Kép konvertálása szöveggé

Ingyenes eszköz, amely OCR-rel (optikai karakterfelismeréssel) beolvassa a képeken lévő szöveget, és szöveges (TXT) fájllá alakítja. Megnyithat fotókat és képernyőképeket, vagy beilleszthet egy képet Ctrl+V-vel (Macen ⌘V). Egyszerre több kép is beolvasható, és az egyes képek szöveges fájljai együtt, ZIP-fájlban menthetők. A képek a böngészőben dolgozódnak fel, és soha nem töltődnek fel.

A környezet ellenőrzése…

Az első futtatáskor egy AI-modell (kb. 17 MB) töltődik le erről az oldalról; a későbbi futtatások a böngészőben tárolt példányt használják. A képek soha nem töltődnek fel.

Kimásolt képet vagy képernyőképet is hozzáadhat a Ctrl+V (Macen ⌘V) billentyűkkel való beillesztéssel.

Beállítások

Használat

  1. 1

    Képek hozzáadása

    Válassza ki vagy húzza ide a beolvasandó képeket. Kimásolt képet vagy képernyőképet is hozzáadhat a Ctrl+V (Macen ⌘V) billentyűkkel való beillesztéssel. Egyszerre több képet is hozzáadhat. A képek soha nem töltődnek fel.

  2. 2

    A dokumentum nyelvének kiválasztása

    A „Dokumentum nyelve” alatt válassza ki a képeken lévő szöveg nyelvét.

  3. 3

    Beolvasás és mentés

    A „Futtatás” gombbal a képről beolvasott szöveget tartalmazó TXT-fájl készül. Mentse a „Mentés” gombbal, vagy másolja ki az egészet a „Szöveg másolása” gombbal. Több kép esetén az „Összes mentése ZIP-ként” gombbal egyszerre mentheti őket. A felismert sorokat „A felismert szöveg ellenőrzése” gombbal tekintheti át.

A képek szöveggé alakításáról

A szöveg beolvasását a PaddleOCR szövegfelismerő modellje (PP-OCRv6, Apache-2.0) végzi, amely a böngészőben fut. Az első futtatáskor az AI-modell (kb. 17 MB) erről az oldalról töltődik le; a későbbi futtatások a böngészőben tárolt példányt használják. Azokon az eszközökön, amelyek nem tudják használni a GPU-t (WebGPU), a feldolgozás a CPU-n fut, és tovább tart, mint a GPU-n. Támogatott képformátumok: JPEG, PNG, WebP, AVIF, GIF (animációnál csak az első képkocka), BMP és HEIC (iPhone-fotók). A görgetéssel készült hosszú képernyőképek is beolvashatók.

A felismert szöveg a legfelső sortól lefelé rendeződik, és az azonos magasságban lévő szöveg balról jobbra egy sorba fűződik (a hasábok és a táblázatok az olvasási sorrendtől eltérő sorrendben jelenhetnek meg). Ha a „Dokumentum nyelve” alatt a japánt választja, a felismerés a japán dokumentumokban használt karakterekre korlátozódik, a koreai választásakor pedig egy koreai modell működik (kb. 13 MB, amely a kínai írásjegyeket nem tudja beolvasni). Ha csak egy telefonnal készült fotóról kell némi szöveget kimásolnia, az iPhone Élő szöveg funkciója vagy a Google Lens is megteszi. Ez az eszköz egyszerre több képet olvas be, és minden kép szövegét UTF-8 kódolású szöveges fájlként (.txt) menti. Ha egy PDF-ből szeretné kinyerni a szöveget, használja a „PDF-ből szöveg” eszközt.

Az eszköz műszaki adatai

Bemenet
JPG, PNG, WEBP, AVIF, GIF, BMP, HEIC, HEIF
Kimenet
TXT
Korlátok
A fájlok száma nincs korlátozva (kötegelt feldolgozás). Nincs fájlméretkorlát (a feldolgozás az eszköz memóriájának keretein belül történik). A legfeljebb 51 megapixeles és a hosszabb oldalukon legfeljebb 32 767 px-es képek változatlan méretben olvashatók be (telefonon és táblagépen 25 megapixel és 16 384 px; a nagyobb képek előbb kicsinyítődnek)
  • Ingyenes, regisztráció és telepítendő alkalmazás nélkül
  • A fájlok soha nem töltődnek fel (feldolgozás a böngészőben)

Gyakori kérdések

Elküldik a képeimet egy szerverre?

Nem. A képek megnyitása, a szöveg beolvasása és a mentés is az eszköze böngészőjében történik. A hibák javítását segítő statisztikák (a beolvasott képek, sorok és karakterek számának tartománya, a képenkénti idő tartománya, a hibák típusa stb.) eljutnak az oldal szerverére. Ezek nem tartalmazzák magukat a képeket, a felismert szöveget és a fájlneveket. A statisztikákat az oldal alján lévő „Feldolgozási statisztikák küldése” kapcsolóval kapcsolhatja ki.

Be tudja olvasni a számítógépem képernyőjén megjelenő szöveget?

Igen. A képernyőkép készítésekor csak a beolvasni kívánt részt jelölje ki (Windowson Win+Shift+S, Macen ⌘+Control+Shift+4), illessze be ezen az oldalon Ctrl+V-vel (Macen ⌘V), és nyomja meg a „Futtatás” gombot. Ha a teljes képernyőt rögzíti, a képernyő szélén lévő menük szövege a törzsszöveggel egy sorba kerülhet. Mentett képet is behúzhat. A görgetéssel készült hosszú képernyőképek is beolvashatók. A sötét háttéren világos szöveget mutató képernyők (sötét mód) is beolvashatók.

Be tudja olvasni a telefonnal készült fotókon lévő szöveget?

Igen. Az iPhone-fotók (HEIC) változtatás nélkül megnyithatók. A tájolási információval (EXIF) rendelkező képeket az eszköz a szöveg beolvasása előtt függőleges helyzetbe fordítja. Azokon a fotókon, ahol a szöveg kicsi, elmosódott, ferdén fényképezett vagy árnyékos, több hiba lehet (ez az eszköz nem korrigálja a fotók trapéztorzítását). Nyomtatott szöveghez készült, a kézírás nem támogatott. Függőleges írást is beolvas, de több hibával, mint a vízszintest, és kihagyhat írásjeleket.

Tartalmazhat hibákat a felismert szöveg?

Igen. A szöveg méretétől, a kép felbontásától, valamint a fotók elmosódottságától vagy árnyékaitól függően egyes karakterek hibásan olvasódhatnak be, vagy kimaradhatnak. A hasonló kinézetű karakterek összetéveszthetők, például a japán „一” kandzsi számjegy és a „ー” hosszúmagánhangzó-jel, az ikonok vagy szimbólumok pedig karakterként olvasódhatnak be. Ha a dokumentum nyelveként a „Japán” van kiválasztva, a JIS 1. és 2. szintű kandzsikészleten kívüli karakterek és az emojik hasonló kinézetű karakterekként olvasódhatnak be. Weboldalak képernyőképein az ábrákban lévő szöveg vagy a képernyő szélén lévő menük a törzsszöveggel egy sorba kerülhetnek. „A felismert szöveg ellenőrzése” gombbal a képen bekeretezve láthatja a felismert sorokat, a nagyobb eséllyel hibás sorokat pedig eltérő színnel.

A szolgáltatás fejlesztésének támogatása

Ha egy konvertálás vagy tömörítés nem sikerül, a körülmények elküldésével segít felderíteni az okát. Ha tudjuk, mely eszközökön és formátumokkal fordul elő leggyakrabban hiba, és mennyi ideig tart a feldolgozás, felülvizsgálhatjuk a támogatott formátumokat, és kijavíthatjuk a mögöttük álló hibákat. Ha nem bánja, sokat segít, ha bekapcsolva hagyja.

Mit küldünk el?

  • A használt eszköz és a választott beállítások (kimeneti formátum, minőség stb.)
  • Az eszköz jellemzői (GPU, memória, magok száma)
  • A bemeneti formátum a hozzávetőleges méretével
  • Hány fájl feldolgozása sikerült vagy hiúsult meg, és mennyi ideig tartott
  • Hiba esetén a hiba típusa és részletei

Mit nem küldünk el soha?

  • Magukat a fájlokat és a fájlneveket
  • A felismert szöveget és a felismert sorok pozícióját
  • Az IP-címeket

Az adatok csak az oldal saját szerverére jutnak, soha nem kerülnek külső szolgáltatáshoz.
A teljes listát, az egyes eszközök által küldött részletekkel együtt, az adatvédelmi irányelvek „Feldolgozási statisztikák” részében találja.

Az ezen eszköz által küldött részletek (csak darabszámok, idők, típusok és igen/nem értékek)

A „Mit küldünk el?” részben felsoroltakon kívül ez az eszköz a következő részleteket is elküldi.

Képből szöveg
A beolvasott képek, a szöveg nélkül beolvasott képek, a javított tájolású képek, a nagy méretük miatt kicsinyítés után beolvasott képek, a világos és sötét tónusok felcserélésével beolvasott képek és a kitöltött átlátszó területű képek, valamint a beolvasott sorok és karakterek száma (mind tartományként), a függőleges sorok és a nagyobb eséllyel hibás sorok arányának tartománya, a képenkénti idő és az AI-modell betöltési idejének tartománya, az AI-modell típusa és verziója, és hogy le kellett-e tölteni, annak tartománya, hogy hány részre osztották a képet a szöveg kereséséhez, és hogy elérhetetlenné vált-e a GPU.

Kapcsolódó eszközök