PDF OCR 처리하기
스캔한 PDF의 글자를 OCR(문자 인식)로 읽어 검색 가능한 PDF로 변환하는 무료 도구입니다. 인식한 글자는 보이지 않는 글자로 페이지에 겹치므로 겉모습은 바뀌지 않습니다. PDF는 브라우저 안에서 처리되며 외부로 전송되지 않습니다. 한 번에 인식할 수 있는 페이지는 200페이지(처리에 시간이 걸리는 기기는 30페이지)까지입니다. 열 수 있는 PDF는 파일 하나당 200MB(스마트폰·태블릿은 100MB)까지입니다.
PDF에 글자가 이미지로 된 페이지가 있을 때만 처음 실행할 때 AI 모델(약 13MB)을 이 사이트에서 받아오며, 이후에는 브라우저에 저장된 모델을 사용합니다. PDF는 외부로 전송되지 않습니다.
설정
사용 방법
- 1
PDF 추가
인식할 PDF를 고르거나 끌어다 놓습니다. 여러 PDF를 한 번에 추가할 수 있습니다. PDF는 외부로 전송되지 않습니다.
- 2
문서 언어 고르기
「문서 언어」에서 PDF에 쓰인 언어를 고릅니다. 일부 페이지만 인식할 때는 「페이지 범위」에 입력합니다.
- 3
인식하고 저장하기
「실행」을 누르면 글자가 이미지로 된 페이지를 인식해 글자 데이터를 겹친 PDF를 만듭니다. 「저장」으로 저장하고, 「인식한 글자 확인」으로 인식한 줄을 확인할 수 있습니다.
PDF OCR에 대하여
글자 인식에는 PaddleOCR의 글자 인식 모델(PP-OCRv6, Apache-2.0)을 브라우저 안에서 실행합니다. 글자가 이미지로 된 페이지가 있을 때만 처음 실행할 때 AI 모델(약 17MB)을 이 사이트에서 받아오며, 이후에는 브라우저에 저장된 모델을 사용합니다. GPU(WebGPU)를 쓸 수 없는 기기에서는 CPU로 처리하므로 GPU를 쓸 때보다 시간이 더 걸립니다. 첫 페이지를 인식한 뒤에는 그 기기에서 걸린 시간을 바탕으로 전체 소요 시간을 추정해 표시합니다. 보이지 않는 글자에는 Tesseract의 GlyphLessFont(Apache-2.0)를 바탕으로 만든 글꼴을 사용합니다.
글자 데이터가 있는 페이지와 OCR 글자 데이터가 이미 있는 페이지는 인식하지 않고 그대로 둡니다. 글자 데이터와 이미지가 섞인 페이지는 글자 데이터와 겹치지 않는 부분만 인식합니다. 글자 데이터가 깨진 페이지(글자를 선택하면 다른 글자가 되는 것)에는 글자 데이터를 겹치지 않습니다. 「문서 언어」에서 일본어를 고르면 일본어 문서에 쓰이는 글자로 좁혀서 인식하고, 한국어를 고르면 한국어 모델(약 13MB, 한자는 인식하지 못함)을 사용합니다. 「인식한 글자 확인」을 누르면 인식한 줄의 테두리가 페이지에 겹쳐 표시되며, 오류일 가능성이 높은 줄은 색을 바꿔 보여 줍니다.
이 도구의 사양
- 입력
- 출력
- 제한
- 파일 수 제한 없음(일괄 처리), 파일당 200MB까지(스마트폰·태블릿은 100MB), 한 번에 인식하는 페이지는 200페이지까지(CPU로 처리하는 기기는 30페이지)
- 무료·가입 불필요·앱 설치 불필요
- 파일을 외부로 전송하지 않음(브라우저 안에서 처리)
자주 묻는 질문
PDF가 서버로 전송되나요?
아니요. PDF 읽기·글자 인식·저장은 모두 사용 중인 기기의 브라우저 안에서 처리됩니다. 문제를 고치기 위한 처리 통계(페이지 수의 범위, 인식한 페이지 수와 줄 수의 범위, 페이지당 처리 시간의 범위, 오류의 종류 등)는 이 사이트의 서버로 전송됩니다. 통계에는 PDF의 내용, 인식한 글자, 파일 이름, 비밀번호, 지정한 페이지 범위가 포함되지 않습니다. 통계 전송은 페이지 아래쪽의 「처리 통계 전송」 스위치로 멈출 수 있습니다.
비밀번호가 걸린 PDF나 작성자가 제한을 건 PDF도 인식할 수 있나요?
네. 비밀번호가 걸린 PDF는 열기 비밀번호를 입력하면 열 수 있습니다. 작성자가 내용 변경이나 복사·추출을 금지한 PDF는 권한 비밀번호를 입력하기 전까지 인식하지 않습니다(글자 데이터를 겹치면 금지된 글자를 꺼낼 수 있게 되기 때문입니다). 이 도구는 비밀번호를 추측하지 않으므로, 권한 비밀번호를 모를 때는 PDF 작성자에게 확인하세요. 원본 PDF의 암호화는 저장한 PDF에도 그대로 남습니다. 전자 서명이 있는 PDF는 저장하면 서명이 무효가 됩니다.
세로쓰기나 손글씨도 인식할 수 있나요?
가로쓰기 인쇄 글자를 대상으로 합니다. 세로쓰기 페이지도 인식하지만 가로쓰기보다 오류가 많고, 문장 부호를 빠뜨릴 수 있습니다. 손글씨는 대상이 아닙니다.
인식한 글자에 오류가 있나요?
있습니다. 글자 크기, 스캔 해상도, 종이의 얼룩이나 기울기에 따라 잘못 인식하거나 빠뜨리는 글자가 있습니다. 표 안에서 글자 사이를 넓게 띄운 숫자는 다른 글자보다 잘못 인식되기 쉽습니다. 「문서 언어」에서 일본어를 고르면 JIS 제2수준 밖의 한자와 이모지가 모양이 비슷한 글자로 인식될 수 있습니다. 저장한 PDF를 쓰기 전에 「인식한 글자 확인」으로 오류일 가능성이 높은 줄을 확인하세요. 이 도구에는 인식한 글자를 고치는 기능이 없습니다.
서비스 품질 향상에 협조를 부탁드립니다
변환이나 압축이 실패했을 때 그 상황을 보내 주시면 원인을 찾는 데 도움이 됩니다. 어떤 기기와 형식에서 자주 실패하는지, 처리에 얼마나 걸리는지 알 수 있으면 지원 형식을 재검토하고 문제를 고치는 데 반영할 수 있습니다. 괜찮으시다면 켜 둔 채로 두시면 큰 도움이 됩니다.
전송하는 정보
- 사용한 도구와 선택한 설정(출력 형식·품질 등)
- 기기 성능(GPU 유무·메모리·코어 수)
- 입력 형식과 대략적인 크기
- 성공·실패 건수와 소요 시간
- 실패한 경우 오류의 종류와 내용
전송하지 않는 정보
- 파일 자체·파일 이름
- PDF의 글자·수정하거나 가린 글자·비밀번호·글꼴 이름·지정한 페이지 범위
- 인식한 글자·인식한 줄의 위치
- IP 주소
전송 대상은 이 사이트의 자체 서버뿐이며 외부 서비스에는 넘기지 않습니다.
도구별로 보내는 세부 내역을 포함한 전체 항목은 개인정보 처리방침의 「처리 통계」를 확인하세요.
이 도구가 보내는 세부 내역(개수·시간·종류·여부만)
이 도구는 「전송하는 정보」에 더해 다음 내역을 보냅니다.
- PDF 도구(공통)
- 페이지 수의 범위, 편집 금지 여부, 권한 비밀번호 입력 여부, 전자 서명·암호화 여부.
- PDF OCR
- 입력과 출력의 개수, 인식한 페이지·인식했지만 글자가 없던 페이지·글자 데이터가 있어 인식하지 않은 페이지·글자 데이터와 이미지가 섞인 페이지·OCR 글자 데이터가 이미 있던 페이지·글자 데이터가 깨진 페이지·빈 페이지·글자 데이터를 겹치지 못한 페이지·방향을 고친 페이지·원래 내용의 닫히지 않은 구획을 닫은 페이지의 수, 인식한 줄과 글자의 수, 기존 글자나 주석과 겹쳐 인식하지 않은 영역과 글자의 수, 글자 데이터를 겹치는 처리의 횟수(모두 범위), 세로쓰기 줄과 오류일 가능성이 높은 줄의 비율의 범위, 페이지당 처리 시간과 AI 모델을 불러오는 시간의 범위, AI 모델의 종류와 버전·받아왔는지, 그린 해상도의 범위와 해상도를 낮췄는지, 글자를 찾기 위해 이미지를 나눈 수의 범위, 예상 소요 시간이 15분을 넘었는지, GPU를 쓸 수 없게 되었는지, 원래의 보호를 다시 설정했는지.