Распознайте текст в сканированных PDF
Инструмент работает на Tesseract.js — открытом движке OCR — полностью в вашем браузере. Каждая страница PDF сначала превращается в изображение высокого разрешения, а затем в текст. Сильно нагружает процессор и память; полная приватность.
Как пользоваться
- Выберите сканированный PDF
- Нажмите «Запустить OCR» (движок загружается при первом использовании)
- Подождите — 5–20 сек на страницу
- Скопируйте текст или скачайте как файл .txt
Частые вопросы
Этот инструмент делает сам PDF доступным для поиска или только отдельно выдаёт текст?
Только текст отдельно. Результат — это простой текст, который вы копируете или скачиваете как файл .txt, а не изменённый PDF с текстовым слоем для поиска. Если вам нужен PDF с возможностью поиска, придётся самостоятельно объединить извлечённый текст с исходным файлом.
Работает ли это с языками, отличными от английского?
По умолчанию используется английский; точность для других языков зависит от того, насколько модель Tesseract, обученная на английском, справляется с этой письменностью, и для нелатинских алфавитов обычно она невысока.
Точность OCR зависит от качества скана. Чёткие сканы от 300 dpi с чёрным текстом на белом фоне дают точность 95% и выше; выцветшие, искривлённые или рукописные страницы распознаются ненадёжно.