pdfMB

OCR PDF

Fanya PDF iliyoskaniwa iweze kutafutwa na unakili maandishi yake. Kurasa zinaonekana vilevile kabisa, na faili yako inabaki kwenye kifaa hiki.

  • Hakuna kupakiaFaili yako inabaki kwenye kifaa hiki.
  • Data ya lugha hupakuliwa mara mojaNi data ya kusoma ya lugha ulizochagua tu ndiyo hupakuliwa, kisha huhifadhiwa kwenye kifaa hiki.
  • Bure, bila kujisajiliHakuna akaunti wala kikomo cha kila siku.

Kinachotokea kwa faili yako

Kila kitu kilichoelezwa hapa chini hufanyika ndani ya kivinjari chako, kwenye kifaa chako mwenyewe. PDF au picha zako hazipakiwi kamwe, kwa hiyo hakuna mtu mwingine, hata sisi, anayeweza kuziona.

  1. Kisoma maandishi ni Tesseract, injini ya OCR ya bure na ya chanzo huria, inayofanya kazi ndani ya kivinjari chako. Inapakiwa kutoka pdfMB yenyewe, si kutoka kwa seva ya kampuni nyingine.
  2. Mara ya kwanza unapotumia lugha fulani, data yake (kati ya 0.5 na 3 MB) hupakuliwa kutoka pdfMB na kuhifadhiwa na kivinjari chako. Hicho ndicho kitu pekee kinachopakuliwa: faili yako haiendi popote.
  3. Kila ukurasa huchorwa kama picha ya 300 dpi na kusomwa mstari kwa mstari. Kurasa ambazo tayari zina maandishi halisi huachwa, isipokuwa ukiomba zisomwe.
  4. Maneno yanayopatikana huongezwa kwenye ukurasa kama maandishi yasiyoonekana, yakiwekwa juu ya maneno yaleyale kwenye picha. Baada ya hapo kutafuta, kuchagua na kunakili hufanya kazi katika programu yoyote ya kusoma PDF.
  5. Hakuna kitu kwenye kurasa kinachochorwa upya wala kubanwa tena. Maandishi mapya huongezwa mwishoni mwa faili, na faili asili hubaki ndani yake bila kubadilika hata baiti moja.
  6. Picha huingia kwenye PDF kama zilivyo (picha za JPEG hazibanwi tena), na maandishi huongezwa juu yake.
Kwa kifupi
  1. Chagua PDF au picha
  2. Hakiki lugha
  3. Bonyeza “Soma”
  4. Pakua au nakili maandishi

Jinsi ya kufanya PDF iliyoskaniwa iweze kutafutwa

  1. Chagua PDF, au picha moja au zaidi za kurasa.
  2. Kagua lugha. Lugha ya ukurasa huu na Kiingereza zimeshachaguliwa kwa ajili yako; ongeza lugha nyingine yoyote iliyo kwenye hati.
  3. Bonyeza “Soma”. Kurasa husomwa moja baada ya nyingine, na unaweza kuona ni ukurasa upi unaosomwa.
  4. Pakua PDF inayoweza kutafutwa, au nakili maandishi na uyahifadhi kama faili ya .txt.

Vidokezo vya kupata matokeo mazuri

  • Skani kwa 300 dpi ikiwa skana yako inakuruhusu kuchagua. Kwa ubora wa chini, herufi ndogo ni ngumu kusoma.
  • Piga picha kurasa zikiwa bapa, moja kwa moja kutoka mbele na kwenye mwanga mzuri, bila kivuli juu ya maandishi. Zana ya Skani kuwa PDF hukunyooshea kurasa.
  • Geuza kwanza kurasa zilizolala upande au zilizopinduka ziwe katika mwelekeo sahihi, kwa Zungusha PDF.
  • Chagua lugha zilizo kweli kwenye hati pekee. Lugha za ziada hupunguza kasi ya usomaji na zinaweza kuongeza makosa.
  • Mwandiko wa mkono, chapa ndogo sana na fonti za mapambo husomwa vibaya, kwa hiyo kagua maandishi kabla ya kuyategemea.

Watu huitumia lini

Mikataba na barua zilizoskaniwa

Tafuta jina, tarehe au kiasi cha pesa ndani ya hati ndefu iliyoskaniwa kwa Ctrl+F badala ya kusoma kila ukurasa.

Makaratasi ya zamani na kumbukumbu

Fanya folda za kurasa zilizoskaniwa ziweze kutafutwa, ili kompyuta yako ipate hati kwa maneno yaliyomo ndani yake.

Picha za matangazo na risiti

Nakili maandishi kutoka kwenye picha ya tangazo, menyu au risiti na uyabandike kwenye ujumbe au kwenye programu ya kutafsiri.

Hati zenye lugha zaidi ya moja

Chagua lugha mbili au zaidi, kama Kiswahili na Kiingereza au Kichina na Kiingereza, na zote husomwa kwenye ukurasa mmoja.

Isichoweza kufanya

  • OCR hukosea, hasa kwenye picha zenye ukungu, chapa ndogo, majedwali na mwandiko wa mkono. Kagua kila mara majina, namba na viasi vya pesa vilivyo muhimu.
  • Maandishi husomwa kwa mistari ya mlalo. Maandishi ya Kichina au Kijapani yaliyoandikwa wima, na kurasa zilizolala upande, hayasomwi ipasavyo.
  • Mpangilio wa ukurasa haujengwi upya. Unapata maandishi yanayoweza kutafutwa juu ya ukurasa asili, si hati ya Word inayoweza kuhaririwa.
  • Katika majaribio yetu, baadhi ya lugha husomwa kwa usahihi mdogo kuliko nyingine. Zimewekewa alama ya “usahihi wa chini” kwenye orodha ya lugha.
  • Data ya lugha hupakuliwa mara ya kwanza unapotumia lugha hiyo (ukubwa wake unaonyeshwa kabla ya kuanza), kwa hiyo mara hiyo ya kwanza inahitaji intaneti.
  • Usomaji hufanyika kwenye kifaa chako, kwa hiyo ni wa polepole zaidi kwenye simu za zamani, na hati ndefu sana zinaweza kumaliza kumbukumbu ya simu. Zigawanye katika sehemu kwanza.
  • PDF zenye nenosiri, na PDF ambazo mmiliki wake amezuia mabadiliko, haziwezi kusomwa.

Maswali kuhusu OCR

OCR ni nini?

OCR (optical character recognition, yaani utambuzi wa herufi kwa macho ya kompyuta) ni kusoma herufi zilizo kwenye picha na kuzigeuza kuwa maandishi halisi. PDF iliyoskaniwa ni picha za kurasa tu, kwa hiyo huwezi kuitafuta wala kunakili kutoka kwake hadi ipitishwe kwenye OCR.

Je, PDF yangu itaonekana tofauti?

Hapana. Maandishi huongezwa kama tabaka lisiloonekana, kwa hiyo kurasa zinaonekana vilevile kabisa. Katika majaribio yetu kurasa kabla na baada zinafanana kabisa, pikseli kwa pikseli.

Je, hati yangu inapakiwa?

Hapana. Kisoma maandishi hufanya kazi ndani ya kivinjari chako. Kitu pekee kinachopakuliwa ni data ya lugha, kutoka pdfMB. Faili yako haitumwi popote kamwe.

Inaweza kusoma lugha zipi?

Lugha 32 za tovuti hii, zikiwemo Kiingereza, Kithai, Kichina (kilichorahisishwa na cha jadi), Kijapani, Kikorea, Kiarabu, Kiebrania, Kihindi, Kibengali, Kiburma, Kirusi na Kivietinamu. Chagua kadhaa ikiwa hati ina lugha mchanganyiko.

Ina usahihi kiasi gani?

Kwenye kurasa safi zilizochapishwa, lugha nyingi husoma karibu kila herufi sawasawa. Picha, maandishi madogo na baadhi ya hati za uandishi ni ngumu zaidi. Tulijaribu kila lugha na kuzipa zile dhaifu alama ya “usahihi wa chini”.

Kwa nini baadhi ya kurasa zinarukwa?

Kurasa ambazo tayari zina maandishi halisi, kama kurasa zilizotengenezwa kwa Word, hazihitaji OCR, kwa hiyo zinaachwa kama zilivyo. Weka tiki kwenye “Soma pia kurasa ambazo tayari zina maandishi” ili zisomwe hata hivyo.

Je, naweza kupata maandishi pekee?

Ndiyo. Baada ya kusoma, maandishi huonekana chini ya kitufe cha kupakua. Bonyeza “Nakili maandishi”, au “Pakua .txt” ili kuyahifadhi kama faili ya maandishi ya kawaida.