आपके डिवाइस पर चलता है · आपकी फ़ाइल कभी आपके डिवाइस से बाहर नहीं जाती।
स्कैन की हुई PDF असल में तस्वीरों का ढेर है — इसीलिए उसका टेक्स्ट न चुना जाता है, न खोजा जाता है, और Word में बदलने पर ख़ाली डॉक्यूमेंट आता है। यह टूल हर पन्ने की तस्वीर से अक्षर पढ़कर आपको असली टेक्स्ट देता है — स्कैन किया सरकारी आदेश हो, पुराना प्रमाणपत्र या किताब के पन्ने।
हर पन्ना पहले ऊँचे रिज़ॉल्यूशन पर बनाया जाता है और फिर पढ़ा जाता है, और प्रगति पन्ना-दर-पन्ना दिखती है। लंबे डॉक्यूमेंट में समय लगता है: पहचान का काम सच में आपके डिवाइस पर हो रहा है, किसी सर्वर की कतार में नहीं।
हिन्दी देवनागरी में पढ़ी जाती है, और अंग्रेज़ी, बांग्ला, उर्दू, अरबी समेत सूची की बाक़ी भाषाएँ भी। उर्दू, अरबी, फ़ारसी और हिब्रू का टेक्स्ट पूर्वावलोकन और Word दोनों में दाएँ से बाएँ ही रहता है।
इनके लिए नहीं: हाथ की लिखावट — छपे टेक्स्ट पर पहचान भरोसेमंद है, हाथ से लिखे नोट पर बहुत कम।
हर पन्ना पहले 216 डॉट प्रति इंच पर तस्वीर के रूप में बनाया जाता है, ठीक वैसे जैसे PDF रीडर उसे दिखाता है, इसलिए जिस पन्ने में घुमाव की सेटिंग है वह सीधा पढ़ा जाता है। पर जिस पन्ने का स्कैन ख़ुद ही करवट लिए है, वह वैसा ही पढ़ा जाता है और बेमतलब अक्षर निकलते हैं; ऐसे पन्ने पहले /rotate-pdf से घुमा लीजिए। बहुत बड़े पन्ने — लगभग A2 और उससे बड़े — कम रिज़ॉल्यूशन पर बनाए जाते हैं, ताकि वे उस सीमा में रहें जो ब्राउज़र एक तस्वीर के रूप में सँभाल सकता है।
हर पन्ना उसकी तस्वीर से पढ़ा जाता है, उन पन्नों समेत जिनमें पहले से असली टेक्स्ट है। जिस डॉक्यूमेंट के कुछ पन्ने टाइप किए हुए हों और कुछ स्कैन, उसके टाइप किए पन्ने /pdf-to-text से हूबहू निकलते हैं, जबकि पहचान में कोई अक्षर ग़लत पढ़ा जा सकता है।
हर पन्ना बनाया, पढ़ा और छोड़ दिया जाता है, तब अगला बनता है, इसलिए लंबे स्कैन को लगभग एक पन्ने जितनी ही मेमोरी चाहिए। पहचान का इंजन लोड होते समय पट्टी थोड़ी भरती है, फिर पन्ना-दर-पन्ना, और नीचे उस पन्ने का नाम लिखा रहता है जो पढ़ा जा रहा है।
“रद्द करें” उसी पन्ने पर रुकता है जो पढ़ा जा रहा है, और पूरे हो चुके पन्नों का टेक्स्ट रखता है: एक पंक्ति बताती है कि कितने में से कितने पन्ने हुए, और कॉपी, TXT और Word डाउनलोड में वही पन्ने होते हैं। कई PDF, और पन्नों की फ़ोटो भी, एक साथ जोड़ी जा सकती हैं; वे एक ही काम में एक के बाद एक पढ़ी जाती हैं।
नतीजा टेक्स्ट है, नई PDF नहीं: स्कैन की हुई फ़ाइल तस्वीरों का सेट ही रहती है। जब एक से ज़्यादा पन्ने पढ़े जाते हैं, तो हर पन्ने का टेक्स्ट --- scan.pdf — पृष्ठ 3 --- जैसी पंक्ति से शुरू होता है, जो उस भाषा में लिखी जाती है जिसमें आप पेज इस्तेमाल कर रहे हैं, ताकि आप ढूँढ़ सकें कि कोई अंश कहाँ से आया। Word फ़ाइल का शीर्षक PDF के नाम पर होता है, और हर पन्ना अपनी हेडिंग के नीचे होता है — एक के बाद एक, अलग-अलग पन्नों पर नहीं।
“पाठ निकालें” दबाने से पहले देख लीजिए कि “पाठ की भाषा” में वही भाषा चुनी है जिसमें डॉक्यूमेंट लिखा है — हिन्दी, अंग्रेज़ी या सूची की कोई और। सही भाषा चुनना ज़रूरी है: ग़लत भाषा मानकर पढ़ा गया टेक्स्ट बेमतलब अक्षरों में निकलता है।
यह पेज अन्य भाषाओं में: English · العربية · Deutsch · Français · Español · Русский · Português · 中文 · Türkçe · עברית · فارسی · اردو · Bahasa Indonesia · বাংলা