PDF OCR

नहीं। पढ़ने वाला इंजन, Tesseract, इसी ब्राउज़र टैब में चलता है। पहली बार इस्तेमाल करने पर इंजन और आपकी चुनी भाषा इसी साइट से डाउनलोड होते हैं, किसी और की साइट से नहीं, और आपका ब्राउज़र उन्हें रख लेता है। PDF इसी डिवाइस पर पढ़ी और दोबारा लिखी जाती है, और कहीं नहीं भेजी जाती।

नहीं। हर पेज बिल्कुल वैसा ही रहता है। शब्द एक अदृश्य परत के रूप में ठीक वहीं जुड़ते हैं जहाँ वे स्कैन में दिखते हैं, इसलिए कोई वाक्य चुनने पर हाइलाइट छपे हुए शब्दों पर ही आता है। कुछ भी दोबारा बनाया या कंप्रेस नहीं होता, और फ़ाइल हर पेज पर कुछ किलोबाइट ही बढ़ती है।

अंग्रेज़ी, स्पैनिश, फ़्रेंच, जर्मन, पुर्तगाली, इतालवी, इंडोनेशियाई, मलय, फ़िलिपीनो, स्वाहिली, वियतनामी, हिंदी, नेपाली, सरलीकृत चीनी, जापानी और कोरियाई। वही भाषा चुनें जिसमें दस्तावेज़ लिखा है। हर भाषा तभी डाउनलोड होती है जब आप उसे चुनते हैं, और उसका साइज़ पहले दिखा दिया जाता है। अरबी अभी नहीं है: उसे पढ़ा जा सकता है, पर कुछ PDF रीडर नतीजा उल्टा दिखाते हैं, और जिस खोज में शब्द मिलें ही नहीं, वह किसी काम की नहीं।

कंप्यूटर पर हर पेज में कुछ सेकंड। Chrome में 4-कोर मशीन पर नापने पर औसत 3 से 9 सेकंड प्रति पेज आया: रसीद सबसे जल्दी हुई, छोटे अक्षरों से भरा पत्रिका का पूरा पेज सबसे धीरे, और सबसे भरे हुए एक पेज में 11 सेकंड लगे। फ़ोन पर यह धीमा होता है। पहली बार कुछ भी पढ़ने से पहले इंजन और भाषा डाउनलोड होते हैं, अंग्रेज़ी के लिए लगभग 4 MB, और उसके बाद आपका ब्राउज़र उन्हें रख लेता है। आप इसे किसी दूसरे टैब में चलता छोड़ सकते हैं, और «रोकें» किसी भी समय काम करता है।

साफ़ छपे पेजों पर लगभग हर शब्द: OCR के एक मानक टेस्ट सेट से पत्रिका और रिपोर्ट के दो पेजों पर 99% शब्द सही आए। जर्मन, स्पैनिश, फ़्रेंच, जापानी और चीनी के असली स्कैन किए फ़ॉर्म पर 91 से 96%। दुकान की स्कैन की गई रसीदों पर, जो थर्मल पेपर पर छोटे अक्षरों में होती हैं, 79%। ग़लतियाँ ज़्यादातर नामों, नंबरों और छोटे अक्षरों में होती हैं, इसलिए इन पर भरोसा करने से पहले इन्हें जाँच लें। काम पूरा होने पर बताया जाता है कि किन पेजों को पढ़ने में दिक्कत आई।

उन्हें बिल्कुल वैसा ही छोड़ दिया जाता है, और शुरू करने से पहले पेज पर बता दिया जाता है कि वे कौन-से हैं। उन्हें फिर से पढ़ने पर हर शब्द की दूसरी कॉपी पहली के ऊपर बैठ जाती। अगर हर पेज में पहले से टेक्स्ट है, तो यह बता देता है और कुछ नहीं करता।

नहीं। Tesseract छपे टेक्स्ट के लिए बना है। हाथ की लिखावट से या तो बेतुके शब्द निकलते हैं या कुछ भी नहीं, और जिस पेज पर पढ़ने लायक कुछ न मिले, काम ख़त्म होने पर उसका नाम बता दिया जाता है।

हाँ। काम पूरा होने पर टेक्स्ट को .txt फ़ाइल के रूप में लेने का बटन आता है, जिसमें हर पेज क्रम से होता है। जिन पेजों में पहले से टेक्स्ट था, वे भी जैसे थे वैसे ही शामिल होते हैं।