инструмент для PDF / 11
Преобразование отсканированного PDF в текст (OCR)
Извлекайте текст из отсканированного PDF без возможности выделения текста — постранично и полностью в браузере.
Преобразование отсканированного PDF в текст (OCR): TOEA преобразует каждую страницу в изображение, распознаёт текст на каждой из них и помечает результат номером страницы, чтобы вы понимали, откуда взят каждый фрагмент. Работает на 100% локально в вашем браузере, файлы на сервер не загружаются.
- Категория
- Инструменты для PDF
- Запуски
- В вашем браузере
- Стоимость
- Бесплатно · без регистрации
- Доступность
- Готово к использованию
Полностью работает в браузере
PDF · до 30 MB, никогда не загружается
Как получить более точное распознавание
Перед распознаванием каждая страница отображается с разрешением 200 DPI, поэтому результат ограничен качеством самого скана. Основной текст, отсканированный с разрешением 300 DPI, распознаётся хорошо; фотография страницы, сделанная под углом на телефон, или факс-скан мелкого текста приводит к догадкам. Боковые и перевёрнутые страницы распознаются очень плохо, поэтому перед запуском распознавания поверните их правильно с помощью инструмента поворота PDF.
Выберите язык документа, поскольку для каждого языка используется отдельная модель. Для китайского есть модели упрощённого и традиционного письма, и неправильный выбор сильно снижает точность. Документ, в котором смешаны два языка, лучше всего распознаётся с моделью языка, используемого в большей части текста.
Проверка результата
Показатель уверенности усредняется по всем страницам, поэтому одна плохая страница может скрыться за хорошим общим результатом. Значение около 90 или выше обычно означает лишь редкие ошибки; при значении ниже 75 ошибки следует ожидать в большинстве абзацев. Часто путаются 0 и O, 1, l и I, последовательность rn, прочитанная как m, а также 5, распознанная как S. Это особенно важно для сумм, дат и справочных номеров, поэтому проверяйте каждое число по странице.
Оставьте включённым параметр «Объединять строки в абзацы» для обычного текста: он восстанавливает предложения, разорванные в конце каждой напечатанной строки. Отключите его для адресов, списков и таблиц, где разрывы строк имеют значение.
Как пользоваться
- Выберите отсканированный PDF.
- Укажите язык текста.
- Просмотрите результат и скопируйте или скачайте его.
Конфиденциальность и ограничения
Ваш файл никуда не загружается. Движок распознавания и языковая модель один раз скачиваются — около 10 MB — и сохраняются в кеше браузера, после чего всё выполняется на вашем устройстве. Онлайн-сервисы OCR работают иначе: им нужен сам документ. Обработка большого документа занимает время, потому что каждая страница сначала преобразуется в изображение, а затем распознаётся по очереди.
Похожие инструменты
Часто задаваемые вопросы
Когда нужен этот инструмент, а не «PDF в текст»?
Сначала используйте «PDF в текст»: это быстро и точно, если внутри документа действительно есть текст. Этот инструмент нужен, если первый вариант ничего не вернул, то есть страницы являются фотографиями.
Почему обработка занимает много времени?
Каждая страница преобразуется в изображение, а затем распознаётся посимвольно. Несколько страниц обрабатываются быстро, а скан из ста страниц требует времени; вкладка браузера должна оставаться открытой.
Сохраняется ли исходная структура страницы?
Нет. Колонки, таблицы и заголовки выводятся как обычные строки в порядке чтения, поэтому сложную страницу потребуется привести в порядок.
Может ли инструмент сделать PDF доступным для поиска?
Нет — для этого нужно добавить в файл невидимый текстовый слой. Здесь вы получаете текст, который можно использовать в другом месте.
Бесплатный инструмент · запусков: в вашем браузере · аккаунт не нужен