PDF నుండి టెక్స్ట్ (OCR)
స్కాన్ చేసిన PDF ల నుండి టెక్స్ట్ వెలికితీయి
OCR చిత్రాలు మరియు PDF ల నుండి టెక్స్ట్‌ను వెలికితీస్తుంది. LlamaPDF ముందుగా PDF కి ఎంచుకోగలిగే టెక్స్ట్ లేయర్ ఉందో లేదో తనిఖీ చేస్తుంది; ఉంటే, దాన్ని నేరుగా కాపీ చేస్తుంది — వేగంగా మరియు నష్టం లేకుండా. లేకపోతే (లేదా చిత్రాలకు), పూర్తిగా మీ బ్రౌజర్‌లో నడిచే టెక్స్ట్ గుర్తింపుకు మారుతుంది, 81 భాషలు మరియు ఐచ్ఛిక ఆటో-డిటెక్ట్‌తో. మొదటిసారి, బ్రౌజర్ గుర్తింపు ఇంజిన్ (సుమారు 3 MB) మరియు భాషా డేటాను (ప్రతి భాషకు సుమారు 1.5 MB, లేదా ఆటో-డిటెక్ట్‌తో మొత్తం సుమారు 7.8 MB) డౌన్‌లోడ్ చేస్తుంది.
మీ ఫైల్‌ను ఇక్కడ డ్రాగ్ & డ్రాప్ చేయండి
లేదా ఎంచుకోవడానికి క్లిక్ చేయండి
గరిష్టంగా 50 MB · నమోదు అవసరం లేదు
మీ ఫైల్ మీ పరికరంలోనే ఉంటుంది — ఎప్పుడూ అప్‌లోడ్ కాదు
OCR తో టెక్స్ట్ ఎలా వెలికితీయాలి
- 1
మీ స్కాన్ చేసిన PDF లేదా చిత్ర ఫైల్‌ను పై పెట్టెలోకి డ్రాగ్ చేయండి లేదా ఎంచుకోవడానికి క్లిక్ చేయండి. PDF, PNG, JPG మరియు WebP ఫైల్‌లకు మద్దతు ఉంది.
- 2
అత్యంత ఖచ్చితమైన గుర్తింపు కోసం మీ పత్ర టెక్స్ట్ భాషను ఎంచుకోండి, లేదా ఆటో-డిటెక్ట్ ఎంచుకోండి. మిశ్రమ భాషా పత్రాల కోసం, గరిష్ఠంగా 2 అదనపు భాషలను జోడించండి. ఫలితం సాదా టెక్స్ట్: లైన్ బ్రేక్‌లు ఉంచబడతాయి, కానీ పట్టికలు మరియు బహుళ కాలమ్ లేఅవుట్‌లు పునఃసృష్టించబడవు.
- 3
OCR రన్ చేయి క్లిక్ చేసి వెలికితీసిన టెక్స్ట్ కాపీ చేయండి.
OCR ఎందుకు?
స్కాన్ చేసిన పత్రాలు, ఫోటో తీసిన పేజీలు మరియు చిత్ర ఆధారిత PDF లు విలువైన టెక్స్ట్‌ను చిత్రాలలో బంధిస్తాయి. మెషిన్ చదవగలిగే టెక్స్ట్‌గా మార్చే వరకు ఆ కంటెంట్‌ను వెతకలేరు, కాపీ చేయలేరు, సవరించలేరు లేదా తిరిగి ఉపయోగించలేరు. మా OCR సాధనం పత్రం యొక్క దృశ్య నిర్మాణాన్ని విశ్లేషించి టెక్స్ట్‌ను వెలికితీయడం ద్వారా ఈ సమస్యను పరిష్కరిస్తుంది. ఇది ఒక పేజీ రసీదుల నుండి బహుళ పేజీల స్కాన్ చేసిన ఒప్పందాలు మరియు విద్యా పత్రాల వరకు అన్నింటినీ నిర్వహిస్తుంది, 81 భాషలలో ముద్రిత టెక్స్ట్‌ను గుర్తిస్తుంది.
మొత్తం ప్రక్రియ మీ బ్రౌజర్‌లో స్థానికంగా నడుస్తుంది, కాబట్టి న్యాయ ఒప్పందాలు, వైద్య రికార్డులు లేదా ఆర్థిక స్టేట్‌మెంట్‌ల వంటి సున్నితమైన పత్రాలు మీ పరికరాన్ని ఎప్పుడూ వదలవు. అప్‌లోడ్‌లు లేవు, క్లౌడ్ ప్రాసెసింగ్ లేదు — గుర్తింపు ఇంజిన్ మరియు భాషా డేటా మాత్రమే పబ్లిక్ CDN నుండి ఒకసారి డౌన్‌లోడ్ అవుతాయి. ఒక్క ఫోటో లేదా స్క్రీన్‌షాట్ నుండి టెక్స్ట్ వెలికితీయడం వంటి సాధారణ పనులకు, మా చిత్రం నుండి టెక్స్ట్ సాధనం సులభమైన ఎంపిక. టెక్స్ట్ వెలికితీసిన తర్వాత, సరైన పత్రాన్ని సృష్టించడానికి మా టెక్స్ట్ నుండి PDF కన్వర్టర్ ఉపయోగించండి, లేదా అసలు PDF ను నేరుగా సవరించండి.
OCR అంటే ఏమిటి?
OCR (ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్) స్కాన్ చేసిన పత్రాలు, ఫోటోలు లేదా చిత్ర ఆధారిత PDF లలోని టెక్స్ట్ చిత్రాలను మెషిన్ చదవగలిగే, సవరించగలిగే టెక్స్ట్‌గా మార్చే సాంకేతికత. OCR ఇంజిన్ చిత్రంలోని అక్షరాల ఆకారాలు, నమూనాలు మరియు ప్రాదేశిక సంబంధాలను విశ్లేషించి అక్షరాలు, సంఖ్యలు మరియు చిహ్నాలను గుర్తిస్తుంది. ఆధునిక OCR అనేక భాషలకు మద్దతు ఇస్తుంది మరియు వివిధ ఫాంట్‌లు, పరిమాణాలు మరియు లేఅవుట్‌లను నిర్వహించగలదు. ఇది పత్రాల డిజిటైజేషన్, శోధించగలిగే PDF ల సృష్టి, ఆటోమేటెడ్ డేటా ఎంట్రీ, మరియు ముద్రిత టెక్స్ట్‌ను గట్టిగా చదివే యాక్సెసిబిలిటీ సాధనాలకు ఆధారమైన సాంకేతికత.