PDF ਟੈਕਸਟ ਪਛਾਣ (OCR) — ਬਿਨਾਂ ਅੱਪਲੋਡ ਦੇ

ਸਕੈਨ ਕੀਤੇ ਜਾਂ ਤਸਵੀਰ ਵਜੋਂ ਮੌਜੂਦ PDF ਪੇਜਾਂ 'ਤੇ ਇੱਕ ਅਦਿੱਖ, ਖੋਜਯੋਗ ਟੈਕਸਟ ਪਰਤ ਪਾਓ। ਪਛਾਣ ਪੂਰੀ ਤਰ੍ਹਾਂ ਤੁਹਾਡੇ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਚੱਲਦੀ ਹੈ, ਤੁਹਾਡੀ ਫਾਈਲ ਕਦੇ ਅੱਪਲੋਡ ਨਹੀਂ ਹੁੰਦੀ।

ਸਕੈਨ ਕੀਤੇ ਇਕਰਾਰਨਾਮੇ, ਬਿੱਲ ਜਾਂ ਕਿਤਾਬਾਂ ਵਿੱਚ ਅਕਸਰ ਸਿਰਫ਼ ਪੇਜ ਦੀ ਤਸਵੀਰ ਹੁੰਦੀ ਹੈ, ਅਸਲ ਟੈਕਸਟ ਨਹੀਂ — ਇਸ ਵਿੱਚ ਨਾ ਖੋਜਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਨਾ ਟੈਕਸਟ ਕਾਪੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। mousePDF ਟੈਕਸਟ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਪਛਾਣਦਾ ਹੈ ਅਤੇ ਤਸਵੀਰ ਉੱਪਰ ਅਦਿੱਖ ਤੌਰ 'ਤੇ ਪਾਉਂਦਾ ਹੈ, ਤਾਂ ਜੋ ਖੋਜ ਅਤੇ ਕਾਪੀ ਕੰਮ ਕਰਨ, ਪੇਜ ਦੀ ਦਿੱਖ ਵਿੱਚ ਕੁਝ ਬਦਲੇ ਬਿਨਾਂ।

OCR ਉਹਨਾਂ ਕੰਮਾਂ ਵਿੱਚੋਂ ਹੈ ਜਿਨ੍ਹਾਂ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਲਗਭਗ ਹਮੇਸ਼ਾ ਕੁਝ ਅੱਪਲੋਡ ਕਰਨਾ ਪੈਂਦਾ ਹੈ: ਪਛਾਣ ਲਈ ਭਾਸ਼ਾ ਮਾਡਲ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਕਿਸੇ ਸਰਵਰ 'ਤੇ ਹੁੰਦਾ ਹੈ। ਇੱਥੇ ਇਹ ਤੁਹਾਡੇ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਚੱਲਦਾ ਹੈ; ਸਿਰਫ਼ ਮਾਡਲ ਲੋਡ ਹੁੰਦਾ ਹੈ, ਤੁਹਾਡੀ ਫਾਈਲ ਕਦੇ ਨਹੀਂ।

ਇਹ ਬਿਲਕੁਲ ਉਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਲੋਕ ਸਕੈਨ ਕਰਦੇ ਹਨ: ਇਕਰਾਰਨਾਮੇ, ਤਨਖ਼ਾਹ ਪਰਚੀਆਂ, ਡਾਕਟਰੀ ਚਿੱਠੀਆਂ, ਸ਼ਨਾਖਤੀ ਕਾਰਡ ਦੀਆਂ ਕਾਪੀਆਂ। ਸਕੈਨ ਇੱਕ ਤਸਵੀਰ ਹੁੰਦੀ ਹੈ — ਖੋਜਯੋਗ ਬਣਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿਸੇ ਨੂੰ ਇਸਨੂੰ ਪੜ੍ਹਨਾ ਪੈਂਦਾ ਹੈ। ਇਹ ਕੋਈ ਤੁਹਾਡੇ ਆਪਣੇ ਡਿਵਾਈਸ 'ਤੇ, ਤੁਹਾਡੇ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਚੱਲੇ, ਇਹੀ ਅਸਲੀ ਫਰਕ ਹੈ।

OCR ਲਈ 28 ਭਾਸ਼ਾਵਾਂ ਉਪਲਬਧ ਹਨ। ਚੁਣੀ ਭਾਸ਼ਾ ਦਾ ਮਾਡਲ ਸਿਰਫ਼ ਅਸਲ ਵਰਤੋਂ ਵੇਲੇ ਲੋਡ ਹੁੰਦਾ ਹੈ — ਇਸ ਨਾਲ ਪੇਜ ਹਲਕਾ ਰਹਿੰਦਾ ਹੈ, ਅਤੇ ਤੁਸੀਂ ਸਿਰਫ਼ ਓਹੀ ਲੋਡ ਕਰਦੇ ਹੋ ਜਿਸਦੀ ਲੋੜ ਹੋਵੇ।

ਗ਼ੈਰ-ਲਾਤੀਨੀ ਲਿਪੀਆਂ ਜਾਣ-ਬੁੱਝ ਕੇ ਸ਼ਾਮਲ ਨਹੀਂ। ਨਾ ਸਿਰਿਲਿਕ, ਨਾ ਚੀਨੀ, ਜਾਪਾਨੀ ਜਾਂ ਕੋਰੀਆਈ, ਨਾ ਅਰਬੀ, ਹਿਬਰੂ, ਦੇਵਨਾਗਰੀ ਜਾਂ ਥਾਈ। ਇਸ ਵਿੱਚ ਗੁਰਮੁਖੀ ਵੀ ਸ਼ਾਮਲ ਨਹੀਂ — ਇਹਨਾਂ ਲਈ ਮਾਡਲ ਕਾਫ਼ੀ ਵੱਡੇ ਹੁੰਦੇ ਹਨ ਅਤੇ ਸਹੀ ਪਛਾਣ ਦੀ ਦਰ ਧਿਆਨਯੋਗ ਘੱਟ ਹੁੰਦੀ ਹੈ — ਇੱਕ ਨਤੀਜਾ ਜਿਸਨੂੰ ਅੱਖਰ-ਦਰ-ਅੱਖਰ ਠੀਕ ਕਰਨਾ ਪਵੇ, ਕਿਸੇ ਦੇ ਕੰਮ ਨਹੀਂ ਆਉਂਦਾ। ਗ੍ਰੀਕ ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਇਸ ਲਿਹਾਜ਼ ਨਾਲ ਓਸੇ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਨਹੀਂ ਆਉਂਦੀ।

ਪਛਾਣ ਕਦੇ ਵੀ ਗਲਤੀ-ਰਹਿਤ ਨਹੀਂ ਹੁੰਦੀ। ਇਹ ਪਿਕਸਲਾਂ ਵਿੱਚੋਂ ਪੜ੍ਹ ਕੇ ਵਾਪਸ ਦੱਸਦੀ ਹੈ ਕਿ ਕਦੇ ਟੈਕਸਟ ਕੀ ਸੀ। ਸਿੱਧੀ ਦਿਸ਼ਾ ਵਾਲਾ ਸਾਫ਼ ਸਕੈਨ ਬਹੁਤ ਵਧੀਆ ਨਤੀਜੇ ਦਿੰਦਾ ਹੈ; ਟੇਢੀ ਮੋਬਾਈਲ ਫੋਟੋ ਖ਼ਰਾਬ ਰੌਸ਼ਨੀ ਵਿੱਚ, ਟੇਢੀ-ਮੇਢੀ ਹੱਥ ਲਿਖਤ ਜਾਂ ਅਸਾਧਾਰਨ ਸਜਾਵਟੀ ਲਿਪੀ ਕਾਫ਼ੀ ਮਾੜੇ। ਜੋ ਟੈਕਸਟ ਅੱਗੇ ਵਰਤਦਾ ਹੈ, ਉਸਨੂੰ ਇਸਨੂੰ ਦੁਬਾਰਾ ਪੜ੍ਹ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ — ਇਹ ਗੱਲ ਹਰ OCR ਨਾਲ ਸੰਪਾਦਿਤ ਕੀਤੇ ਵਰਜਨ 'ਤੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ, ਸਿਰਫ਼ ਇਸ 'ਤੇ ਨਹੀਂ।

ਪੇਜ ਦੀ ਦਿੱਖ ਨਹੀਂ ਬਦਲਦੀ। ਪਛਾਣਿਆ ਟੈਕਸਟ ਤਸਵੀਰ ਉੱਪਰ ਅਦਿੱਖ ਪਰਤ ਵਜੋਂ ਪਾਇਆ ਜਾਂਦਾ ਹੈ: ਤੁਸੀਂ ਹਾਲੇ ਵੀ ਆਪਣਾ ਸਕੈਨ ਵੇਖਦੇ ਹੋ, ਪਰ ਉਸ ਵਿੱਚ ਖੋਜ ਅਤੇ ਹਾਈਲਾਈਟ ਕਰ ਸਕਦੇ ਹੋ। ਪਛਾਣ ਦੀਆਂ ਗਲਤੀਆਂ ਇਸ ਲਈ ਤਸਵੀਰ ਵਿੱਚ ਨਹੀਂ ਦਿਸਦੀਆਂ — ਉਹ ਤਦ ਹੀ ਦਿਸਦੀਆਂ ਹਨ ਜਦੋਂ ਤੁਸੀਂ ਟੈਕਸਟ ਕਾਪੀ ਕਰਦੇ ਹੋ।

OCR PDF ਸੰਕੁਚਿਤ ਕਰਨ ਤੋਂ ਬਾਅਦ ਵੀ ਲਾਭਦਾਇਕ ਹੈ: ਉਸ ਵੇਲੇ ਪੇਜ ਤਸਵੀਰਾਂ ਬਣ ਜਾਂਦੇ ਹਨ ਅਤੇ ਆਪਣੀ ਟੈਕਸਟ ਪਰਤ ਗੁਆ ਦਿੰਦੇ ਹਨ — ਟੈਕਸਟ ਪਛਾਣ ਇਸਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਂਦੀ ਹੈ।

ਐਡੀਟਰ ਖੋਲ੍ਹੋ →