ArrayKit

फोटो से टेक्स्ट (OCR)

फ़ोटो, स्क्रीनशॉट या स्कैन में लिखे शब्द पढ़ें और ऐसा टेक्स्ट पाएँ जो सचमुच पेस्ट हो सके।

फोटो से टेक्स्ट (OCR)

फ़ोटो, स्क्रीनशॉट या स्कैन में लिखे शब्द पढ़ें और ऐसा टेक्स्ट पाएँ जो सचमुच पेस्ट हो सके।

इमेज इसी टैब में पढ़ी और समझी जाती हैं, और टेक्स्ट यहीं से बाहर नहीं जाता। नेटवर्क से केवल आपकी चुनी भाषा का पहचान-डेटा एक बार आता है, जिसे आपका ब्राउज़र कैश कर लेता है।

इसके बजाय पूरी PDF पढ़ें

फोटो से टेक्स्ट (OCR) के बारे में

तस्वीर पढ़वाने की सबसे आम वजह यही होती है कि किसी ने उस चीज़ का स्क्रीनशॉट भेज दिया जिसे वह टेक्स्ट में भेज सकता था। इसीलिए इस पेज पर कहीं भी Ctrl+V या ⌘V दबाते ही क्लिपबोर्ड में जो हो वही उठा लिया जाता है और काम शुरू हो जाता है, पहले डिस्क पर सहेजने की ज़रूरत नहीं। बीस तक इमेज कतार में लगती हैं और एक-एक पढ़ी जाती हैं, हर एक के साथ उसका अपना भरोसे का आँकड़ा, और नतीजा दो तरह से आ सकता है: या ठीक वैसा जैसी लाइनें पेज पर बैठी थीं, या पैराग्राफ़ में बहा हुआ — जहाँ लाइन टूटने पर हाइफ़न से बँटा शब्द जोड़ दिया जाता है, सूची की मदें अपनी-अपनी लाइन पर रहती हैं, और चीनी तथा जापानी बिना बीच की जगह जुड़ते हैं। पहचान आपके डिवाइस पर चलती है। कोई भाषा पहली बार चुनने पर उसका पहचान-डेटा एक बार डाउनलोड होता है — कुछ मेगाबाइट — और आपका ब्राउज़र उसे अगली बार के लिए रख लेता है।

विशेषताएँ

  • पेज पर कहीं भी Ctrl+V या ⌘V से स्क्रीनशॉट पेस्ट करें
  • एक कतार में 20 तक इमेज, बारी-बारी पढ़ी जाती हैं और हर एक की प्रगति दिखती है
  • बारह भाषाएँ, और मिली-जुली लिपि वाले पेज के लिए एक वैकल्पिक दूसरी भाषा
  • लाइन ब्रेक जैसे पढ़े गए वैसे रखें, या पैराग्राफ़ में बहाकर हाइफ़न से टूटे शब्द जोड़ें
  • एक सुधार-चरण: ग्रेस्केल, अपने-आप लेवल, और छोटे स्क्रीनशॉट के लिए 2×
  • हर इमेज का भरोसे का आँकड़ा, रंग से चिह्नित, ताकि पता रहे क्या जाँचना है
  • एक नतीजा कॉपी करें, सब कॉपी करें, या सब कुछ एक ही .txt में सहेजें
  • PNG, JPEG, WebP, GIF और BMP

फोटो से टेक्स्ट (OCR) का उपयोग कैसे करें

  1. इमेज छोड़ें, या सीधे क्लिपबोर्ड से स्क्रीनशॉट पेस्ट करें
  2. तस्वीर में लिखी भाषा चुनें, और पेज मिला-जुला हो तो दूसरी भाषा भी
  3. तय करें कि लाइन ब्रेक रखने हैं या पैराग्राफ़ में बहाना है
  4. पूरा बैच पढ़ें, फिर टेक्स्ट कॉपी करें या उसे .txt में सहेजें

उदाहरण

इनपुट

whiteboard.jpg, receipt.jpg, error-dialog.png — English, reflowed into paragraphs

आउटपुट

3 results at 91 %, 84 % and 99 % confidence — saved as image-text.txt

जुड़ी हुई फ़ाइल में हर नतीजा अपनी फ़ाइल के नाम के नीचे बैठता है।

सामान्य त्रुटियाँ और समस्या निवारण

  • सबसे पहली इमेज पर कुछ देर तक कुछ नहीं हुआ। — उस भाषा का पहचान-डेटा लाया जा रहा था, जो एक ही बार होता है और कुछ मेगाबाइट लेता है। उसी भाषा की आगे की इमेज तुरंत शुरू होती हैं, और आपकी अगली बार भी।
  • हस्तलेख बेतुका टेक्स्ट बनकर लौटा। — यह छपे और टाइप किए टेक्स्ट के लिए बना है, और हस्तलेख कहीं कम भरोसे से पढ़ता है। हस्तलेख से पाठ नोट और घसीट लिखाई के लिए बना है; दोनों हालात में नाम और अंक आँख से जाँच लें।
  • स्क्रीनशॉट का छोटा टेक्स्ट ग़लत पढ़ा गया। — सुधार का विकल्प चालू रहने दें — वह लंबी भुजा पर 1800 px से छोटी तस्वीरों को दुगना कर देता है। इससे बेहतर, स्क्रीनशॉट ज़्यादा ज़ूम पर दोबारा लें; पिक्सेल जितने ज़्यादा हों, वह किसी भी प्रोसेसिंग से आगे रहता है।
  • दो कॉलम मिलकर एक-एक लाइन बन गए। — लाइनें तस्वीर के आड़े-आड़े पढ़ी जाती हैं, इसलिए अगल-बगल के कॉलम गड्डमड्ड हो जाते हैं। Image Cropper से हर कॉलम अलग काटें और एक-एक पढ़ें।

अक्सर पूछे जाने वाले प्रश्न

क्या तस्वीरें ख़ुद पहचान के लिए कहीं भेजी जाती हैं?
नहीं। पहचान इसी टैब में चलती है और इमेज आपके डिवाइस पर ही रहती हैं। नेटवर्क से केवल एक चीज़ आती है: आपकी चुनी भाषा का पहचान-डेटा, और वह आपका कुछ भी साथ लेकर नहीं जाता।
भाषा चुनने पर कुछ मेगाबाइट डाउनलोड क्यों होते हैं?
क्योंकि उस लिपि के अक्षरों की आकृतियाँ आपकी मशीन पर होनी ज़रूरी हैं, तभी कुछ भी लोकल रूप से पढ़ा जा सकता है। यह हर भाषा के लिए एक बार आता है, ब्राउज़र उसे कैश कर लेता है और उसके बाद हर बार वही काम आता है।
क्या यह एक ही पेज पर दो भाषाएँ पढ़ सकता है?
हाँ। दूसरी भाषा चुनें और दोनों साथ इस्तेमाल होती हैं — अंग्रेज़ी-हिंदी मिले पेज या दो भाषाओं वाले फ़ॉर्म के लिए यही चाहिए। सीमा दो है; एक साथ इससे ज़्यादा भाषाएँ हर नतीजा बिगाड़ देती हैं।
भरोसे का प्रतिशत असल में क्या नापता है?
यह पहचाने गए अक्षरों की औसत निश्चितता है, अर्थ के सही होने का अंक नहीं। धुँधली फ़ोटो पर ऊँचा भरोसा भी ग़लत हो सकता है, इसलिए इसे इस संकेत के रूप में पढ़ें कि किन नतीजों को दोबारा देखना चाहिए।
पैराग्राफ़ में बहाने से क्या बदलता है?
वह हर पैराग्राफ़ की लाइनें जोड़कर एक कर देता है, लाइन के अंत में हाइफ़न से टूटा शब्द जोड़ता है, बुलेट और गिनती वाली मदें अपनी लाइन पर छोड़ता है, और पैराग्राफ़ों के बीच की ख़ाली लाइन बनाए रखता है — जिससे टेक्स्ट कॉलम की तरह नहीं, गद्य की तरह पेस्ट होता है।
क्या यह तस्वीर की जगह पूरी PDF पढ़ सकता है?
उसके लिए PDF OCR लें: वह हर पेज रेंडर करके पढ़ता है और दस्तावेज़ में खोजने लायक टेक्स्ट परत वापस लिख देता है। यह टूल इमेज लेता है और पेस्ट करने लायक टेक्स्ट देता है।

संबंधित टूल

  • PDF OCR — स्कैन किए PDF का पाठ पहचानकर उसे खोजने योग्य बनाएँ।
  • हस्तलेख से पाठ — हाथ से लिखे पन्नों को पाठ में बदलिए, हर शब्द अपनी जगह पर।
  • PDF से टेक्स्ट — PDF से चयन योग्य टेक्स्ट को सादे टेक्स्ट या Markdown के रूप में निकालें।
  • इमेज क्रॉपर — कोई भी भाग या स्थिर अनुपात क्रॉप कर पूर्ण रिज़ॉल्यूशन में सहेजें।
  • इमेज ऑप्टिमाइज़र — इमेज को पुनः एन्कोड और छोटा करें (JPEG/WebP/PNG), वैकल्पिक रीसाइज़ के साथ।
  • स्कैन करके PDF — कैमरे को स्कैनर बनाकर पेजों को PDF में सहेजें।
  • इमेज फ़ॉर्मेट कन्वर्टर — इमेज को PNG, JPEG और WebP के बीच पूरी तरह आपके ब्राउज़र में कन्वर्ट करें।
  • EXIF व्यूअर और रिमूवर — फ़ोटो से EXIF मेटाडेटा (GPS सहित) देखें और हटाएँ; कुछ भी अपलोड नहीं होता।

इमेज के और टूल

इमेज के सभी टूल देखें (35) · सभी टूल