Naar de inhoud
Convertube

OCR PDF

Herken de tekst in een gescand document en voeg een onzichtbare laag toe, zodat je erin kunt zoeken. Draait op je eigen apparaat, zonder uploaden.

Draait op je apparaatGratis, onbeperktAI-tekstherkenning, op je apparaat

Sleep bestanden hierheen

of

Accepteert .pdf · Eén bestand tegelijk · tot 150 MB per stuk “Uploaden” en “downloaden” betekenen hier dat je browser een bestand van dit apparaat leest en het resultaat erop terugschrijft. Je bestand wordt nooit naar een server gestuurd — open het netwerkpaneel van je browser en kijk mee: geen enkel verzoek bevat je bestand.

OCR PDF — veelgestelde vragen

Waarin verschilt dit van alle andere OCR-tools?

In waar het werk gebeurt. Tekstherkenning is de ene PDF-functie die de hele branche op eigen servers draait, dus een scan doorzoekbaar maken betekent hem ergens naartoe sturen — en de scans waarvoor mensen dit nodig hebben, zijn contracten, facturen, medische dossiers en certificaten. Hier draait het model in je browser: het wordt één keer gedownload, ongeveer 21 MB, en daarna verlaat het bestand de computer nooit. Je kunt het netwerkpaneel bekijken terwijl het werkt: geen enkel verzoek bevat het bestand.

Hoe nauwkeurig is het, eerlijk gezegd?

Goed, en niet gegarandeerd. Op een testset van zestien pagina’s, gerenderd met 0,3 graad scheefstand — want een echte scan staat altijd wat scheef — kwam de tekenherkenning uit op 95,2%. Schone, rechte pagina’s scoren hoger; stempels, handschrift, vage kopieën en schuin gefotografeerde pagina’s scoren lager, soms veel lager. Zie het als een manier om een document vindbaar te maken, niet als een transcriptie: de woorden waar je naar zoekt, staan er meestal in, maar een transcriptie van juridische kwaliteit is dit niet.

Verandert de scan zelf?

Nee, en dat wordt gecontroleerd in plaats van beweerd: na een run komt de SHA-256 van elke beeldstream in het resultaat precies overeen met de invoer. De pagina’s worden nooit gedecodeerd, opnieuw gecodeerd of geschaald — er komt alleen een tekstlaag en de beschrijving van het lettertype bij, wat bij een scan van twee pagina’s 5,1 KB was. Wil je het bestand ook kleiner, comprimeer het dan achteraf en niet in plaats daarvan: comprimeren codeert de afbeeldingen opnieuw, en dat eerst doen zou de herkenning minder te lezen geven.

Kan ik de toegevoegde tekst zien of selecteren?

Zien niet, selecteren wel. De tekst wordt geschreven in de weergavemodus die niets tekent, gepositioneerd over de woorden waar hij vandaan komt, dus de pagina ziet er onaangeroerd uit terwijl zoeken, kopiëren en schermlezers de woorden allemaal vinden. Dat betekent ook dat er geen lettertype wordt ingesloten — de tekens worden nooit getekend, dus alleen de tekentoewijzing is nodig, en het lettertype kost nul bytes. Het resultaat is teruggelezen met twee onafhankelijke PDF-engines en niet alleen met de onze, en beide gaven dezelfde Chinese tekst terug.

Wat als de PDF al tekst bevat?

Dan blijft hij ongemoeid en meldt de tool dat. Een PDF die uit Word is geëxporteerd, is al doorzoekbaar, en er een herkenningslaag bovenop leggen zou elke zoekopdracht twee keer laten treffen en elke kopie dubbel laten uitvallen. De tool controleert of de pagina’s überhaupt tekst bevatten, met steekproeven door het document; als dat zo is, valt hier niets toe te voegen.

Hoelang duurt het?

Een paar seconden per pagina voor een gewone Chinese of Engelse pagina — gemeten op 2,4 tot 4,0 seconden op een desktop met hardwareversnelling — plus de eenmalige download van het model. Een dichte academische pagina in twee kolommen met vierduizend tekens duurde ongeveer veertien. De kosten volgen de hoeveelheid tekst op de pagina en niet het paginaformaat, en een telefoon is een paar keer trager.

PDF-converter

PDF-tools

PDF-converterOver PDF