मैं इमेज या स्कैन से टेक्स्ट कैसे निकालूँ?

कोई तस्वीर या स्कैन खोलें और टूल उसमें मौजूद टेक्स्ट पहचान लेता है, पूरी तरह आपकी मशीन पर, फिर आपको नतीजा कॉपी या डाउनलोड करने देता है। पहचान इंजन और भाषा डेटा किसी तीसरे पक्ष के API से नहीं, इसी साइट से परोसे जाते हैं, इसलिए हस्तलेख का पेज, पहचान दस्तावेज़ या कोई अनुबंध कभी आपका डिवाइस नहीं छोड़ता।

पूरी तरह आपके ब्राउज़र में चलता है · कोई अपलोड नहीं · कोई खाता नहीं · कोई वॉटरमार्क नहीं

  1. जिस पेज को पढ़ना है उसकी तस्वीर या स्कैन खोलें।
  2. जिस भाषा में टेक्स्ट लिखा है उसे चुनें।
  3. पहचान चलाएँ, फिर टेक्स्ट कॉपी करें या फ़ाइल के रूप में डाउनलोड करें।

PNG, JPEG, WebP, GIF या BMP। तस्वीर यहीं पढ़ी जाती है, कहीं भेजी नहीं जाती।

जानने योग्य। पहली बार उपयोग लगभग 7.8 MB डाउनलोड करता है (इंजन और अंग्रेज़ी डेटा) या सरलीकृत चीनी के साथ 10.2 MB, फिर उसे कैश कर लेता है। साफ़ छपे टेक्स्ट पर सटीकता अच्छी है; हस्तलेख, तिरछे पेज और कम कंट्रास्ट वाली तस्वीरें कहीं कठिन हैं।

यह पृष्ठ क्या कर सकता है

इस पृष्ठ का उपयोग कब करें

  • स्क्रीनशॉट या साफ़ स्कैन से टेक्स्ट कॉपी करना।
  • कुछ पेज जहाँ कामचलाऊ ट्रांसक्रिप्शन काम आता है।
  • टेक्स्ट को डिवाइस से बाहर नहीं जाना चाहिए।

कब कोई दूसरा विकल्प चुनें

  • हस्तलेख, भारी तिरछापन, कम कंट्रास्ट या जटिल बहु-कॉलम टेबल।
  • आपको लेआउट पुनर्निर्माण, पठन क्रम, टेबल या बाउंडिंग बॉक्स चाहिए।
  • आप सैकड़ों पेज संसाधित कर रहे हैं, या धीमे कनेक्शन पर नतीजा तुरंत चाहिए।

अन्य विकल्पों से तुलना

Tesseract यहाँ स्थानीय रूप से चलता है, जिसका मतलब है पहली विज़िट एक भाषा मॉडल (दसियों मेगाबाइट) डाउनलोड करती है और पहचान क्लाउड API से धीमी है। Google Vision या AWS Textract जैसी सेवाएँ हस्तलेख और जटिल लेआउट पर स्पष्ट रूप से बेहतर हैं और संरचना व निर्देशांक लौटा सकती हैं, पर उनके लिए इमेज अपलोड करनी पड़ती है और आमतौर पर खाता चाहिए। यह पेज साफ़ छपी सामग्री से सादा टेक्स्ट देता है, बिना अपलोड और बिना टेबल पुनर्निर्माण।

आपकी फ़ाइलें कहाँ जाती हैं

कहीं नहीं। यह पृष्ठ काम करने वाला कोड लोड करता है, और उसके बाद आप जो फ़ाइल खोलते हैं उसे आपका अपना ब्राउज़र पढ़ता है। न अपलोड का चरण, न सर्वर पर अस्थायी प्रति, न भरोसा करने लायक कोई सफ़ाई — डेटा कभी नेटवर्क पार नहीं करता, इसलिए बाद में हटाने को कुछ बचता ही नहीं। आप स्वयं जाँच सकते हैं: उपकरण चलते समय ब्राउज़र का नेटवर्क पैनल खोलिए और देखिए कि वह शांत रहता है।

इस उपकरण के बारे में प्रश्न

पहचान असल में कहाँ होती है?
आपकी ही मशीन पर एक Web Worker में। पेज एक बार पहचान इंजन डाउनलोड करता है — लगभग 3.8 MB JavaScript और WebAssembly — और आपकी चुनी भाषा के लिए भाषा डेटा। उसके बाद इमेज आपके CPU से पढ़ी जाती है और कभी प्रेषित नहीं होती। आप इसे अपने ब्राउज़र के नेटवर्क पैनल में पुष्ट कर सकते हैं: सिर्फ़ उन दो फ़ाइलों के लिए अनुरोध होते हैं।
डाउनलोड कितना बड़ा है, और क्या यह कैश होता है?
पहली बार अंग्रेज़ी इस्तेमाल पर लगभग 7.8 MB, या लगभग 10.2 MB अगर आपको सरलीकृत चीनी भी चाहिए। ब्राउज़र यह सब कैश कर लेता है, इसलिए उसी भाषा पर दूसरा रन तुरंत शुरू होता है और किसी नेटवर्क की ज़रूरत नहीं।
यह कितना सटीक है?
छपे टेक्स्ट के साफ़, सीधे, अच्छी रोशनी वाले स्कैन पर अक्षर सटीकता आमतौर पर 98% से ऊपर होती है। हस्तलेख, तिरछे या मुड़े पेज, कम कंट्रास्ट, छोटे टाइप और स्क्रीन की तस्वीरों के साथ सटीकता गिरती है। अगर नतीजा गलत लगे तो टेक्स्ट कॉलम का सँकरा क्रॉप लेकर दोबारा चलाना अक्सर किसी भी और चीज़ से ज़्यादा मदद करता है।
क्या यह लेआउट, टेबल या कॉलम बनाए रखता है?
नहीं। आउटपुट पठन क्रम में सादा टेक्स्ट है। बहु-कॉलम पेज आमतौर पर कॉलम-दर-कॉलम पढ़े जाते हैं पर कॉलम चिह्नित नहीं होते, और टेबल पंक्तियों की श्रृंखला बनकर आते हैं। यह पेज शब्द निकालने के लिए है, दस्तावेज़ दोबारा बनाने के लिए नहीं।
मैं कौन से इमेज प्रारूप खोल सकता हूँ?
जो भी आपका ब्राउज़र डिकोड कर सके — PNG, JPEG, WebP, GIF, BMP और AVIF। PDF पेज इमेज नहीं है, इसलिए पहले पेज को PNG के रूप में एक्सपोर्ट करें; इस साइट का “PDF से इमेज” टूल PDF अपलोड किए बिना ठीक यही करता है।

इसी समूह के अन्य उपकरण

मार्गदर्शिकाएँ