PDF-დან ტექსტი (OCR)
ტექსტის ამოღება სკანირებული PDF-ებიდან
OCR სურათებიდან და PDF-ებიდან ტექსტს იღებს. LlamaPDF ჯერ ამოწმებს, აქვს თუ არა PDF-ს უკვე მოსანიშნი ტექსტური ფენა, და თუ აქვს, პირდაპირ აკოპირებს — სწრაფად და უდანაკარგოდ. თუ არა (ან სურათების შემთხვევაში), ის ტექსტის ამოცნობაზე გადადის, რომელიც მთლიანად თქვენს ბრაუზერში მუშაობს, 81 ენის მხარდაჭერითა და სურვილისამებრ ავტომატური ამოცნობით. პირველად ბრაუზერი ამოცნობის ძრავასა (დაახლოებით 3 MB) და ენის მონაცემებს ჩამოტვირთავს (დაახლოებით 1,5 MB თითო ენაზე; ავტომატური ამოცნობით სულ დაახლოებით 7,8 MB).
ჩააგდეთ ფაილი აქ
ან დააჭირეთ ასარჩევად
მაქს. 50 MB · რეგისტრაცია არ საჭიროა
ფაილი მოწყობილობაზე რჩება — არასოდეს იტვირთება
როგორ ამოვიღოთ ტექსტი PDF-იდან ან სურათიდან OCR-ის გამოყენებით
- 1
დაამატეთ სკანირებული PDF ან სურათის ფაილი ზემოთ მოცემულ ველში გადათრევით ან დააწკაპუნეთ ასარჩევად. ინსტრუმენტი მხარს უჭერს PDF, PNG, JPG და WebP ფაილებს.
- 2
ამოცნობის საუკეთესო სიზუსტისთვის აირჩიეთ დოკუმენტის ტექსტის ენა ან „ავტომატური ამოცნობა“. მრავალენოვანი დოკუმენტებისთვის დაამატეთ კიდევ 2-მდე ენა. შედეგი ჩვეულებრივი ტექსტია: ახალი ხაზები ნარჩუნდება, მაგრამ ცხრილები და სვეტებად განლაგება არ რეპროდუცირდება.
- 3
დააჭირეთ „ტექსტის ამოღება” OCR-ის გასაშვებად. გადახედეთ ამოღებულ ტექსტს და კოპირება გააკეთეთ, ან ჩამოტვირთეთ ტექსტური ფაილის სახით. ყველა OCR დამუშავება პირდაპირ ბრაუზერში მიმდინარეობს — დოკუმენტები სერვერზე არ იტვირთება.
რატომ გამოიყენოთ ჩვენი OCR ხელსაწყო?
სკანირებული დოკუმენტები, გადაღებული გვერდები და სურათებზე დაფუძნებული PDF-ები ღირებულ ტექსტს სურათებში კეტავს. ასეთი შინაარსის ძებნა, კოპირება, რედაქტირება ან ხელახლა გამოყენება შეუძლებელია, სანამ მანქანურად წაკითხვად ტექსტად არ გადაიქცევა. ჩვენი OCR ინსტრუმენტი ამ პრობლემას დოკუმენტის ვიზუალური სტრუქტურის ანალიზითა და ტექსტის ამოღებით წყვეტს. ის ყველაფერს უმკლავდება — ერთგვერდიანი ქვითრებიდან მრავალგვერდიან სკანირებულ ხელშეკრულებებამდე და სამეცნიერო ნაშრომებამდე — და ნაბეჭდ ტექსტს 81 ენაზე ამოიცნობს.
რადგან მთელი პროცესი ლოკალურად, თქვენს ბრაუზერში მიმდინარეობს, თქვენი მგრძნობიარე დოკუმენტები — ხელშეკრულებები, სამედიცინო ჩანაწერები, საბანკო ამონაწერები — არასოდეს ტოვებს მოწყობილობას. არც ატვირთვა ხდება და არც ღრუბელში დამუშავება; მხოლოდ ამოცნობის ძრავა და ენის მონაცემები ჩამოიტვირთება, ერთხელ, საჯარო CDN-იდან. უფრო მარტივი ამოცანებისთვის, როგორიცაა ტექსტის ამოღება ერთი ფოტოდან ან ეკრანის ანაბეჭდიდან, ჩვენი სურათიდან ტექსტის ინსტრუმენტი უფრო მარტივ პროცესს გთავაზობთ. ტექსტის ამოღების შემდეგ აქციეთ ის ნამდვილ დოკუმენტად ტექსტიდან PDF-ში კონვერტერით ან პირდაპირ დაარედაქტირეთ ორიგინალი PDF.
რა არის OCR?
OCR (სიმბოლოების ოპტიკური ამოცნობა) ტექნოლოგიაა, რომელიც ტექსტის გამოსახულებებს — სკანირებული დოკუმენტებიდან, ფოტოებიდან ან სურათებზე დაფუძნებული PDF-ებიდან — მანქანურად წაკითხვად, რედაქტირებად ტექსტად აქცევს. OCR ძრავები გამოსახულებაში სიმბოლოების ფორმებს, ნიმუშებსა და სივრცით განლაგებას აანალიზებს ასოების, ციფრებისა და ნიშნების ამოსაცნობად. თანამედროვე OCR მრავალ ენას უჭერს მხარს და შრიფტების, ზომებისა და განლაგებების ფართო სპექტრს უმკლავდება. ეს არის დოკუმენტების გაციფრების, საძიებო PDF-ების შექმნის, მონაცემთა ავტომატური შეყვანისა და ხელმისაწვდომობის ინსტრუმენტების საბაზისო ტექნოლოგია, რომლებიც ნაბეჭდ ტექსტს ხმამაღლა კითხულობს.