Извлекайте Текст из Любого PDF или Изображения
OCR на более чем 30 языках. Экспортируйте как PDF с возможностью поиска, Word DOCX, TXT или Markdown. Работает полностью в вашем браузере — ничего не отправляется на сервер.
Перетащите или нажмите, чтобы загрузить
Отсканированный PDF, JPG, PNG, WebP или TIFF
Максимум 100 страниц на PDF · Поддержка нескольких изображений
Инициализация…
Ваш файл готов
Поддерживаемые языки
Форматы экспорта
- PDF с возможностью поиска (рекомендуется) — Исходный макет сохранён; текст можно выделить в любом просмотрщике PDF
- Документ Word (.docx) — Открывайте и редактируйте в Microsoft Word или Google Docs
- Обычный текст (.txt) — Чистый текстовый вывод в кодировке UTF-8
- Markdown (.md) — Структурированный текст, сгруппированный по абзацам
100% Конфиденциально
Вся обработка OCR выполняется в вашем браузере с помощью WebAssembly. Ваши файлы никогда не отправляются ни на один сервер — даже на наш. Обработка так же конфиденциальна, как чтение документа на собственном экране.
Зачем AI OCR от PDFlexa?
Движок Tesseract LSTM
На основе нейронной сети LSTM Tesseract — отраслевого стандарта для OCR с открытым исходным кодом, с точностью распознавания слов 95–99% на чистых документах.
Сохранение Макета
Экспорт в PDF с возможностью поиска сохраняет исходное изображение страницы нетронутым и добавляет невидимый текстовый слой — сохраняя каждое поле, столбец и визуальный элемент.
Фоновая Обработка
Выделенный Web Worker выполняет OCR в фоновом потоке — вкладка вашего браузера остаётся полностью интерактивной во время обработки больших многостраничных документов.
33 Языка
От арабского и китайского до украинского и тайского — охватывает практически все основные языки мира, включая письменности справа налево.
4 Формата Экспорта
PDF с возможностью поиска, Word DOCX, простой TXT и Markdown — экспортируйте прямо в формат, подходящий для вашего рабочего процесса, без этапа конвертации.
Нулевое Хранение Данных
Поскольку обработка никогда не покидает ваш браузер, нет файлов, которые нужно хранить или удалять. Ваши документы так же конфиденциальны, как файл на вашем собственном столе.
Как извлечь текст из отсканированного PDF
Загрузите ваш сканированный PDF или изображение
Перетащите сканированный PDF, JPG, PNG, WebP или TIFF в область загрузки, или нажмите «Выбрать файл» для просмотра. Поддерживаются многостраничные PDF и несколько файлов изображений.
Выберите язык и формат вывода
Выберите язык, на котором написан документ, из 33 доступных вариантов. Затем выберите предпочитаемый формат экспорта — для максимальной совместимости рекомендуется PDF с возможностью поиска.
Нажмите «Начать OCR» и скачайте
Движок OCR обрабатывает ваш документ в фоновом воркере. Индикатор прогресса показывает, какая страница обрабатывается в данный момент. По завершении сразу же скачайте результат.
Часто задаваемые вопросы об OCR
Что такое OCR и как это работает?
OCR (оптическое распознавание символов) преобразует изображения текста — сканированные документы, фотографии печатных страниц или PDF, состоящие только из изображений, — в машиночитаемые символы. Движок анализирует пиксельные узоры и сопоставляет их с буквами, цифрами и знаками препинания. Pdflexa использует Tesseract, самый точный в мире OCR-движок с открытым исходным кодом, работающий полностью в вашем браузере.
Какие форматы файлов принимает инструмент OCR?
Вы можете загружать сканированные PDF-файлы, а также изображения JPEG/JPG, PNG, WebP и TIFF. Многостраничные PDF обрабатываются постранично (до 100 страниц на файл). Пакетная загрузка позволяет обрабатывать несколько изображений одновременно.
Сколько языков поддерживает движок OCR?
Движок OCR поддерживает 33 языка, включая русский, английский, испанский, французский, немецкий, китайский (упрощённый и традиционный), японский, корейский, арабский, хинди и другие. Выберите правильный язык документа перед обработкой, чтобы максимизировать точность.
Загружается ли мой документ на серверы Pdflexa?
Нет. Каждый этап — рендеринг PDF, распознавание OCR и создание результата — выполняется полностью внутри вашего браузера с помощью WebAssembly и JavaScript. Ваши файлы никогда не покидают ваше устройство, что делает этот инструмент самым приватным OCR-инструментом, доступным онлайн.
Какие форматы вывода я могу экспортировать?
Вы можете экспортировать распознанный текст как PDF с возможностью поиска (исходное изображение с невидимым текстовым слоем, делающим его выделяемым и копируемым в любом просмотрщике PDF), простой TXT, Microsoft Word DOCX или Markdown. Все форматы сохраняют логический порядок чтения текста.
Насколько точно распознавание текста?
Точность зависит от качества документа, разрешения и языка. Чистые сканы высокого разрешения (300 dpi и выше) на поддерживаемом языке обычно достигают точности распознавания слов более 98% с движком LSTM Tesseract. Рукописный текст, декоративные шрифты, документы с низким контрастом или страницы со смешанными языками будут иметь более низкую точность.
Могу ли я распознать большой PDF с множеством страниц?
Да. Движок OCR обрабатывает страницы последовательно с помощью фонового Web Worker, поэтому интерфейс вашего браузера остаётся отзывчивым на протяжении всего процесса. Поддерживается до 100 страниц на файл. Для очень больших документов обработка может занять несколько минут — индикатор прогресса в реальном времени показывает, какая страница сейчас обрабатывается.
Сохраняет ли OCR исходный макет документа?
Экспорт в PDF с возможностью поиска идеально сохраняет исходный визуальный макет, поскольку изображение страницы остаётся нетронутым, а текст записывается как невидимый наложенный слой. При экспорте в TXT, DOCX и Markdown текст извлекается в порядке чтения, но визуальное форматирование (столбцы, таблицы) приблизительно, а не точно воспроизводится.