OCR PDF
स्कैन की गई PDF को सर्च करने लायक बनाएँ और उसका टेक्स्ट कॉपी करें। पेज बिल्कुल वैसे ही दिखते हैं, और आपकी फ़ाइल इसी डिवाइस पर रहती है।
यह तब काम आता है जब पेज का कुछ हिस्सा टाइप किया हुआ टेक्स्ट हो और कुछ स्कैन की हुई तस्वीर। ऐसे में पेज पर पहले से मौजूद टेक्स्ट सर्च करने पर दो बार दिख सकता है।
कंप्यूटर पर हर पेज पढ़ने में कुछ सेकंड लगते हैं, फ़ोन पर इससे ज़्यादा। काम पूरा होने तक यह टैब खुला रखें।
आपका दस्तावेज़ पढ़ा जा रहा है…
सारा काम आपके डिवाइस पर होता है। कुछ भी अपलोड नहीं होता।
0%
- अपलोड नहींआपकी फ़ाइल इसी डिवाइस पर रहती है।
- भाषा का डेटा सिर्फ़ एक बार डाउनलोड होता हैसिर्फ़ आपकी चुनी भाषाओं का रीडिंग डेटा डाउनलोड होता है, फिर वह इसी डिवाइस पर रखा रहता है।
- मुफ़्त, साइन-अप नहींन अकाउंट चाहिए, न कोई रोज़ की लिमिट।
आपकी फ़ाइल के साथ क्या होता है
नीचे लिखा सब कुछ आपके ब्राउज़र के अंदर, आपके अपने डिवाइस पर होता है। आपकी PDF या फ़ोटो कभी अपलोड नहीं होतीं, इसलिए कोई और — हम भी — उन्हें नहीं देख सकते।
- टेक्स्ट रीडर Tesseract है, एक मुफ़्त और ओपन-सोर्स OCR इंजन, जो आपके ब्राउज़र में चलता है। यह ख़ुद pdfMB से लोड होता है, किसी दूसरी कंपनी के सर्वर से नहीं।
- जब आप पहली बार कोई भाषा इस्तेमाल करते हैं, तो उसका डेटा (0.5 से 3 MB तक) pdfMB से डाउनलोड होकर आपके ब्राउज़र में रखा जाता है। बस यही एक डाउनलोड है: आपकी फ़ाइल कहीं नहीं जाती।
- हर पेज को 300 dpi की तस्वीर के रूप में बनाया जाता है और लाइन-दर-लाइन पढ़ा जाता है। जिन पेजों में पहले से असली टेक्स्ट है, वे छोड़ दिए जाते हैं, जब तक आप उन्हें भी पढ़ने को न कहें।
- मिले हुए शब्द पेज पर अदृश्य टेक्स्ट के रूप में जोड़े जाते हैं, तस्वीर में उन्हीं शब्दों के ठीक ऊपर। इसके बाद किसी भी PDF रीडर में सर्च, सिलेक्ट और कॉपी काम करते हैं।
- पेजों पर कुछ भी दोबारा नहीं बनाया जाता और न ही दोबारा कंप्रेस किया जाता है। नया टेक्स्ट फ़ाइल के आख़िर में जोड़ा जाता है, और मूल फ़ाइल उसके अंदर बाइट-दर-बाइट बिना बदले रहती है।
- फ़ोटो PDF में जैसी हैं वैसी ही जाती हैं (JPEG फ़ोटो दोबारा कंप्रेस नहीं होतीं), और टेक्स्ट उनके ऊपर जोड़ा जाता है।
- PDF या फ़ोटो चुनें
- भाषाएँ जाँचें
- “पढ़ें” दबाएँ
- टेक्स्ट डाउनलोड या कॉपी करें
स्कैन की गई PDF को सर्च करने लायक कैसे बनाएँ
- एक PDF चुनें, या पेजों की एक या ज़्यादा फ़ोटो।
- भाषाएँ जाँचें। इस पेज की भाषा और अंग्रेज़ी पहले से चुनी होती हैं; दस्तावेज़ में कोई और भाषा हो तो उसे भी जोड़ें।
- “पढ़ें” दबाएँ। पेज एक-एक करके पढ़े जाते हैं, और आप देख सकते हैं कि कौन-सा पेज पढ़ा जा रहा है।
- सर्च करने लायक PDF डाउनलोड करें, या टेक्स्ट कॉपी करके .txt फ़ाइल के रूप में सेव करें।
अच्छे नतीजे के लिए सुझाव
- अगर आपका स्कैनर चुनने देता है तो 300 dpi पर स्कैन करें। कम रेज़ोल्यूशन पर छोटे अक्षर पढ़ना मुश्किल होता है।
- पेजों की फ़ोटो सपाट रखकर, ठीक सामने से और अच्छी रोशनी में लें, और टेक्स्ट पर कोई परछाईं न हो। PDF में स्कैन करें टूल आपके लिए पेज सीधे कर देता है।
- करवट वाले या उल्टे पेजों को पहले PDF रोटेट करें से सही दिशा में घुमा लें।
- सिर्फ़ वही भाषाएँ चुनें जो सच में दस्तावेज़ में हैं। अतिरिक्त भाषाएँ पढ़ना धीमा करती हैं और ग़लतियाँ बढ़ा सकती हैं।
- हाथ की लिखावट, बहुत छोटी छपाई और सजावटी फ़ॉन्ट ठीक से नहीं पढ़े जाते, इसलिए टेक्स्ट पर भरोसा करने से पहले उसे जाँच लें।
लोग इसे कब इस्तेमाल करते हैं
स्कैन किए कॉन्ट्रैक्ट और चिट्ठियाँ
लंबे स्कैन किए दस्तावेज़ में हर पेज पढ़ने के बजाय Ctrl+F से कोई नाम, तारीख़ या रक़म ढूँढें।
पुराने काग़ज़ात और रिकॉर्ड
स्कैन किए पेजों के फ़ोल्डर सर्च करने लायक बनाएँ, ताकि आपका कंप्यूटर किसी दस्तावेज़ को उसके अंदर के शब्दों से ढूँढ सके।
नोटिस और रसीदों की फ़ोटो
किसी नोटिस, मेन्यू या रसीद की फ़ोटो से टेक्स्ट कॉपी करें और उसे मैसेज या ट्रांसलेटर में पेस्ट करें।
एक से ज़्यादा भाषाओं वाले दस्तावेज़
दो या ज़्यादा भाषाएँ चुनें, जैसे हिंदी और अंग्रेज़ी या चीनी और अंग्रेज़ी, और एक ही पेज पर दोनों पढ़ी जाती हैं।
यह क्या नहीं कर सकता
- OCR ग़लतियाँ करता है, ख़ासकर धुँधली फ़ोटो, छोटी छपाई, टेबल और हाथ की लिखावट में। ज़रूरी नाम, नंबर और रक़म हमेशा जाँचें।
- टेक्स्ट आड़ी लाइनों में पढ़ा जाता है। ऊपर से नीचे लिखा चीनी या जापानी टेक्स्ट, और करवट वाले पेज, सही से नहीं पढ़े जाते।
- लेआउट दोबारा नहीं बनाया जाता। आपको मूल पेज के ऊपर सर्च करने लायक टेक्स्ट मिलता है, एडिट करने लायक Word दस्तावेज़ नहीं।
- हमारे टेस्ट में कुछ भाषाएँ दूसरों से कम सटीक पढ़ी जाती हैं। भाषा सूची में उन पर “कम सटीकता” लिखा है।
- किसी भाषा को पहली बार इस्तेमाल करने पर उसका डेटा डाउनलोड होता है (शुरू करने से पहले साइज़ दिखाया जाता है), इसलिए उस पहली बार इंटरनेट कनेक्शन चाहिए।
- पढ़ने का काम आपके डिवाइस पर होता है, इसलिए पुराने फ़ोन पर यह धीमा चलता है, और बहुत लंबे दस्तावेज़ फ़ोन की मेमोरी भर सकते हैं। उन्हें पहले हिस्सों में बाँट लें।
- पासवर्ड वाली PDF, और ऐसी PDF जिनके मालिक ने बदलाव पर रोक लगा रखी है, पढ़ी नहीं जा सकतीं।
OCR से जुड़े सवाल
OCR क्या है?
OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) का मतलब है किसी तस्वीर में लिखे अक्षरों को पढ़कर उन्हें असली टेक्स्ट में बदलना। स्कैन की गई PDF सिर्फ़ पेजों की तस्वीरें होती है, इसलिए जब तक उस पर OCR न हो, आप उसमें सर्च या उससे कॉपी नहीं कर सकते।
क्या मेरी PDF अलग दिखेगी?
नहीं। टेक्स्ट एक अदृश्य परत के रूप में जोड़ा जाता है, इसलिए पेज बिल्कुल वैसे ही दिखते हैं। हमारे टेस्ट में पहले और बाद के पेज पिक्सेल-दर-पिक्सेल एक जैसे हैं।
क्या मेरा दस्तावेज़ अपलोड होता है?
नहीं। टेक्स्ट रीडर आपके ब्राउज़र में चलता है। सिर्फ़ भाषा डेटा डाउनलोड होता है, वह भी pdfMB से। आपकी फ़ाइल कभी कहीं नहीं भेजी जाती।
यह कौन-सी भाषाएँ पढ़ सकता है?
इस वेबसाइट की 32 भाषाएँ, जिनमें अंग्रेज़ी, थाई, चीनी (सरल और पारंपरिक), जापानी, कोरियाई, अरबी, हिब्रू, हिंदी, बांग्ला, बर्मी, रूसी और वियतनामी शामिल हैं। अगर दस्तावेज़ में कई भाषाएँ मिली-जुली हैं तो कई भाषाएँ चुनें।
यह कितना सटीक है?
साफ़ छपे पेजों पर ज़्यादातर भाषाओं में लगभग हर अक्षर सही पढ़ा जाता है। फ़ोटो, छोटा टेक्स्ट और कुछ लिपियाँ ज़्यादा मुश्किल होती हैं। हमने हर भाषा टेस्ट की है और कमज़ोर भाषाओं पर “कम सटीकता” लिखा है।
कुछ पेज छोड़ क्यों दिए जाते हैं?
जिन पेजों में पहले से असली टेक्स्ट है, जैसे Word में बने पेज, उन्हें OCR की ज़रूरत नहीं होती, इसलिए उन्हें वैसा ही छोड़ दिया जाता है। फिर भी पढ़वाना हो तो “जिन पेजों में पहले से टेक्स्ट है, उन्हें भी पढ़ें” पर टिक करें।
क्या मुझे सिर्फ़ टेक्स्ट मिल सकता है?
हाँ। पढ़ने के बाद टेक्स्ट डाउनलोड बटन के नीचे दिखता है। “टेक्स्ट कॉपी करें” दबाएँ, या सादी टेक्स्ट फ़ाइल के रूप में सेव करने के लिए “.txt डाउनलोड करें” दबाएँ।