OCR PDF - Make a Searchable PDF Online Free

PDF gambar biasa adalah gambar datar yang dibungkus dalam wadah .pdf — Anda tidak bisa menyeleksi, menyalin, atau mencari teks di dalamnya. PDF yang dapat dicari memiliki lapisan teks OCR tak terlihat yang sejajar di belakang setiap karakter yang terlihat, sehingga Ctrl+F menemukan kata, Salin berfungsi, dan pembaca layar bisa membacakan halaman dengan suara sementara tampilan visualnya tetap identik.

Mesin OCR membaca setiap kata dan menyimpan teks serta kotak pembatasnya di belakang gambar asli pada koordinat piksel yang tepat. Secara visual halaman tampak identik dengan hasil pindai aslinya, tetapi Adobe Acrobat, Preview, Chrome, dan setiap penampil PDF modern kini dapat memilih, mencari, dan menyalin teks seolah-olah itu teks digital asli.

Ya. Lapisan teks berupa PDF standar (tanpa ekstensi berpemilik), jadi Adobe Acrobat (Reader dan Pro), macOS Preview, penampil PDF bawaan Chrome, Firefox, Edge, dan pembaca seluler seperti aplikasi Files, Drive, dan Dropbox semuanya mengindeks dan mencarinya. Ctrl+F atau Cmd+F menemukan kata dalam hitungan detik, bahkan dalam laporan pindaian yang panjang.

Ya. Berikan beberapa kode bahasa (misalnya eng+chi_sim+hin) dan OCR akan mempertimbangkan semuanya saat membaca karakter. Dokumen beraksara campuran seperti menu dwibahasa, kontrak internasional, dan formulir pemerintah berfungsi dengan rapi. Untuk hasil terbaik, letakkan bahasa yang paling mungkin di awal daftar.

Lapisan teks biasanya menambah 5–15% pada ukuran PDF — umumnya beberapa ratus kilobyte per 100 halaman. Dibandingkan dengan manfaatnya (pencarian teks lengkap di seluruh arsip dokumen Anda), itu harga yang murah. Jika ukuran penting untuk email, jalankan hasilnya melalui PDF Compress untuk memangkas gambar tertanam berukuran besar lebih jauh.

Unggahan diproses di folder kerja sementara dan otomatis dihapus dalam hitungan menit setelah konversi selesai. Kami tidak pernah melatih model dengan file pengguna, tidak pernah membagikannya, dan tidak pernah menambahkan tanda air. Hal ini membuat alat ini aman untuk arsip pindaian hukum, HR, medis, dan akuntansi yang paling mengutamakan kerahasiaan.

Alat ini membaca file gambar (JPG, PNG, TIFF, pindaian, dan foto) dan mengembalikan PDF yang dapat dicari. Jika Anda sudah memiliki PDF pindaian multi-halaman, pisahkan dulu menjadi gambar per halaman dengan alat PDF ke Gambar, lalu masukkan gambar-gambar itu di sini untuk mendapatkan kembali satu PDF ber-OCR yang dapat dicari.

Unggah JPG, PNG, WEBP, GIF, TIFF, atau BMP — foto ponsel, pindaian flatbed, dan tangkapan layar semua bisa. Mesin OCR membaca teks dan membungkusnya dalam lapisan tak terlihat di belakang gambar, sehingga hasilnya berupa PDF biasa yang dapat dicari dan terbuka di penampil apa pun.

PDF yang dapat dicari memerlukan lapisan teks hOCR tertanam dengan kotak pembatas per kata, yang hanya dapat dihasilkan oleh mesin berbasis Tesseract (Engine 1 dan Engine 2) — mesin PaddleOCR 'Default' yang digunakan di bagian lain aplikasi tidak dapat menghasilkan lapisan itu. Engine 1 adalah proses Tesseract standar dengan dukungan bahasa terluas; Engine 2 bisa lebih baik pada pindaian bergaya atau berkualitas rendah.

Buka pemilih Bahasa di Pengaturan dan pilih bahasa dokumen (bahasa Inggris secara default) — ini adalah pengaturan tunggal yang paling penting untuk akurasi OCR, karena pengenalan karakter engine bersifat spesifik bahasa. Klik Jalankan ulang konversi setelah mengubahnya untuk membangun ulang PDF dengan lapisan teks baru.

Pilih Engine 1 untuk cakupan bahasanya yang lebih luas, dan atur pemilih Language ke bahasa utama kontrak. Jika bagian penting dalam bahasa kedua masih tidak cocok saat Anda mencari, jalankan ulang konversi dengan Engine 2 atau bahasa sekunder yang dipilih pada proses kedua.

Ini diperbarui secara otomatis — beralih dropdown Engine atau Language langsung memproses ulang gambar yang diunggah dan membangun ulang PDF yang dapat dicari dengan pengaturan yang baru, tanpa perlu klik. Tombol Re-run conversion terutama berguna untuk mencoba lagi pengaturan yang persis sama, misalnya setelah konversi yang gagal atau putus jaringan singkat.