انتقل إلى المحتوى
Convertube

OCR لملفات PDF

تعرّف على الكلمات في ملف PDF ممسوح ضوئيًا وأضف طبقة نص غير مرئية ليصبح الملف قابلًا للبحث. يجري التعرّف على جهازك أنت — ولا يُرفع المستند أبدًا.

يعمل على جهازكمجاني وبلا حدودتعرّف على النصوص بالذكاء الاصطناعي، على جهازك

أفلت الملفات هنا

أو

يقبل .pdf · ملف واحد في كل مرة · حتى 150 MB لكل ملف «الرفع» و«التنزيل» هنا يعنيان أن متصفحك يقرأ ملفًا من هذا الجهاز ويكتب ملفًا إليه. لا يُرسل ملفك إلى أي خادم — افتح لوحة الشبكة في متصفحك وراقب: لا يحمل أي طلب ملفك.

الأسئلة الشائعة: OCR لملفات PDF

بمَ تختلف هذه الأداة عن غيرها من أدوات OCR؟

في مكان إجراء العمل. التعرّف الضوئي على الحروف هو ميزة PDF الوحيدة التي يشغّلها القطاع كله على خوادمه، لذا فجعل مستند ممسوح قابلًا للبحث يعني إرساله إلى مكان ما — والمستندات التي يحتاج الناس إلى ذلك من أجلها هي العقود والفواتير والسجلات الطبية والشهادات. أما هنا فيعمل النموذج داخل متصفحك: يُنزَّل مرة واحدة، بحجم 21 MB تقريبًا، وبعدها لا يغادر الملف الجهاز أبدًا. يمكنك مراقبة لوحة الشبكة أثناء العمل فلن ترى أي طلب يحمل الملف.

ما مدى دقتها بصراحة؟

جيدة، لكنها غير مضمونة. على مجموعة اختبار من ست عشرة صفحة مُصيَّرة بميلان 0.3 درجة — لأن أي مسح حقيقي فيه بعض الميلان دائمًا — بلغت نسبة استرجاع الحروف 95.2%. الصفحات النظيفة المستقيمة تحقق نتيجة أعلى؛ أما الأختام والكتابة اليدوية والنسخ الباهتة والصفحات المصوّرة بزاوية فنتيجتها أقل، وأحيانًا أقل بكثير. تعامل معها على أنها تجعل المستند قابلًا للعثور عليه لا على أنها نسخ حرفي: الكلمات التي تبحث عنها ستكون موجودة في الغالب، لكن هذا ليس تفريغًا نصيًا بمستوى يصلح للأغراض القانونية.

هل يتغير المستند الممسوح نفسه؟

لا، وهذا أمر متحقَّق منه لا مجرد ادعاء: بعد التشغيل، تطابق بصمة SHA-256 لكل تدفق صورة في الناتج نظيرتها في المدخل تمامًا. لا يُفك ترميز الصفحات ولا يُعاد ترميزها ولا يُغيَّر حجمها — تُضاف فقط طبقة نصية ووصف خطها، وقد بلغ ذلك 5.1 KB في مستند ممسوح من صفحتين. وإن أردت أيضًا ملفًا أصغر، فاضغطه بعد ذلك لا بدلًا من ذلك: فالضغط يعيد ترميز الصور، وإجراؤه أولًا سيعطي أداة التعرّف ما هو أقل وضوحًا لتقرأه.

هل يمكنني رؤية النص المضاف أو تحديده؟

لا يمكنك رؤيته، لكن يمكنك تحديده. يُكتب النص بوضع التصيير الذي لا يرسم شيئًا، ويوضع فوق الكلمات التي جاء منها، فتبدو الصفحة كما هي بينما يجد البحث والنسخ وقارئات الشاشة الكلمات. وهذا يعني أيضًا أنه لا يُضمَّن أي خط — فالحروف لا تُرسم أبدًا، ولا يلزم إلا جدول تعيين المحارف، فتكلفة الخط صفر بايت. وقد قُرئ الناتج عبر محرّكي PDF مستقلين لا عبر المحرّك الذي نستخدمه وحده، وأعاد كلاهما النص الصيني نفسه.

ماذا لو كان في ملف PDF نص بالفعل؟

يُترك كما هو وتخبرك الأداة بذلك. ملف PDF المُصدَّر من Word قابل للبحث أصلًا، ووضع طبقة تعرّف فوقه سيجعل كل نتيجة بحث تظهر مرتين وكل نسخ يخرج مكررًا. ما تتحقق منه الأداة هو ما إذا كانت الصفحات تحمل نصًا أصلًا، بأخذ عينات من أنحاء المستند؛ فإن كانت كذلك، فلا يوجد هنا ما يُضاف.

كم يستغرق ذلك؟

بضع ثوانٍ للصفحة الصينية أو الإنجليزية العادية — قيست بين 2.4 و4.0 ثوانٍ على حاسوب مكتبي مزوّد بتسريع العتاد — إضافة إلى تنزيل النموذج مرة واحدة. أما صفحة أكاديمية كثيفة من عمودين، فيها أربعة آلاف حرف، فاستغرقت نحو أربع عشرة ثانية. يتبع الوقت كمية النص في الصفحة لا حجم الصفحة، وسيكون الهاتف أبطأ بعدة أضعاف.

محوّل PDF

أدوات PDF

محوّل PDFعن PDF