Apakah PDF saya diunggah ke server?

Tidak. Pengenalan teks berjalan di browser Anda dan dokumennya tidak dikirim ke server. Yang diunduh hanya mesin OCR dan model bahasanya, sekali pada penggunaan pertama; browser menyimpannya, jadi penggunaan berikutnya tidak perlu mengunduhnya lagi.

Bagaimana tahu PDF saya perlu OCR?

Coba blok teksnya. Kalau tidak ada yang tersorot, itu hasil scan dan perlu OCR; kalau teksnya bisa diblok, alat PDF ke Word biasa memberi hasil yang lebih baik.

Anda mendapat teks dalam urutan baca, bukan rekonstruksi desain halaman. Kolom dan tabel datang sebagai teks, bukan sebagai struktur yang terformat.

OCR PDF: ambil teks dari PDF hasil scan

Berjalan di perangkat Anda · File Anda tidak pernah meninggalkan perangkat.

PDF hasil scan hanyalah tumpukan gambar. Itulah sebabnya teksnya tidak bisa diblok atau dicari, dan konversi ke Word keluar kosong. Alat ini membaca huruf dari setiap gambar halaman dan memberi Anda teks sungguhan.

Setiap halaman lebih dulu digambar dengan resolusi tinggi lalu dikenali, dengan kemajuan ditampilkan per halaman. Dokumen panjang butuh waktu: pengenalannya memang bekerja di perangkat Anda, bukan mengantre di server.

Bahasa Indonesia ada di daftar bahasa, bersama Inggris, Arab, campuran Arab + Inggris, dan bahasa lain. Teks Arab tetap kanan-ke-kiri, di pratinjau maupun di file Word.

Cara OCR PDF: ambil teks dari PDF hasil scan

Taruh PDF hasil scan, yang teksnya tidak bisa diblok.
Pilih bahasa tulisannya di «Bahasa teks»: «Bahasa Indonesia» untuk dokumen berbahasa Indonesia, «Arab + Inggris» kalau dua bahasa itu ada di satu halaman.
Klik «Ekstrak teks». Model pengenalannya diunduh sekali pada penggunaan pertama, lalu disimpan di browser.
Salin teksnya, atau unduh sebagai TXT atau Word.

Format yang didukung dan batasan

Masukan: PDF hasil scan dan foto halaman
Keluaran: Teks: salin, TXT, atau Word
Bahasa: 15: Indonesia, Inggris, Arab (juga campuran Arab + Inggris), Jerman, Prancis, Spanyol, Rusia, Portugis, Tionghoa (Sederhana dan Tradisional), Hindi, Turki, Ibrani, Persia, Urdu, Bangla
Penggunaan pertama: Model diunduh sekali, lalu tersimpan untuk dipakai offline
Berjalan di: Di browser – tanpa unggah

Tidak cocok untuk: Tulisan tangan: pengenalan andal pada teks cetak, dan jauh kurang andal pada catatan tulisan tangan.

Bagaimana setiap halaman disiapkan untuk dibaca

Setiap halaman lebih dulu digambar sebagai gambar pada 216 titik per inci, seperti yang ditampilkan pembaca PDF, jadi halaman yang membawa pengaturan rotasi dibaca dalam posisi tegak. Halaman yang hasil scan-nya sendiri tergeletak menyamping dibaca apa adanya dan keluar sebagai teks acak; putar dulu halaman seperti itu dengan /rotate-pdf. Halaman yang sangat besar, sekitar A2 ke atas, digambar dengan resolusi lebih rendah agar tetap dalam batas yang bisa ditampung browser sebagai satu gambar.

Setiap halaman dibaca dari gambarnya, termasuk halaman yang sudah berisi teks sungguhan. Untuk dokumen yang sebagian diketik dan sebagian di-scan, halaman ketikan keluar persis lewat /pdf-to-text, sedangkan pengenalan bisa salah membaca satu-dua huruf.

Dokumen panjang

Setiap halaman digambar, dibaca, dan dilepas sebelum halaman berikutnya digambar, jadi scan yang panjang hanya butuh memori kira-kira sebanyak satu halaman. Bilah kemajuan terisi sedikit saat mesin pengenalan dimuat, lalu per halaman, dengan nama halaman yang sedang dibaca di bawahnya.

«Batal» berhenti di halaman yang sedang dibaca dan menyimpan teks halaman yang sudah selesai: satu baris menyebut berapa dari berapa halaman yang selesai, dan tombol salin serta unduhan TXT dan Word memuat halaman-halaman itu. Beberapa PDF, juga foto halaman, bisa ditambahkan bersama dan dibaca satu per satu dalam satu pekerjaan.

Apa yang Anda terima

Hasilnya teks, bukan PDF baru: file hasil scan tetap kumpulan gambar. Kalau lebih dari satu halaman dibaca, teks setiap halaman diawali baris seperti --- scan.pdf — halaman 3 ---, ditulis dalam bahasa halaman yang Anda buka, supaya Anda tahu dari mana sebuah bagian berasal. File Word diberi judul nama PDF-nya, dan setiap halaman berada di bawah judulnya sendiri, berurutan, bukan di halaman terpisah.

Periksa daftar «Bahasa teks» sebelum menekan «Ekstrak teks», dan setel ke bahasa yang dipakai dokumennya. Bahasa yang salah membuat hasilnya kacau: tulisan Arab yang dibaca sebagai Inggris keluar sebagai huruf acak.

Pertanyaan umum

Apakah PDF saya diunggah ke server?: Tidak. Pengenalan teks berjalan di browser Anda dan dokumennya tidak dikirim ke server. Yang diunduh hanya mesin OCR dan model bahasanya, sekali pada penggunaan pertama; browser menyimpannya, jadi penggunaan berikutnya tidak perlu mengunduhnya lagi.
Bagaimana tahu PDF saya perlu OCR?: Coba blok teksnya. Kalau tidak ada yang tersorot, itu hasil scan dan perlu OCR; kalau teksnya bisa diblok, alat PDF ke Word biasa memberi hasil yang lebih baik.
Tata letaknya ikut?: Anda mendapat teks dalam urutan baca, bukan rekonstruksi desain halaman. Kolom dan tabel datang sebagai teks, bukan sebagai struktur yang terformat.

Alat terkait

Lainnya di Teks dan dokumen

Halaman ini dalam bahasa lain: English · العربية · Deutsch · Français · Español · Русский · Português · 中文 · हिन्दी · Türkçe · עברית · فارسی · اردو · বাংলা