स्कैन की गई पीडीएफ को स्कैन अपलोड किए बिना खोजने योग्य बनाएं

किसी पृष्ठ को स्कैन करें और आपका कंप्यूटर उसकी एक तस्वीर संग्रहीत कर लेता है। शब्द स्क्रीन पर सही दिखते हैं, लेकिन सॉफ्टवेयर के लिए वे सिर्फ पिक्सेल हैं - Ctrl+F कुछ नहीं पाता है, कॉपी-पेस्ट आपको कुछ नहीं देता है, और कोई भी इंडेक्स कहीं भी नहीं जानता है कि दस्तावेज़ क्या कहता है। ओसीआर (ऑप्टिकल कैरेक्टर रिकॉग्निशन) बिल्कुल इसे ठीक करता है: यह आकृतियों को देखता है, अक्षरों और शब्दों को पहचानता है, और छवि के नीचे एक वास्तविक पाठ परत लिखता है।

यह व्यवहार में क्यों मायने रखता है

• कुछ भी ढूँढना. 200 पेज के स्कैन किए गए अनुबंध पर Ctrl+F काम करना शुरू कर देता है।
• शब्दों का पुनः प्रयोग करना. उद्धरण, पते, खंड संख्याएँ - पुनः टाइप करने के बजाय चयन करने योग्य और प्रतिलिपि बनाने योग्य।
• अभिगम्यता और अनुक्रमण. स्क्रीन रीडर और खोज इंजन अचानक दस्तावेज़ को "पढ़" सकते हैं।

उस कैच का ज़िक्र किसी ने नहीं किया

अधिकांश ऑनलाइन ओसीआर उपकरण आपके दस्तावेज़ को अपने सर्वर पर अपलोड करके पढ़ते हैं - जो कि आपके पासपोर्ट, मेडिकल रिकॉर्ड या क्लाइंट अनुबंध के स्कैन के साथ करना एक अजीब बात है। हमारा ओसीआर उपकरण दूसरा रास्ता अपनाता है: मान्यता चलती है आपके ब्राउज़र के अंदर (उद्योग-मानक टेस्सेरैक्ट इंजन, WebAssembly के लिए संकलित), और खोजने योग्य पीडीएफ को स्थानीय रूप से भी इकट्ठा किया गया है। स्कैन आपके डिवाइस को कभी नहीं छोड़ता।

सर्वोत्तम सटीकता प्राप्त करना

1. पहले सीधा करो. दो डिग्री झुके हुए पृष्ठ की प्रत्येक पंक्ति में सटीकता होती है। भागो डेस्क्यू यदि स्कैन टेढ़ा दिखता है तो ओसीआर से पहले।
2. 300 डीपीआई पर स्कैन करें। इंजन के लिए पर्याप्त विवरण; अधिक केवल इसे धीमा करता है।
3. भाषा का मिलान करें. ओसीआर टूल में सही भाषा चुनें - मान्यता शब्दकोश अलग-अलग होते हैं, और फ्रांसीसी पृष्ठ पर "अंग्रेजी" आत्मविश्वासपूर्ण बकवास पैदा करता है।
4. फ़ॉन्ट का ध्यान रखें. टाइपराइटर के चेहरे और लिखावट वास्तव में कठिन हैं; वहां सुधार की उम्मीद करें.

ओसीआर के बाद

आउटपुट एक पीडीएफ है जो समान दिखता है लेकिन अदृश्य, चयन योग्य टेक्स्ट रखता है। वहां से यह एक सामान्य दस्तावेज़ है: खोजें, कॉपी करें, इसे फ़ीड करें पाठ के लिए पीडीएफ कच्चे शब्दों के लिए उपकरण, या इसे संपादन योग्य प्रारूप में परिवर्तित करें पीडीएफ से वर्ड.

एक सटीकता जाँच सूची

1. पहचान से पहले पृष्ठ को सीधा करें; डेस्कवेड स्कैन बेहतर ढंग से पढ़ते हैं।
2. लगभग 300 डीपीआई का उपयोग करें - अधिक पिक्सेल केवल उस बिंदु तक मदद करते हैं जहां शोर से नुकसान होने लगता है।
3. सही लिपि सहित पृष्ठ पर भाषा चुनें।
4. बाद में तीन ज्ञात विवरण खोजें: कुल, दिनांक और नाम।
5. केवल खोज परिणाम ही नहीं, बल्कि मुद्रित आउटपुट भी जांचें।

भाषाएँ और लिखावट

मान्यता उस भाषा में साफ़ मुद्रित पाठ पर सबसे अच्छा काम करती है जिसका वह समर्थन करता है। मिश्रित भाषा वाले पृष्ठ भाषा मॉडल को भ्रमित कर सकते हैं; यदि अनुभाग अलग-अलग हैं तो अलग-अलग पास चलाएँ। हस्तलेखन कठिन मामला है - हस्तलिखित नोट के चारों ओर मुद्रित लेबल को तब पहचाना जा सकता है जब नोट स्वयं छूट गया हो। ओसीआर परिणाम को हस्तलिखित रिकॉर्ड के प्रमाणित प्रतिलेखन के रूप में न मानें।

बाद में पाठ का क्या करें

एक बार जब स्कैन में टेक्स्ट परत होती है, तो इसे खोजा जा सकता है, कॉपी किया जा सकता है और अनुक्रमित किया जा सकता है, और इसे वर्ड में परिवर्तित किया जा सकता है या टेक्स्ट के रूप में निकाला जा सकता है। यदि छवि कानूनी रिकॉर्ड है तो मूल स्कैन को खोजने योग्य संस्करण के साथ रखें। गोपनीयता निर्णय का दूसरा भाग है: ब्राउज़र-आधारित पहचान आपके डिवाइस पर स्कैन रखती है, जबकि अपलोड-आधारित सेवा इसे सर्वर पर भेजती है। वह मॉडल चुनें जो दस्तावेज़ की संवेदनशीलता से मेल खाता हो, न कि केवल कीमत से।

इसे आज़माएँ: स्कैन को खोजने योग्य बनाएं - स्थानीय रूप से, निःशुल्क: स्कैन आपके डिवाइस को कभी नहीं छोड़ता है और जेनरेट किया गया पीडीएफ उसी तरह बनाया जाता है।