OCR PDF

Alat gratis yang membaca teks di PDF hasil pindaian dengan OCR (pengenalan karakter optik) dan mengonversinya menjadi PDF yang dapat dicari. Teks yang dibaca ditambahkan ke halaman sebagai teks tak terlihat, sehingga tampilan halaman tetap sama. PDF Anda diproses di peramban dan tidak pernah diunggah. Anda dapat membaca hingga 200 halaman sekaligus (30 halaman di perangkat yang pemrosesannya lebih lama). Anda dapat membuka PDF hingga 200 MB per file (100 MB di ponsel dan tablet).

Memeriksa lingkungan Anda…

Hanya jika PDF memiliki halaman yang teksnya berupa gambar, penggunaan pertama mengunduh model AI (sekitar 17 MB) dari situs ini; penggunaan berikutnya memakai salinan yang tersimpan di peramban Anda. PDF Anda tidak pernah diunggah.

Setelan

Cara menggunakan

  1. 1

    Tambahkan PDF

    Pilih atau letakkan PDF yang akan dibaca. Anda dapat menambahkan beberapa PDF sekaligus. PDF Anda tidak pernah diunggah.

  2. 2

    Pilih bahasa dokumen

    Di “Bahasa dokumen”, pilih bahasa yang dipakai dalam PDF. Untuk membaca hanya sebagian halaman, masukkan di “Rentang halaman”.

  3. 3

    Baca dan simpan

    Tekan “Jalankan” untuk membaca halaman yang teksnya berupa gambar dan membuat PDF dengan lapisan teks. Simpan dengan “Simpan”, dan periksa baris yang dikenali dengan “Periksa teks yang dikenali”.

Tentang OCR untuk PDF

Teks dibaca dengan model pengenalan teks PaddleOCR (PP-OCRv6, Apache-2.0), yang berjalan di dalam peramban Anda. Hanya jika PDF memiliki halaman yang teksnya berupa gambar, proses pertama mengunduh model AI (sekitar 17 MB) dari situs ini; proses berikutnya memakai salinan yang tersimpan di peramban Anda. Di perangkat yang tidak dapat memakai GPU (WebGPU), pemrosesan berjalan di CPU dan memakan waktu lebih lama daripada di GPU. Setelah halaman pertama dibaca, alat ini memperkirakan total waktu dari lama pemrosesan halaman tersebut di perangkat Anda dan menampilkannya. Teks tak terlihat memakai font yang dibuat dari GlyphLessFont milik Tesseract (Apache-2.0).

Halaman yang sudah memiliki data teks dan halaman yang sudah memiliki lapisan teks OCR tidak dibaca dan tetap seperti semula. Pada halaman yang mencampur data teks dan gambar, hanya bagian yang tidak bertumpang tindih dengan data teks yang dibaca. Halaman yang data teksnya rusak (memilih teks menghasilkan karakter yang berbeda) tidak mendapatkan lapisan teks. Memilih bahasa Jepang di “Bahasa dokumen” membatasi pengenalan pada karakter yang dipakai dalam dokumen berbahasa Jepang, dan memilih bahasa Korea memakai model bahasa Korea (sekitar 13 MB, yang tidak dapat membaca aksara Han). Tekan “Periksa teks yang dikenali” untuk melihat baris yang dikenali diberi garis tepi di halaman, dengan baris yang lebih mungkin mengandung kesalahan ditampilkan dengan warna berbeda.

Spesifikasi alat ini

Input
PDF
Output
PDF
Batas
Tanpa batas jumlah file (pemrosesan massal). Hingga 200 MB per file (100 MB di ponsel dan tablet). Hingga 200 halaman dibaca sekaligus (30 halaman di perangkat yang memproses dengan CPU)
  • Gratis, tanpa daftar, tanpa aplikasi yang perlu dipasang
  • File tidak pernah diunggah (diproses di peramban Anda)

Pertanyaan umum

Apakah PDF saya dikirim ke server?

Tidak. Membuka PDF, membaca teks, dan menyimpan semuanya dilakukan di peramban pada perangkat Anda. Statistik yang membantu kami memperbaiki masalah (rentang jumlah halaman, rentang jumlah halaman dan baris yang dibaca, rentang waktu per halaman, jenis kesalahan, dan sebagainya) dikirim ke server situs ini. Statistik ini tidak mencakup isi PDF, teks yang dikenali, nama file, kata sandi, atau rentang halaman yang Anda masukkan. Anda dapat menonaktifkan statistik dengan sakelar “Kirim statistik pemrosesan” di bagian bawah halaman.

Apakah alat ini dapat membaca PDF yang dilindungi kata sandi atau yang dibatasi pembuatnya?

Ya. PDF yang dilindungi kata sandi dapat dibuka setelah Anda memasukkan kata sandi pembukanya. Jika pembuatnya membatasi perubahan konten atau penyalinan dan ekstraksi, alat ini tidak membaca PDF sampai Anda memasukkan kata sandi izin (menambahkan lapisan teks akan membuat teks yang dibatasi dapat diekstrak). Alat ini tidak menebak kata sandi, jadi jika Anda tidak tahu kata sandi izinnya, tanyakan kepada orang yang membuat PDF tersebut. Enkripsi PDF asli tetap seperti semula di PDF yang disimpan. Jika PDF memiliki tanda tangan digital, tanda tangan itu tidak lagi valid di PDF yang disimpan.

Apakah alat ini dapat membaca teks vertikal atau tulisan tangan?

Alat ini dibuat untuk teks cetak yang ditulis mendatar. Halaman bertulisan vertikal juga dapat dibaca, tetapi dengan lebih banyak kesalahan daripada teks mendatar, dan tanda baca dapat terlewat. Tulisan tangan tidak didukung.

Apakah teks yang dikenali dapat mengandung kesalahan?

Ya. Bergantung pada ukuran teks, resolusi pindaian, serta noda atau kemiringan kertas, beberapa karakter dapat salah dibaca atau terlewat. Angka yang berjarak lebar dalam tabel lebih sering salah dibaca daripada teks lain. Jika “Jepang” dipilih sebagai bahasa dokumen, karakter di luar kanji JIS tingkat 1 dan 2 serta emoji dapat terbaca sebagai karakter yang mirip. Sebelum memakai PDF yang disimpan, periksa baris yang lebih mungkin mengandung kesalahan dengan “Periksa teks yang dikenali”. Alat ini tidak dapat mengoreksi teks yang dikenali.

Bantu kami meningkatkan layanan

Jika konversi atau kompresi gagal, mengirimkan kondisinya kepada kami membantu menemukan penyebabnya. Dengan mengetahui perangkat dan format mana yang paling sering gagal, serta berapa lama pemrosesan berlangsung, kami dapat merevisi format yang didukung dan memperbaiki masalah di baliknya. Jika Anda tidak keberatan, membiarkan ini tetap aktif sangat membantu.

Yang dikirim

  • Alat yang Anda gunakan dan setelan yang Anda pilih (format output, kualitas, dll.)
  • Spesifikasi perangkat Anda (GPU, memori, jumlah inti)
  • Format input beserta perkiraan ukurannya
  • Berapa file yang berhasil atau gagal dan berapa lama prosesnya
  • Jenis dan detail kesalahan jika terjadi kegagalan

Yang tidak pernah dikirim

  • File itu sendiri dan nama file
  • Teks di dalam PDF, teks yang Anda tulis ulang atau sensor, kata sandi, nama font, dan rentang halaman yang Anda masukkan
  • Teks yang dikenali dan posisi baris yang dikenali
  • Alamat IP

Data hanya dikirim ke server situs ini sendiri, tidak pernah ke layanan pihak ketiga.
Untuk daftar lengkap, termasuk detail yang dikirim setiap alat, lihat “Statistik pemrosesan” di kebijakan privasi.

Detail yang dikirim oleh alat ini (hanya jumlah, waktu, jenis, dan ya/tidak)

Selain “Yang dikirim”, alat ini mengirim detail berikut.

Alat PDF (semua)
Rentang jumlah halaman, apakah pengeditan dibatasi, apakah kata sandi izin dimasukkan, dan apakah PDF ditandatangani atau dienkripsi.
OCR untuk PDF
Jumlah input dan output, jumlah halaman yang dibaca, halaman yang dibaca tetapi tidak ditemukan teks, halaman berisi data teks yang tidak dibaca, halaman yang mencampur data teks dan gambar, halaman yang sudah memiliki lapisan teks OCR, halaman dengan data teks rusak, halaman kosong, halaman yang tidak bisa diberi lapisan teks, halaman yang orientasinya dikoreksi, dan halaman tempat bagian konten asli yang belum ditutup kemudian ditutup, jumlah baris dan karakter yang dibaca, jumlah area dan karakter yang tidak dibaca karena tumpang tindih dengan teks atau anotasi yang ada, serta jumlah tahap penambahan lapisan teks (semuanya sebagai rentang), rentang proporsi baris vertikal dan baris yang lebih mungkin mengandung kesalahan, rentang waktu per halaman dan waktu pemuatan model AI, jenis dan versi model AI serta apakah model diunduh, rentang resolusi render dan apakah resolusi diturunkan, rentang jumlah bagian yang dipotong dari gambar untuk mencari teks, apakah perkiraan waktu melebihi 15 menit, apakah GPU menjadi tidak tersedia, dan apakah perlindungan asli dipasang kembali.

Alat terkait