इमेज से टेक्स्ट (OCR)
फ़ोटो, स्क्रीनशॉट और स्कैन किए PDF को एडिट होने लायक टेक्स्ट में बदलें — पहचान आपके अपने डिवाइस पर होती है, कुछ भी अपलोड नहीं होता।
या फ़ाइलें यहां ड्रैग एंड ड्रॉप करें, या Ctrl+V से इमेज पेस्ट करें
JPG, PNG, WebP, GIF, BMP, AVIF, HEIC और PDF (स्कैन किए पेज)। एक बार में 30 फ़ाइलें तक।
टेक्स्ट की भाषा
इमेज में जिस भाषा (या भाषाओं) में लिखा है उसे चुनें — अधिकतम 4। सही भाषा चुनना किसी भी दूसरी सेटिंग से कहीं ज़्यादा मायने रखता है।
- हिंदी
- अंग्रेज़ी
पहली बार लगभग 4.1 MB भाषा डेटा डाउनलोड होता है और फिर आपके ब्राउज़र के कैश में सेव रहता है।
एडवांस्ड: पेज लेआउट और इमेज की तैयारी
ज़्यादातर पेजों के लिए ऑटोमैटिक ठीक रहता है। क्रॉप किए हुए हिस्सों के लिए सिंगल ब्लॉक या सिंगल लाइन चुनें, और बिखरे लेबल, साइन और स्क्रीनशॉट के लिए स्पार्स टेक्स्ट चुनें।
OCR इंजन को जो दिखेगा उसका प्रीव्यू
सूची की पहली फ़ाइल के लिए दिखाया गया है।
प्रीव्यू देखने के लिए इमेज या PDF जोड़ें।
आपकी इमेज और PDF कभी आपके डिवाइस से बाहर नहीं जातीं। पहली बार इस्तेमाल पर ब्राउज़र OCR इंजन और एक भाषा मॉडल (भाषा के बारे में डेटा, आपका कंटेंट नहीं) डाउनलोड करता है — उसके बाद वह कैश में रहता है और पहचान लोकल तौर पर चलती है।
OCR से इमेज में से टेक्स्ट कैसे निकालें
ऑप्टिकल कैरेक्टर रिकग्निशन, यानी OCR, टेक्स्ट की तस्वीरों को ऐसे टेक्स्ट में बदल देता है जिसे आप सेलेक्ट, एडिट, सर्च और कॉपी कर सकते हैं। यह टूल Tesseract इस्तेमाल करता है, जो WebAssembly में कंपाइल किया गया एक ओपन-सोर्स रिकग्निशन इंजन है, इसलिए पूरी प्रक्रिया आपके ब्राउज़र टैब के अंदर ही चलती है। आप दस्तावेज़ों की फ़ोटो, स्क्रीनशॉट, रसीदें, किताब के पेज या स्लाइड डाल सकते हैं, Ctrl+V से क्लिपबोर्ड की इमेज सीधे पेस्ट कर सकते हैं, या स्कैन किया PDF लोड करके चुन सकते हैं कि कौन-से पेज पढ़ने हैं।
नतीजे की क्वालिटी किसी भी सेटिंग से कहीं ज़्यादा इनपुट पर निर्भर करती है। पेज की फ़ोटो या स्कैन जितना हो सके सपाट और सीधा लें, एक-सी रोशनी में, इतने रेज़ोल्यूशन पर कि अक्षर साफ़ पढ़े जा सकें, और परछाईं व चमक से बचें। हमेशा वही भाषा चुनें जो इमेज में असल में छपी है; आप कई भाषाएं मिला भी सकते हैं, जैसे दोनों भाषाओं वाले दस्तावेज़ के लिए वियतनामी और अंग्रेज़ी। पहचान से पहले बड़ी इमेज को सही साइज़ तक छोटा किया जाता है और बहुत छोटी इमेज को बड़ा किया जाता है, जिससे मेमोरी का इस्तेमाल काबू में रहता है।
अगर नतीजा खराब आए, तो एडवांस्ड ऑप्शन खोलें। प्रीव्यू बिल्कुल वही दिखाता है जो आपके बदलावों के बाद इंजन देखेगा। फीके टेक्स्ट में ग्रेस्केल और कंट्रास्ट मदद करते हैं, असमान रोशनी में एडेप्टिव ब्लैक एंड व्हाइट मोड काम आता है, गहरे बैकग्राउंड पर हल्के टेक्स्ट के लिए इन्वर्ट है, और रोटेशन आड़ी ली गई फ़ोटो सीधी कर देता है। पेज लेआउट मोड से आप इंजन को बता सकते हैं कि सामने पूरा पेज है, एक कॉलम, एक लाइन या बिखरे लेबल, जो स्क्रीनशॉट और क्रॉप किए हिस्सों के लिए काफ़ी मायने रखता है।
पहचान के बाद आपको ओरिजिनल इमेज एक एडिट होने वाले टेक्स्ट बॉक्स के बगल में दिखती है, साथ में इंजन का औसत कॉन्फ़िडेंस और कम होने पर चेतावनी। आप वे शब्द हाइलाइट कर सकते हैं जिन पर इंजन सबसे कम आश्वस्त था, पेज की चौड़ाई से टूटी लाइनें जोड़ सकते हैं, फ़ालतू खाली लाइनें हटा सकते हैं, टेक्स्ट कॉपी कर सकते हैं, या .txt फ़ाइल के रूप में डाउनलोड कर सकते हैं — कई इमेज प्रोसेस की हों तो एक जोड़ी हुई फ़ाइल या zip में। एक शॉर्टकट टेक्स्ट को टेक्स्ट डिफ टूल में भेज देता है ताकि आप दो स्कैन कम्पेयर कर सकें, और आगे की सफ़ाई के लिए वर्ड काउंटर और केस कन्वर्टर बस एक क्लिक दूर हैं।
इसकी सीमाओं को यथार्थ रूप में समझें। OCR परफ़ेक्ट नहीं है: फ़ोटो, छोटे अक्षर, अनोखे फ़ॉन्ट, टेबल और कई कॉलम वाले लेआउट में गलतियां सामान्य हैं, और हाथ की लिखावट आम तौर पर अच्छी तरह नहीं पहचानी जाती। वियतनामी, अरबी, हिंदी या थाई जैसी ढेर सारे चिह्नों या जटिल लिपि वाली भाषाओं में गलतियां ज़्यादा होती हैं, इसलिए जो भी ज़रूरी हो उसे ध्यान से पढ़कर जांचें। पहली बार इंजन और भाषा डेटा डाउनलोड करना पड़ता है, जिसमें थोड़ा समय लगता है, और बहुत बड़ी इमेज या लंबे PDF पुराने फ़ोन की मेमोरी भर सकते हैं, इसलिए उन्हें छोटे-छोटे बैच में प्रोसेस करें।
अक्सर पूछे जाने वाले सवाल
क्या मेरी इमेज किसी सर्वर पर अपलोड होती हैं?
नहीं। OCR इंजन आपके ब्राउज़र के अंदर एक Web Worker में चलता है, और आपकी इमेज व PDF आपके डिवाइस की मेमोरी में ही प्रोसेस होती हैं। सिर्फ़ इंजन और आपकी चुनी हर भाषा का एक मॉडल डाउनलोड होता है — ये भाषा के बारे में सार्वजनिक डेटा हैं, आपका कंटेंट कभी नहीं। पहली बार के बाद ब्राउज़र इन्हें कैश में रख लेता है।
पहचान कितनी सटीक होती है?
यह ज़्यादातर इमेज पर निर्भर करता है। साफ़, शार्प, अच्छी रोशनी वाला और सही भाषा में छपा टेक्स्ट अक्सर बहुत अच्छे से पढ़ा जाता है, लेकिन कम रेज़ोल्यूशन, धुंधलापन, परछाइयां, तिरछे पेज, सजावटी फ़ॉन्ट और जटिल लेआउट सटीकता घटा देते हैं। हाथ की लिखावट भरोसे लायक नहीं पढ़ी जाती, और वियतनामी जैसी मात्राओं/चिह्नों वाली भाषाओं में चिह्न गलत या छूटे हुए हो सकते हैं। नतीजे को पहले ड्राफ़्ट की तरह लें और खुद पढ़कर जांचें; कॉन्फ़िडेंस की संख्या सिर्फ़ इंजन का अपना अनुमान है।
पहली बार में ज़्यादा समय क्यों लगता है?
पहली बार ब्राउज़र को OCR इंजन और भाषा डेटा डाउनलोड करना पड़ता है, जो हर भाषा के लिए लगभग 1 से 4 MB होता है। फिर वह इन्हें कैश में रख लेता है, इसलिए अगली बार शुरुआत काफ़ी तेज़ होती है और पहचान लोकल तौर पर होती है। अगर पहली बार आप ऑफ़लाइन हैं, तो भाषा डेटा नहीं आ पाता और टूल एरर दिखाता है।
क्या यह स्कैन किए हुए PDF पढ़ सकता है?
हां। चुना गया हर पेज आपके ब्राउज़र में इमेज में बदला जाता है और एक-एक करके पहचाना जाता है; आप पेज रेंज चुन सकते हैं और कभी भी रद्द कर सकते हैं। अगर PDF में पहले से सेलेक्ट होने वाला टेक्स्ट है, तो आम तौर पर उसे सीधे कॉपी कर लेना बेहतर है, जो OCR से ज़्यादा सटीक होता है।
कौन-सी भाषाएं और लेआउट सपोर्ट होते हैं?
35 भाषाएं, जिनमें अंग्रेज़ी, वियतनामी, स्पेनिश, पुर्तगाली, फ़्रेंच, जर्मन, जापानी, कोरियाई, चीनी (सरलीकृत और पारंपरिक), अरबी और हिंदी शामिल हैं, और मिली-जुली भाषा वाले टेक्स्ट के लिए आप एक साथ चार तक जोड़ सकते हैं। कई कॉलम वाले पेज, टेबल और खड़ा टेक्स्ट पूरी तरह सही नहीं बन पाते; एक कॉलम या छोटे हिस्सों के लिए एडवांस्ड में पेज लेआउट मोड इस्तेमाल करें।