Extrahovanie textu zo skenovaných PDF — Bezplatné online OCR

Oskenovali ste zmluvu, účtenku alebo kôpku starých zápisníc z porád. Výsledok je PDF — ale nie ten užitočný druh. Nedá sa vyhľadávať, kopírovať ani vkladať. Text je uväznený v obrázku. OCR (optické rozpoznávanie znakov) je technológia, ktorá ho oslobodí. Táto príručka vás prevedie procesom pomocou bezplatného nástroja v prehliadači, ktorý vaše súbory nikdy nenahráva na žiadny server.

Kedy potrebujete PDF OCR

Nie každé PDF potrebuje OCR. Ak viete text zvýrazniť a skopírovať, PDF už obsahuje skutočné textové dáta. Ale ak výber textu nefunguje, pozeráte sa na skenovaný obrázok maskovaný ako PDF.

• Skenované zmluvy a právne dokumenty — najmä staré, prijaté faxom alebo poštou
• Papierové účtenky a faktúry skenované pre vyúčtovanie výdavkov alebo daňové priznanie
• Akademické práce z knižničných skenerov, najmä publikácie spred roku 2010
• Úradné formuláre skenované na priehradke (imigrácia, povolenia, daňové priznania)
• Ručne písané poznámky z porád alebo fotografie tabule uložené ako PDF

Ako extrahovať text: krok za krokom

Celý proces trvá menej ako dve minúty. Bez vytvárania účtu, bez emailu, bez inštalácie softvéru.

• Otvorte batch-printer.com/tools/pdf/ocr v ľubovoľnom prehliadači — Chrome, Safari, Firefox alebo Edge. Funguje aj na telefóne a tablete.
• Presuňte skenované PDF do oblasti nahrávania. Vyberte OCR engine: Standard (PP-OCR, rýchly, dobrý pre tlačený text) alebo Premium (Florence-2, stiahnutie 223MB, lepší pre zložité rozloženia).
• Kliknite na „Spustiť OCR." Nástroj spracuje dokument úplne v prehliadači. Po dokončení skopírujte extrahovaný text alebo stiahnite prehľadávateľné PDF.

Tipy pre lepšie výsledky OCR

• Skenujte pri 300 DPI alebo vyššie.
• Udržujte dokument rovný a rovnomerne osvetlený.
• Zarovnajte dokument — aj 5 stupňov naklonenia môže znížiť presnosť o 10-15%.
• Pre dokumenty s tabuľkami vedľa odsekov použite Premium.
• Pre nelatinkové písma je Standard PP-OCR často lepší.

Engine Standard vs Premium

Standard (PP-OCR): rýchly a ľahký, vynikajúci pre čisté tlačené dokumenty, podporuje 18 jazykov. Premium (Florence-2): 223MB AI model stiahnutý raz a spustený lokálne, výrazne lepší v porozumení zložitým rozloženiam. Oba bežia úplne v prehliadači bez odosielania dokumentov na server.

Súkromie: prečo je OCR na strane klienta dôležité

Väčšina online OCR nástrojov nahráva dokument na vzdialený server. OCR na strane klienta toto úplne eliminuje — engine beží v záložke prehliadača, PDF nikdy neopustí vaše zariadenie. Pre dokumenty s osobnými údajmi to nie je bonus — je to jediný zodpovedný prístup.

Čo OCR nedokáže

• Vážne poškodené dokumenty — vodné škvrny, roztrhané okraje, rozmazaný atrament.
• Skeny s veľmi nízkym rozlíšením — pod 150 DPI.
• Zložité ručné písmo — čitateľné tlačené písmená fungujú, ale kurzíva nie.
• Dekoratívne fonty a umelecký text.
• Matematické vzorce a chemické zápisy.

Často kladené otázky

Dokáže OCR prečítať ručné písmo? Čiastočne. Čitateľné tlačené písmená fungujú s Premium. Kurzíva alebo veľmi osobné písmo zostáva nespoľahlivé.

Aké jazyky sú podporované? Standard podporuje 18 jazykov vrátane slovenčiny, angličtiny, japončiny, kórejčiny, čínštiny a ďalších. Premium je optimalizovaný pre angličtinu a hlavné európske jazyky.

Je to naozaj zadarmo? Áno. Bez účtu, bez skúšobnej doby, bez limitu strán.

Môžem OCR viacstranový dokument? Áno. Každá strana sa spracuje postupne.

Aké výstupné formáty sú k dispozícii? Dva: obyčajný text a prehľadávateľné PDF s neviditeľnou vrstvou rozpoznaného textu nad originálnym skenom.