Larawan sa Teksto (OCR)

Gawing nae-edit na teksto ang mga larawan nang hindi ina-upload ang mga ito kahit saan. Magdagdag ng screenshot, larawan ng dokumento, scan, o karatula, at isang lokal na OCR engine ang bumabasa ng teksto direkta sa iyong device — sa 20 wika, kasama ang mga pahinang may magkakahalong wika. I-edit ang resulta, kopyahin ito sa clipboard, o i-download ito bilang .txt na file. Ang OCR engine ay nada-download nang isang beses lang sa unang paggamit at naka-cache; ang iyong mga larawan ay hindi kailanman umaalis sa browser.

Privacy muna: bawat larawan ay pinoproseso nang lokal sa iyong browser. Walang ina-upload, iniimbak, o ipinapadala sa anumang server.

Ginagawa ng PixelVault na teksto ang mga larawan gamit ang OCR na tumatakbo nang buo sa iyong browser. Mga screenshot ng error message, larawan ng mga pahina ng libro, na-scan na sulat, resibo, karatula, whiteboard — idagdag ang mga ito, at ang teksto ay lumalabas sa kabilang dulo, napipili at nae-edit. Hindi tulad ng karaniwang mga website na tipong “larawan papuntang teksto,” walang ina-upload: ang recognition engine mismo ay tumatakbo sa iyong device.

May dalawampung recognition na wika na magagamit, mula sa Ingles, Espanyol, at Aleman hanggang Arabo, Hindi, Hapon, Koreano, at Tsino sa pinasimple at tradisyonal na anyo. Maaari kang mag-on ng hanggang tatlo nang sabay-sabay para sa mga dokumentong may magkakahalong wika. Ang bawat language pack ay isang maliit, one-time download (mga 1–3 MB) na ni-cache ng iyong browser.

Ang resulta ay lumalabas sa isang nae-edit na text field kasama ang isang confidence score, kaya maaari mong itama ang isang kakaibang karakter bago ito gamitin. Kopyahin ang lahat sa clipboard sa isang click o i-download ito bilang .txt na file na pinangalanan ayon sa iyong larawan.

Paano ito gumagana

Gumagamit ang PixelVault ng Tesseract, ang pinakalaganap na open-source na OCR engine, na na-compile papuntang WebAssembly para makatakbo ito sa iyong browser. Sa unang paggamit, dina-download nito ang engine (mga 5 MB) at ang trained data para sa iyong mga napiling wika — sinasabihan ka tungkol sa eksaktong laki bago kunin ang anuman. Ang larawan ay ina-analyze sa isang background thread: hinahanap ng engine ang mga linya at salita, kinikilala ang mga karakter laban sa language model nito, at nagbabalik ng simpleng teksto kasama ang isang confidence estimate. Lahat ay naka-cache nang lokal, kaya mula sa ikalawang pagtakbo ay gumagana rin ito offline.

Bakit mahalaga ang lokal na pagproseso

Ang mga larawang pinapatakbo ng mga tao sa OCR ay kadalasan ang mga sensitibo: mga kontrata, invoice, ID, medical letter, pribadong usapan. Ang pag-upload ng mga ito sa isang OCR service ay nangangahulugang ang mga dokumentong iyon ay nakahiga, kahit sandali, sa imprastraktura ng iba. Ang lokal na OCR ay ganap na nag-aalis sa exposure na iyon — ang mga pixel ay hindi kailanman umaalis sa iyong computer, at sa kabilang dulo ay walang serbisyong nagla-log, nagka-cache, o natututo sa iyong mga dokumento.

Mga suportadong format

  • PNG / JPG — Mga screenshot at larawan — ang pinakakaraniwang OCR source.
  • WebP / AVIF / BMP / GIF — Lahat ay suportado bilang input.
  • HEIC — Ang mga document photo ng iPhone ay dini-decode muna nang lokal.
  • TXT — Ang resulta: simpleng teksto, handang kopyahin o i-download.

Mga karaniwang gamit

  • Kopyahin ang isang error message mula sa isang screenshot sa halip na i-type itong muli.
  • I-digitize ang isang naka-print na sulat, recipe, o pahina ng libro.
  • Kunin ang isang talahanayan o reference number mula sa isang na-litratong resibo o invoice.
  • Kunin ang teksto mula sa isang slide o mula sa isang larawan ng whiteboard pagkatapos ng isang miting.
  • Hilahin ang mga sipi mula sa mga larawan sa social media papuntang isang nae-edit na dokumento.

Mga madalas itanong

Ina-upload ba ang aking larawan para kunin ang teksto?
Hindi. Ang pagkilala ay tumatakbo sa sarili mong device gamit ang WebAssembly na bersyon ng OCR engine na Tesseract. Ang mga dokumento, ID, sulat, at screenshot ay hindi kailanman umaabot sa isang server.
Bakit may one-time download?
Ang OCR engine (≈5 MB) at isang pakete ng trained data para sa bawat wikang pipiliin mo (≈1–3 MB bawat isa) ay kailangang pumasok sa iyong browser nang isang beses lang. Sinasabihan ka tungkol sa laki bago mag-download ng anuman, at lahat ay naka-cache nang lokal — ang mga sumusunod na pagtakbo ay gumagana agad, kahit offline.
Anong mga wika ang suportado?
Dalawampu: Ingles, Espanyol, Portuges, Pranses, Aleman, Italyano, Olandes, Polako, Ukrainiano, Ruso, Turko, Arabo, Hindi, Indones, Vietnamese, Hapon, Koreano, Tsino (pinasimple at tradisyonal), at Estonyano. Maaari kang pumili ng hanggang tatlo nang sabay-sabay para sa mga larawang may magkakahalong wika.
Gaano ito katumpak?
Sa malilinaw na screenshot at scan, napakatumpak. Ang mga larawan ay gumagana nang pinakamahusay kapag malinaw ang teksto, maayos ang liwanag, at halos pahalang. Isang confidence score ang ipinapakita sa bawat resulta, at nae-edit ang resulta, kaya maaari mong itama ang mga naligaw na karakter bago kopyahin.
Ano ang magagawa ko sa resulta?
Ang nakuhang teksto ay lumalabas sa isang nae-edit na field — kopyahin ito sa isang click o i-download ito bilang .txt na file na pinangalanan ayon sa iyong larawan.
Kaya ba nitong basahin ang sulat-kamay?
Hindi — tulad ng karamihan sa mga OCR engine, ginawa ito para sa naka-print at nasa screen na teksto. Ang maayos na naka-print na malalaking titik ay minsan gumagana, ngunit hindi suportado ang cursive na sulat-kamay.