Kép szöveggé (OCR)

Alakítsd a képeket szerkeszthető szöveggé anélkül, hogy bárhová feltöltenéd őket. Adj hozzá egy képernyőképet, egy fotót egy dokumentumról, egy szkennelt oldalt vagy egy táblát, és egy helyi OCR-motor közvetlenül az eszközödön olvassa be a szöveget — 20 nyelven, beleértve a vegyes nyelvű oldalakat is. Szerkeszd az eredményt, másold a vágólapra, vagy töltsd le .txt fájlként. Az OCR-motor csak egyszer, az első használatkor töltődik le, és gyorsítótárba kerül; a képeid soha nem hagyják el a böngészőt.

Adatvédelem az első helyen: minden kép helyben, a böngésződben kerül feldolgozásra. Semmi sem kerül feltöltésre, tárolásra vagy elküldésre bármilyen szerverre.

A PixelVault OCR-rel alakítja a képeket szöveggé, amely teljes egészében a böngésződben fut. Hibaüzenetek képernyőképei, könyvoldalak fotói, szkennelt levelek, nyugták, táblák, fehértáblák — add hozzá őket, és a szöveg a másik végén jön ki, kijelölhetően és szerkeszthetően. A szokásos „kép szöveggé” webhelyekkel ellentétben semmi sem kerül feltöltésre: maga a felismerő motor az eszközödön fut.

Húsz felismerési nyelv áll rendelkezésre, az angoltól, a spanyoltól és a némettől az arabig, a hindiig, a japánig, a koreaiig és a kínaiig egyszerűsített és hagyományos formában. Vegyes nyelvű dokumentumokhoz egyszerre akár hármat is bekapcsolhatsz. Minden nyelvi csomag egy kis, egyszeri letöltés (körülbelül 1–3 MB), amelyet a böngésződ gyorsítótárba tesz.

Az eredmény egy szerkeszthető szövegmezőben jelenik meg egy megbízhatósági pontszámmal együtt, így kijavíthatsz egy furcsa karaktert, mielőtt használnád. Másold az egészet a vágólapra egy kattintással, vagy töltsd le a képed nevével ellátott .txt fájlként.

Hogyan működik

A PixelVault a Tesseractot használja, a legelterjedtebb nyílt forráskódú OCR-motort, WebAssembly-be fordítva, hogy a böngésződben futhasson. Az első használatkor letölti a motort (körülbelül 5 MB) és a kiválasztott nyelvekhez tartozó betanított adatokat — a pontos méretről tájékoztatunk, mielőtt bármi letöltődne. A képet egy háttérszálon elemzi: a motor megtalálja a sorokat és a szavakat, felismeri a karaktereket a nyelvi modelljéhez képest, és sima szöveget, valamint egy megbízhatósági becslést ad vissza. Minden helyben gyorsítótárba kerül, így a második futtatástól offline is működik.

Miért fontos a helyi feldolgozás

Azok a képek, amelyeket az emberek OCR-en futtatnak, általában az érzékenyek: szerződések, számlák, személyi okmányok, orvosi levelek, privát beszélgetések. Ezek feltöltése egy OCR-szolgáltatásba azt jelenti, hogy azok a dokumentumok legalább rövid ideig valaki más infrastruktúráján fekszenek. A helyi OCR teljesen megszünteti ezt a kitettséget — a pixelek soha nem hagyják el a számítógépedet, és a másik végén nincs szolgáltatás, amely naplózná, gyorsítótárazná vagy a dokumentumaidon tanulna.

Támogatott formátumok

  • PNG / JPG — Képernyőképek és fotók — a leggyakoribb OCR-források.
  • WebP / AVIF / BMP / GIF — Mind támogatott bemenetként.
  • HEIC — Az iPhone dokumentumfotói először helyben dekódolódnak.
  • TXT — Az eredmény: sima szöveg, készen a másolásra vagy letöltésre.

Gyakori felhasználások

  • Másolj ki egy hibaüzenetet egy képernyőképről ahelyett, hogy újragépelnéd.
  • Digitalizálj egy nyomtatott levelet, receptet vagy könyvoldalt.
  • Nyerj ki egy táblázatot vagy hivatkozási számot egy lefotózott nyugtából vagy számláról.
  • Szerezz szöveget egy diáról vagy egy fehértábla fotójáról egy megbeszélés után.
  • Húzz ki idézeteket közösségi média képekből egy szerkeszthető dokumentumba.

Gyakran ismételt kérdések

Feltöltésre kerül a képem a szöveg kinyeréséhez?
Nem. A felismerés a saját eszközödön fut a Tesseract OCR-motor WebAssembly-verziójával. A dokumentumok, személyi okmányok, levelek és képernyőképek soha nem érnek szervert.
Miért van egyszeri letöltés?
Az OCR-motornak (≈5 MB) és az általad kiválasztott minden nyelvhez tartozó betanított adatcsomagnak (egyenként ≈1–3 MB) csak egyszer kell bekerülnie a böngésződbe. A méretről tájékoztatunk, mielőtt bármi letöltődne, és minden helyben gyorsítótárba kerül — a további futtatások azonnal működnek, offline is.
Mely nyelvek támogatottak?
Húsz: angol, spanyol, portugál, francia, német, olasz, holland, lengyel, ukrán, orosz, török, arab, hindi, indonéz, vietnami, japán, koreai, kínai (egyszerűsített és hagyományos) és észt. Vegyes nyelvű képekhez egyszerre akár hármat is kiválaszthatsz.
Mennyire pontos?
Tiszta képernyőképeken és szkenneléseken nagyon pontos. A fotók akkor működnek a legjobban, ha a szöveg éles, jól megvilágított és nagyjából vízszintes. Minden eredménnyel megjelenik egy megbízhatósági pontszám, és az eredmény szerkeszthető, így másolás előtt kijavíthatod az elkóborolt karaktereket.
Mit tehetek az eredménnyel?
A kinyert szöveg egy szerkeszthető mezőben jelenik meg — másold egy kattintással, vagy töltsd le a képed nevével ellátott .txt fájlként.
Tudja olvasni a kézírást?
Nem — mint a legtöbb OCR-motor, ez is nyomtatott és képernyőn megjelenő szövegre készült. A rendezett nyomtatott nagybetűk néha működnek, de a folyóírás nem támogatott.