PDF Hasil Scan ke Teks (OCR)

Mendapatkan hasil pembacaan yang lebih bersih

Setiap halaman dirender pada 200 DPI sebelum dibaca, jadi batasnya ditentukan oleh hasil scan itu sendiri. Teks isi yang dipindai pada 300 DPI terbaca dengan baik; foto halaman dari ponsel yang diambil miring atau scan berkualitas faks dengan tulisan kecil akan menghasilkan tebakan. Halaman yang menyamping atau terbalik terbaca sangat buruk, jadi tegakkan dengan rotate PDF sebelum menjalankan pengenalan.

Pilih bahasa yang digunakan dalam dokumen karena setiap bahasa memakai model terpisah. Bahasa Tionghoa tersedia dalam model Sederhana dan Tradisional, dan memilih model yang salah sangat mengurangi akurasi. Dokumen yang mencampur dua bahasa paling baik dibaca menggunakan bahasa yang mendominasi teks.

Memeriksa hasilnya

Angka confidence adalah rata-rata dari semua halaman, jadi satu halaman yang buruk bisa tersembunyi di balik skor yang baik. Sekitar 90 atau lebih biasanya berarti hanya ada kesalahan sesekali; di bawah 75, perkirakan ada kesalahan di sebagian besar paragraf. Kesalahan yang umum adalah 0 dan O, 1, l, dan I, rn yang terbaca sebagai m, serta 5 sebagai S. Hal ini paling penting pada nominal, tanggal, dan nomor referensi, jadi periksa setiap angka dengan halaman aslinya.

Biarkan opsi Gabungkan baris menjadi paragraf tetap aktif untuk prosa karena opsi ini menyatukan kalimat yang terputus di akhir setiap baris cetak. Matikan untuk alamat, daftar, dan tabel karena jeda baris memiliki makna.

Cara menggunakannya

1. Pilih PDF hasil scan.
2. Pilih bahasa teksnya.
3. Baca hasilnya lalu salin atau download.

Privasi & batasan

File Anda tidak pernah di-upload. Mesin pengenalan dan model bahasa di-download sekali — sekitar 10 MB — dan disimpan di cache oleh browser Anda, lalu semuanya berjalan di komputer Anda. Layanan OCR hosted bekerja sebaliknya: mereka menginginkan dokumennya. Dokumen panjang butuh waktu, karena setiap halaman dirender lalu dibaca bergiliran.