OCR ファースト: スキャンにテキストレイヤーが必要な場合

OCR はページ画像の背後に実際のテキストレイヤーを追加するため、見た目を変えることなくスキャンを検索、コピー、変換できます。通常、これは最終目的地ではなく、別のツールの前のステップです。

なぜこれが出てくるのか

スキャンは完了したように見えるワークフローに入りますが、最初の検索、変換、またはファイル名パターンで失敗します。テキストを早期に認識すると、最初から読み取れなかったファイルに対して同じ作業を繰り返すことがなくなります。

ページが実際にスキャンされたものであることを確認します。 ビューアでテキストを選択できない場合は、OCR が必要です。可能であれば、テキストまたは変換ツールを直接実行し、余分なパスをスキップします。
言語とエンジンを一致させます。 言語は、eng、deu、fra などの Tesseract コードです。標準エンジンはブラウザ内で実行されます。高精度では、利用可能な場合は Paddle モデルを使用し、英語と中国語に最も優れていますが、他の言語は Tesseract のままです。
最初にまっすぐにしてから確認してください。 認識する前に曲がったスキャンの傾きを補正し、名前、日付、合計を検索します。 OCR が最も頻繁に推測するのは、固有名詞と数字です。

スキャンした契約書は編集可能な Word テキストになる必要があります。 OCR the scan first, then convert the searchable PDF; otherwise the .docx arrives as pictures or blank paragraphs.
スキャンした請求書のフォルダーには意味のある名前が必要です。 OCR は、最初のページからファイル名を作成するために必要なテキストの名前を変更します。

いいえ — 認識はブラウザ (Tesseract) 内で実行されるため、スキャンされたコンテンツがデバイスの外に出ることはありません。検索可能な PDF もローカルに構築されます。

OCR PDF の隣に通常開くツールは次のとおりです。

すべてのツールはコピーに対して動作するため、元のファイルには一切触れません。アップロードは推測不可能な ID で保存され、最後に開いてから 2 時間後に自動的に削除されます。何もリストされず、共有されず、インデックスも付けられません。詳細については、セキュリティページ.