PixelVault تصاویر کو ایسے OCR کے ساتھ متن میں بدلتا ہے جو مکمل طور پر آپ کے براؤزر میں چلتا ہے۔ ایرر پیغامات کے اسکرین شاٹس، کتاب کے صفحات کی تصاویر، اسکین شدہ خطوط، رسیدیں، سائن بورڈز، وائٹ بورڈز — انہیں شامل کریں اور متن دوسری طرف سے نکل آتا ہے، قابلِ انتخاب اور قابلِ ترمیم۔ عام "تصویر سے متن" ویب سائٹس کے برعکس، کچھ بھی اپ لوڈ نہیں ہوتا: شناختی انجن خود آپ کے آلے پر چلتا ہے۔
بیس شناختی زبانیں دستیاب ہیں، انگریزی، ہسپانوی اور جرمن سے لے کر عربی، ہندی، جاپانی، کورین اور سادہ و روایتی دونوں چینی تک۔ مخلوط زبان کی دستاویزات کے لیے آپ ایک ساتھ تین تک فعال کر سکتے ہیں۔ ہر زبان پیک ایک چھوٹا یک وقتی ڈاؤن لوڈ (تقریباً 1–3 MB) ہے جسے آپ کا براؤزر کیش رکھتا ہے۔
نتیجہ ایک قابلِ ترمیم ٹیکسٹ باکس میں اعتماد کے اسکور کے ساتھ ظاہر ہوتا ہے، اس لیے آپ استعمال سے پہلے کسی عجیب حرف کو درست کر سکتے ہیں۔ سب کچھ ایک کلک سے کلپ بورڈ پر کاپی کریں، یا اپنی تصویر کے نام سے .txt فائل کے طور پر ڈاؤن لوڈ کریں۔
یہ کیسے کام کرتا ہے
PixelVault Tesseract کا استعمال کرتا ہے، جو سب سے وسیع پیمانے پر تعینات کھلے ذرائع کا OCR انجن ہے، WebAssembly میں کمپائل کیا گیا تاکہ یہ آپ کے براؤزر کے اندر چل سکے۔ پہلی بار استعمال پر یہ انجن (تقریباً 5 MB) اور آپ کی منتخب کردہ زبانوں کا تربیت یافتہ ڈیٹا ڈاؤن لوڈ کرتا ہے — کچھ بھی حاصل کرنے سے پہلے آپ کو درست سائز بتا دیا جاتا ہے۔ تصویر کا ایک پس منظر تھریڈ میں تجزیہ کیا جاتا ہے: انجن لائنیں اور الفاظ تلاش کرتا ہے، اپنے لینگویج ماڈل کے مقابلے حروف کی شناخت کرتا ہے، اور سادہ متن کے ساتھ اعتماد کا تخمینہ لوٹاتا ہے۔ سب کچھ مقامی طور پر کیش ہوتا ہے، اس لیے دوسری بار سے یہ آف لائن بھی کام کرتا ہے۔
لوکل پروسیسنگ کیوں اہم ہے
جو تصاویر لوگ OCR سے گزارتے ہیں وہ عموماً حساس ہوتی ہیں: معاہدے، انوائسز، شناختی دستاویزات، طبی خطوط، نجی چیٹس۔ انہیں کسی OCR سروس کو اپ لوڈ کرنے کا مطلب ہے کہ وہ دستاویزات، کم از کم مختصر مدت کے لیے، کسی اور کے بنیادی ڈھانچے پر بیٹھتی ہیں۔ مقامی OCR اُس نمائش کو مکمل طور پر ختم کر دیتا ہے — پکسلز کبھی آپ کی مشین سے باہر نہیں جاتے، اور دوسری طرف کوئی سروس نہیں جو آپ کی دستاویزات کو لاگ، کیش یا اُن پر تربیت کرے۔
معاون فارمیٹس
- PNG / JPG — اسکرین شاٹس اور تصاویر — سب سے عام OCR ذرائع۔
- WebP / AVIF / BMP / GIF — سب ان پٹ کے طور پر قبول کیے جاتے ہیں۔
- HEIC — دستاویزات کی iPhone تصاویر پہلے مقامی طور پر ڈی کوڈ ہوتی ہیں۔
- TXT — آؤٹ پٹ: سادہ متن، کاپی یا ڈاؤن لوڈ کے لیے تیار۔
عام استعمالات
- ایرر پیغام کو دوبارہ ٹائپ کرنے کے بجائے اسکرین شاٹ سے کاپی کریں۔
- کسی چھپے ہوئے خط، ترکیب یا کتاب کے صفحے کو ڈیجیٹائز کریں۔
- کسی تصویر کھینچی گئی رسید یا انوائس سے ٹیبل یا حوالہ نمبر نکالیں۔
- میٹنگ کے بعد سلائیڈ یا وائٹ بورڈ کی تصویر سے متن حاصل کریں۔
- سوشل میڈیا پر تصاویر سے اقتباسات کو قابلِ ترمیم دستاویز میں کھینچیں۔