушії. JoyPDF не перевершить людину, переписуючого критичне застереження — завжди перевіряйте юридичні і медичні рядки. Хмарний OCR Adobe може бути кращим на складних макетах, але вимагає завантаження. Для внутрішнього пошуку по великим архівам локальний OCR зазвичай виграє за конфіденційності. Після завантаження на спільному комп'ютері закрийте вкладку й очистіть папку завантажень згідно з політикою безпеки.
Чи змінить OCR візуальний вигляд моего PDF?
Зображення скана залишається видимим шаром — OCR додає невидимий текстовий шар під ним для пошуку й виділення. На сторінці не повинно бути зміни шрифтів, якщо програма читання не підсвічує OCR-текст. Розмір файла може трохи збільшитися из-за вбудованїх текстовїх потоків. Якщо потрібен чистий переписаний документ, OCR і потім PDF у Word працюють краще, ніж очікування, що OCR визуально замінить скан. Редагування після OCR вимагає Redact PDF — OCR не видаляє чутливі пікселі. Перевірте вкладку «Мережа» в інструментах розробника браузера: завантажуються лише ресурси застосунку, а не ваш документ. Після завантаження на спільному комп'ютері закрийте вкладку й очистіть папку завантажень згідно з політикою безпеки.
Завантажується чи мой відсканований PDF під час OCR?
Ні. Розпізнавання працює локально с Tesseract.js в WebAssembly. Зображення сторінок обробляються в пам'яті пристрою; сервери JoyPDF не отримують байти документа для OCR. Мовні моделі завантажуються з CDN, як будь-яка WASM-зависимость — не вміст вашого документа. Перевірте мережевими інструментами, якщо compliance вимагає доказів. Закрийте вкладку після експорту на спільних машинах, потому що результат OCR може містити витягнуті персональні дані в текстовому шарі. Після завантаження на спільному комп'ютері закрийте вкладку й очистіть папку завантажень згідно з політикою безпеки. Вся обробка виконується локально у браузері — файл ніколи не потрапляє на сервери JoyPDF.
Чи можна спочатку OCR PDF, а потім конвертувати у Word?
Так — це поширений pipeline. Відскановані PDF не мають структури для PDF у Word, доки OCR не добидвавит текст. Спочатку запустіть OCR PDF для пошукового тексту, потім PDF у Word для редагованих абзаців — або увімкніть опцію OCR-first у PDF у Word, якщо доступна. Подвійний OCR рідко допомагає. Для форм с прапорцями очікуйте ручного редагування у Word. Якщо важливий лише пошук, достатньо одного OCR без конвертації у Word. Перевірте вкладку «Мережа» в інструментах розробника браузера: завантажуються лише ресурси застосунку, а не ваш документ. Після завантаження на спільному комп'ютері закрийте вкладку й очистіть папку завантажень згідно з політикою безпеки.
Чому OCR на моєму комп'ютері повільний?
OCR сильно навантажує процессор: кожна сторінка аналізується в роздільній здатності, яке ви вклали в скан. Книга 300 dpi на 200 сторінок може зайняти багато хвилин на старому ноутбуці — це нормально, не помилка. Закрийте інші вкладки, щоб звільнити RAM. Розділіть PDF і розпізнайте розділи окремо, якщо вкладка падає. Callbacks прогресу показують статус сторінка за сторінкою. Швидше обладнання допомагає більше, ніж повторні спроби. Нічна пакетна обробка на десктопе краще, ніж боротьба с телефонним браузером для величезнїх архівів. Після завантаження на спільному комп'ютері закрийте вкладку й очистіть папку завантажень згідно з політикою безпеки.