অপটিক্যাল ক্যারেক্টার রিকগনিশন (OCR) টেক্সটের ছবি—স্ক্যান, স্মার্টফোনের ছবি, পিডিএফ—মেশিন-পাঠযোগ্য স্ট্রিং এবং কাঠামোবদ্ধ ডেটাতে রূপান্তরিত করে। আধুনিক OCR একটি পাইপলাইন যা এক টি ছবি পরিষ্কার করে, টেক্সট খুঁজে বের করে, তা পড়ে এবং সমৃদ্ধ মেটাডেটা রপ্তানি করে যাতে ডাউনস্ট্রিম সিস্টেমগুলি ডেটা অনুসন্ধান, সূচীকরণ বা নিষ্কাশন করতে পারে। দুটি বহুল ব্যবহৃত আউটপুট স্ট্যান্ডার্ড হলো hOCR, টেক্সট এবং লেআউটের জন্য একটি HTML মাইক্রোফরম্যাট, এবং ALTO XML, একটি লাইব্রেরি/আর্কাইভ-ভিত্তিক স্কিমা; উভয়ই অবস্থান, পড়ার ক্রম এবং অন্যান্য লেআউট সংকেত সংরক্ষণ করে এবং জনপ্রিয় ইঞ্জিন দ্বারা সমর্থিত Tesseract.
প্রিপ্রসেসিং। ওসিআর গুণমান ছবির পরিচ্ছন্নতার সাথে শুরু হয়: গ্রেস্কেল রূপান্তর, ডিনয়েজিং, থ্রেশহোল্ডিং (বাইনারাইজেশন), এবং ডেস্কিউইং। ক্যানোনিকাল OpenCV টিউটোরিয়ালগুলি গ্লোবাল, অভিযোজিত এবং Otsu থ্রেশহোল্ডিং—অমসৃণ আলো বা বাইমোডাল হিস্টোগ্রাম সহ নথিগুলির জন্য প্রধান। যখন একটি পৃষ্ঠার মধ্যে আলোকসজ্জা পরিবর্তিত হয় (ফোন স্ন্যাপের কথা ভাবুন), অভিযোজিত পদ্ধতিগুলি প্রায়শই একটি একক বিশ্বব্যাপী থ্রেশহোল্ডকে ছাড়িয়ে যায়; Otsu স্বয়ংক্রিয়ভাবে হিস্টোগ্রাম বিশ্লেষণ করে একটি থ্রেশহোল্ড বেছে নেয়। টিল্ট সংশোধন সমানভাবে গুরুত্বপূর্ণ: Hough-ভিত্তিক ডেস্কিউইং (Hough লাইন ট্রান্সফর্ম) Otsu বাইনারাইজেশনের সাথে যুক্ত হয়ে প্রোডাকশন প্রিপ্রসেসিং পাইপলাইনগুলিতে একটি সাধারণ এবং কার্যকর পদ্ধতি।
সনাক্তকরণ বনাম স্বীকৃতি। OCR সাধারণত টেক্সট সনাক্তকরণ (টেক্সট কোথায় আছে?) এবং টেক্সট স্বীকৃতি (এতে কী লেখা আছে?)-এ বিভক্ত। প্রাকৃতিক দৃশ্য এবং অনেক স্ক্যানে, সম্পূর্ণ কনভোলিউশনাল ডিটেক্টর যেমন EAST ভারী প্রস্তাবনার পর্যায় ছাড়াই দক্ষতার সাথে শব্দ- বা লাইন-স্তরের চতুর্ভুজগুলির পূর্বাভাস দেয় এবং সাধারণ টুলকিটে (যেমন, OpenCV-এর পাঠ্য সনাক্তকরণ টিউটোরিয়াল) প্রয়োগ করা হয়। জটিল পৃষ্ঠাগুলিতে ( সংবাদপত্র, ফর্ম, বই), লাইন/অঞ্চলের বিভাজন এবং পড়ার ক্রম অনুমান গুরুত্বপূর্ণ:Kraken ঐতিহ্যগত জোন/লাইন বিভাজন এবং নিউরাল বেসলাইন বিভাজন প্রয়োগ করে, বিভিন্ন স্ক্রিপ্ট এবং দিকনির্দেশের (LTR/RTL/উল্লম্ব) জন্য সুস্পষ্ট সমর্থন সহ।
স্বীকৃতি মডেল। ক্লাসিক ওপেন সোর্স ওয়ার্কহরস Tesseract (Google দ্বারা ওপেন সোর্স করা হয়েছে, যার শিকড় HP-তে রয়েছে) একটি অক্ষর ক্লাসিফায ়ার থেকে একটি LSTM-ভিত্তিক ক্রম শনাক্তকারীতে বিকশিত হয়েছে এবং অনুসন্ধানযোগ্য PDF, hOCR/ALTO-বান্ধব আউটপুটএবং CLI থেকে আরও অনেক কিছু নির্গত করতে পারে। আধুনিক শনাক্তকারীরা প্রাক-বিভক্ত অক্ষর ছাড়াই ক্রম মডেলিংয়ের উপর নির্ভর করে। Connectionist Temporal Classification (CTC) মৌলিক হিসাবে রয়ে গেছে, ইনপুট ফিচার সিকোয়েন্স এবং আউটপুট লেবেল স্ট্রিংগুলির মধ্যে প্রান্তিককরণ শেখা; এটি ব্যাপকভাবে হাতের লেখা এবং সিন-টেক্সট পাইপলাইনগুলিতে ব্যবহৃত হয়।
গত কয়েক বছরে, ট্রান্সফরমাররা OCR-কে নতুন আকার দিয়েছে। TrOCR একটি ভিশন ট্রান্সফরমার এনকোডার এবং একটি টেক্সট ট্রান্সফরমার ডিকোডার ব্যবহার করে, বৃহৎ সিন্থেটিক কর্পোরার উপর প্রশিক্ষিত এবং তারপর বাস্তব ডেটাতে ফাইন-টিউন করা হয়েছে, মুদ ্রিত, হস্তলিখিত এবং সিন-টেক্সট বেঞ্চমার্ক জুড়ে শক্তিশালী செயல்திறন সহ (দেখুন Hugging Face ডক্স)। সমান্তরালভাবে, কিছু সিস্টেম ডাউনস্ট্রিম বোঝার জন্য OCR-কে এড়িয়ে যায়: Donut (Document Understanding Transformer) একটি OCR-মুক্ত এনকোডার-ডিকোডার যা সরাসরি স্ট্রাকচার্ড উত্তর (যেমন কী-মান JSON) ডকুমেন্ট ছবি থেকে আউটপুট করে (রিপো, মডেল কার্ড), যখন একটি পৃথক OCR পদক্ষেপ একটি IE সিস্টেমকে ফিড করে তখন ত্রুটি জমা হওয়া এড়িয়ে যায়।
আপনি যদি অনেক স্ক্রিপ্ট জুড়ে ব্যাটারি-সহ টেক্সট রিডিং চান, EasyOCR 80+ ভাষা মডেল সহ একটি সহজ API অফার করে, বাক্স, টেক্সট এবং কনফিডেন্স প্রদান করে—প্রোটোটাইপ এবং অ-ল্যাটিন স ্ক্রিপ্টের জন্য সুবিধাজনক। ঐতিহাসিক নথিগুলির জন্য, Kraken বেসলাইন সেগমেন্টেশন এবং স্ক্রিপ্ট-সচেতন রিডিং অর্ডারের সাথে উজ্জ্বল; নমনীয় লাইন-স্তরের প্রশিক্ষণের জন্য, ক্যালামারি Ocropy বংশের উপর ভিত্তি করে (Ocropy) (মাল্টি-)LSTM+CTC শনাক্তকারী এবং কাস্টম মডেল ফাইন-টিউন করার জন্য একটি CLI সহ।
সাধারণীকরণ ডেটার উপর নির্ভর করে। হস্তাক্ষরের জন্য, IAM হস্তাক্ষর ডেটাবেস প্রশিক্ষণ এবং মূল্যায়নের জন্য লেখক-বৈচিত্র্যময় ইংরেজি বাক্য সরবরাহ করে; এটি লাইন এবং শব্দ শনাক্তকরণের জন্য একটি দীর্ঘস্থায়ী রেফারেন্স সেট। দৃশ্য পাঠ্যের জন্য, COCO-Text MS-COCO-এর উপর ব্যাপক টীকা স্তর স ্থাপন করেছে, মুদ্রিত/হস্তাক্ষর, পাঠযোগ্য/অপঠযোগ্য, স্ক্রিপ্ট এবং সম্পূর্ণ প্রতিলিপি জন্য লেবেল সহ (এছাড়াও মূল প্রকল্প পৃষ্ঠাদেখুন)। ক্ষেত্রটি সিন্থেটিক প্রিট্রেনিংয়ের উপরও ব্যাপকভাবে নির্ভর করে: সিন্থটেক্সট ইন দ্য ওয়াইল্ড বাস্তবসম্মত জ্যামিতি এবং আলো সহ ফটোগ্রাফে পাঠ্য রেন্ডার করে, ডিটেক্টর এবং শনাক্তকারীদের প্রিট্রেন করার জন্য বিশাল পরিমাণে ডেটা সরবরাহ করে (রেফারেন্স কোড ও ডেটা)।
এর অধীনে প্রতিযোগিতা ICDAR-এর রোবাস্ট রিডিং মূল্যায়নকে ভিত্তি করে রাখে। সাম্প্রতিক কাজগুলি এন্ড-টু-এন্ড সনাক্তকরণ/পঠন এবং শব্দগুলিকে বাক্যাংশে সংযুক্ত করা সহ, অফিসিয়াল কোড রিপোর্টিং স্পষ্টতা/প্রত্যাহার/এফ-স্কোর, ইন্টারসেকশন-ওভার-ইউনিয়ন (IoU), এবং অক্ষর-স্তরের সম্পাদনা-দূরত্ব মেট্রিক্স—অনুশীলনকারীদের যা ট্র্যাক করা উচিত তা प्रतिबिंबित করে।
OCR খুব কমই প্লেইন টেক্সটে শেষ হয়। আর্কাইভ এবং ডিজিটাল লাইব্রেরি পছন্দ করে ALTO XML কারণ এটি বিষয়বস্তুর পাশাপাশি ভৌত বিন্যাস (স্থানাঙ্ক সহ ব্লক/লাইন/শব্দ) এনকোড করে এবং এটি METS প্যাকেজিংয়ের সাথে ভালভাবে জুটি বাঁধে। hOCR মাইক্রোফরম্যাট, বিপরীতে, একই ধারণাটি HTML/CSS-এ ocr_line এবং ocrx_word-এর মতো ক্লাস ব্যবহার করে এম্বেড করে, যা ওয়েব টুলিংয়ের মাধ্যমে প্রদর্শন, সম্পাদনা এবং রূপান্তর করা সহজ করে তোলে। Tesseract উভয়ই প্রকাশ করে—যেমন, CLI থেকে সরাসরি hOCR বা অনুসন্ধানযোগ্য PDF তৈরি করা (PDF আউটপুট গাইড); পাইথন র্যাপার যেমন pytesseract সুবিধা যোগ করে। hOCR এবং ALTO-এর মধ্যে অনুবাদ করার জন্য রূপান্তরকারী বিদ্যমান রয়েছে যখন সংগ্রহস্থলগুলির নির্দিষ্ট ইনজেশন মান থাকে—এই সংগৃহীত তালিকাটি দেখুন OCR ফাইল-ফরম্যাট টুল.
সবচেয়ে শক্তিশালী প্রবণতা হল অভিসৃতি: সনাক্তকরণ, স্বীকৃতি, ভাষা মডেলিং এবং এমনকি টাস্ক-নির্দিষ্ট ডিকোডিং একীভূত ট্রান্সফরমার স্ট্যাকগুলিতে মিশে যাচ্ছে। বৃহৎ সিন্থেটিক কর্পোরার উপর প্রি-ট্রেনিং একটি শক্তি গুণক হিসাবে রয়ে গেছে। OCR-মুক্ত মডেলগুলি যেখানে লক্ষ্যটি ভারbatim ট্রান্সক্রিপ্টের পরিবর্তে স্ট্রাকচার্ড আউটপুট, সেখানে আক্রমণাত্মকভাবে প্রতিযোগিতা করবে। হাইব্রিড স্থাপনারও আশা করুন: একটি হালকা ডিটেক্টর এবং দীর্ঘ-ফর্ম পাঠ্যের জন্য একটি TrOCR-স্টাইল শনাক্তকারী, এবং ফর্ম এবং রসিদের জন্য একটি ডোনাট-স্টাইল মডেল।
Tesseract (GitHub) · Tesseract ডক্স · hOCR স্পেক · ALTO পটভূমি · EAST ডিটেক্টর · OpenCV টেক্সট ডিটেকশন · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM হস্তাক্ষর · OCR ফাইল-ফরম্যাট টুল · EasyOCR
অপটিক্যাল ক্যারেক্টার রিকগনিশন (OCR) একটি প্রযুক্তি যা বিভিন্ন ধরণের নথি, যেমন স্ক্যান করা কাগজের নথি, PDF ফাইল বা ডিজিটাল ক্যামেরা দিয়ে তোলা ছবি, সম্পাদনাযোগ্য এবং অনুসন্ধানযোগ্য ডেটাতে রূপান্তর করতে ব্যবহৃত হয়।
OCR কাজ করে একটি ইনপুট ছবি বা নথি স্ক্যান করে, ছবিটি আলাদা আলাদা অক্ষরে বিভক্ত করে এবং প্যাটার্ন রিকগনিশন বা ফিচার রিকগনিশন ব্যবহার করে প্রতিটি অক্ষরকে অক্ষররূপের ডাটাবেসের সাথে তুলনা করে।
OCR বিভিন্ন খাতে এবং অ্যাপ্লিকেশনে ব্যবহৃত হয়, যার মধ্যে রয়েছ ে মুদ্রিত নথি ডিজিটাইজ করা, টেক্সট-টু-স্পিচ পরিষেবা সক্রিয় করা, ডেটা এন্ট্রি প্রক্রিয়া স্বয়ংক্রিয় করা, এবং দৃষ্টিপ্রতিবন্ধী ব্যবহারকারীদের টেক্সটের সাথে আরও ভালোভাবে ইন্টারঅ্যাক্ট করতে সহায়তা করা।
যদিও OCR প্রযুক্তিতে বড় উন্নতি হয়েছে, তবে এটি নির্ভুল নয়। মূল নথির গুণমান এবং ব্যবহৃত OCR সফটওয়্যারের নির্দিষ্টতার উপর নির্ভর করে সঠিকতা পরিবর্তিত হতে পারে।
যদিও OCR মূলত মুদ্রিত টেক্সটের জন্য তৈরি করা হয়েছে, তবে কিছু উন্নত OCR সিস্টেম স্পষ্ট, সামঞ্জস্যপূর্ণ হাতের লেখা চিনতে সক্ষম। তবে, সাধারণত হাতের লেখার শনাক্তকরণ কম সঠিক হয় কারণ ব্যক্তিগত লেখার শৈলীতে অনেক বৈচিত্র্য থাকে।
হ্যাঁ, অনেক OCR সফটওয়্যার সিস্টেম একাধিক ভাষা চিনতে পারে। তবে, আপনি যে সফটওয়্যার ব্যবহার করছেন, তাতে নির্দিষ্ট ভাষাটি সমর্থিত কিনা তা নিশ্চিত করা গুরুত্বপূর্ণ।
OCR-এর পূর্ণরূপ হলো অপটিক্যাল ক্যারেক্টার রিকগনিশন এবং এটি মুদ্রিত পাঠ্য শনাক্ত করতে ব্যবহৃত হয়, যেখানে ICR বা ইন্টেলিজেন্ট ক্যারেক্টার রিকগনিশন আরও উন্নত এবং হাতে লেখা পাঠ্য শনাক্ত করতে ব্যবহৃত হয়।
OCR সাধারণত স্পষ্ট, সহজে পড়া যায় এমন ফন্ট এবং স্ট্যান্ডার্ড টেক্সট আকারের সাথে সবচেয়ে ভালো কাজ করে। যদিও এটি বিভিন্ন ফন্ট এবং আকারের সাথে কাজ করতে পারে, তবে অস্বাভাবিক ফন্ট বা খুব ছোট টেক্সট আকারের ক্ষেত্রে সঠিকতা হ্রাস পায়।
OCR নিম্ন-রেজোলিউশন নথি, জটিল ফন্ট, খারাপভাবে মুদ্রিত টেক্সট, হাতের লেখা, এবং যে সব নথিতে টেক্সটের সাথে পটভূমি মিশে যায়, সেগুলির ক্ষেত্রে সমস্যায় পড়তে পারে। এছাড়াও, এটি অনেক ভাষায় কাজ করতে পারলেও, প্রতিটি ভাষা পুরোপুরি সমর্থন নাও করতে পারে।
হ্যাঁ, OCR রঙিন টেক্সট এবং পটভূমি স্ক্যান করতে পারে, যদিও এটি সাধারণত উচ্চ-কন্ট্রাস্ট রঙের সংমিশ্রণে বেশি কার্যকর, যেমন সাদা পটভূমির উপর কালো টেক্সট। টেক্সট এবং পটভূমির রঙে যথেষ্ট বৈসাদৃশ্য না থাকলে সঠিকতা হ্রাস পেতে পারে।
আরজিবিও ইমেজ ফরম্যাট ডিজিটাল ইমেজিং-এ একটি নির্দিষ্ট কিন্তু গুরুত্বপূর্ণ অগ্রগতির প্রতিনিধিত্ব করে, যা অপটিক্যাল বৈশিষ্ট্যের উপর জোর দিয়ে ঐতিহ্যবাহী রঙের প্রতিনিধিত্বকে মিশ্রিত করে। এই ফরম্যাটটি সাধারণ আরজিবি (লাল, সবুজ, নীল) রঙের মডেলে একটি 'অপাসিটি' চ্যানেল প্রবর্তন করে, যা স্বচ্ছতা এবং আলোর মিথস্ক্রিয়ার আরও সূক্ষ্ম চিত্রণকে সহজতর করে। রঙের স্ট্যাটিক প্রতিনিধিত্বের বাইরে, আরজিবিও ইমেজগুলিকে বাস্তব বিশ্বের আলোর আচরণকে আরও সঠিকভাবে অনুকরণ করতে সক্ষম করে, যা ডিজিটাল ভিজ্যুয়ালের বাস্তবতা এবং আকর্ষণীয় গুণাবলী উভয়কেই উন্নত করে।
আরজিবিও ফরম্যাটটি বুঝতে হলে, প্রথমে আরজিবি রঙের মডেলের মৌলিক নীতিগুলি বুঝতে হবে। আরজিবি, যা লাল, সবুজ এবং নীলের জন্য দাঁড়িয়েছে, এটি একটি রঙের স্থান যা বিভিন্ন ডিজিটাল ডিসপ্লে এবং ইমেজ ফরম্যাটে ব্যবহৃত হয়। এটি যোগাত্মক রঙের পদ্ধতি ব্যবহার করে, যেখানে রঙগুলি লাল, সবুজ এবং নীল আলোর ব িভিন্ন তীব্রতা একত্রিত করে তৈরি করা হয়। এই মডেলটি মানুষের রঙের উপলব্ধির উপর ভিত্তি করে তৈরি করা হয়েছে, যেখানে এই তিনটি রঙ মানুষের চোখের প্রাথমিক রঙের রিসেপ্টরের সাথে মিলে যায়, যা আরজিবিটিকে প্রাকৃতিকভাবে ইলেকট্রনিক ডিসপ্লেগুলির জন্য উপযুক্ত করে তোলে।
আরজিবিওতে 'অপাসিটি' চ্যানেল যুক্ত করার ফলে ডিজিটাল ফরম্যাটে অর্জনযোগ্য দৃশ্যমান প্রভাবের পরিসর নাটকীয়ভাবে প্রসারিত হয়। এই প্রসঙ্গে অপাসিটি, একটি ইমেজের স্বচ্ছতার স্তরকে বোঝায়, যা কাচ, কুয়াশা বা ধোঁয়ার মতো উপকরণের অনুকরণের অনুমতি দেয়। এই চ্যানেল, যা প্রায়শই অন্যান্য ফরম্যাটে আলফা চ্যানেল দ্বারা প্রতিনিধিত্ব করা হয়, প্রতিটি পিক্সেলের স্বচ্ছতার স্তরকে সংজ্ঞায়িত করে, যা সম্পূর্ণ স্বচ্ছ থেকে সম্পূর্ণ অপাসিটি পর্যন্ত হতে পারে। এটি বিশেষভাবে স্তরযুক্ত ডিজিটাল রচনায় উপকারী, যেখানে একাধিক স্তরের মধ্যে মিথস্ক্রিয়া ইমেজের সামগ্রিক গভীরতা এবং বাস্তবতায় অবদান রাখে।
টেকনিক্যালি, আরজিবিও ফরম্যাটটি চারটি চ্যানেলে ডেটা সঞ্চয় করে: লাল, সবুজ, নীল এবং অপাসিটি। প্রতিটি চ্যানেল সাধারণত 8 বিট সংরক্ষণ করে, যার ফলে প্রতি পিক্সেলে 32-বিট রঙের গভীরতা থাকে। এই কনফিগারেশনটি 16 মিলিয়নেরও বেশি রঙের বৈচিত্র (আরজিবির জন্য প্রতি চ্যানেলে 256 স্তর) এবং 256 স্তরের অপাসিটির অনুমতি দেয়, যা রঙ এবং স্বচ্ছতার প্রতিনিধিত্ব উভয় ক্ষেত্রেই উচ্চ স্তরের সূক্ষ্মতা প্রদান করে। প্রতি চ্যানেলে বিট গভীরতা যত বেশি হবে, ইমেজটি তত বেশি বিশদ এবং সূক্ষ্ম হতে পারে, বিশেষ করে স্বচ্ছতার স্তরগুলির মধ্যে ধীরে ধীরে রূপান্তরের ক্ষেত্রে।
আরজিবিও ফরম্যাটের ব্যবহারিক প্রয়োগগুলি বিশাল, ডিজিটাল আর্ট এবং গ্রাফিক ডিজাইন থেকে গেমিং এবং ভার্চুয়াল রিয়েলিটি পর্যন্ত শিল্পকে স্পর্শ করে। শিল্পী এবং ডিজাইনারদে র জন্য, আরজিবিও জটিল স্তর এবং টেক্সচার সহ ইমেজ তৈরির জন্য একটি স্বজ্ঞাত কাঠামো সরবরাহ করে, যা আলো এবং ছায়ার আরও জীবনযাপনের চিত্রণের অনুমতি দেয়। গেমিং এবং ভিআরের ক্ষেত্রে, অপাসিটি এবং আলোর মিথস্ক্রিয়ার ফরম্যাটের সূক্ষ্ম পরিচালনা আকর্ষণীয় পরিবেশ তৈরিতে সহায়ক, যা ভার্চুয়াল বিশ্বের মধ্যে খেলোয়াড়ের উপস্থিতির অনুভূতিতে অবদান রাখে।
এর সুবিধাগুলি সত্ত্বেও, আরজিবিও ফরম্যাটটি নির্দিষ্ট চ্যালেঞ্জ তৈরি করে, বিশেষ করে ফাইলের আকার এবং প্রসেসিং শক্তি সম্পর্কিত। একটি অতিরিক্ত অপাসিটি চ্যানেল অন্তর্ভুক্ত করার ফলে প্রতিটি পিক্সেলকে বর্ণনা করার জন্য প্রয়োজনীয় ডেটা বৃদ্ধি পায়, যার ফলে ঐতিহ্যবাহী আরজিবি ফরম্যাটের তুলনায় বড় ফাইলের আকার হয়। এই বৃদ্ধিটি উল্লেখযোগ্য হতে পারে, বিশেষ করে উচ্চ-রেজোলিউশনের ইমেজগুলিতে, যা স্টোরেজের প্রয়োজনীয়তা এবং ডেটা ট্রান্সফারের গতিগুলিকে প্রভাবিত করে। তাছাড়া, আরজিবিও ইমেজ রেন্ডার করার জন্য আরও কম্পিউটিং শক্তির প্রয়োজন হয়, কারণ প্রতিটি পিক্সেলের অপাসিটি স্তরটি তার রঙের সাথে একত্রে গণনা করা উচিত, এমন একটি প্রক্রিয়া যা ইমেজ লোডিং এবং ম্যানিপুলেশনকে ধীর করে দিতে পারে, বিশেষ করে কম শক্তিশালী ডিভাইসগুলিতে।
এই চ্যালেঞ্জগুলি মোকাবেলা করার জন্য, বিভিন্ন কম্প্রেশন কৌশল তৈরি করা হয়েছে, যার লক্ষ্য গুণমানের সাথে আপস না করে আরজিবিও ইমেজের ফাইলের আকার কমানো। লসলেস কম্প্রেশন পদ্ধতিগুলি, যেমন পিএনজি, ইমেজের সম্পূর্ণ ডেটা সংরক্ষণ করে, কোনও গুণমানের ক্ষতি নিশ্চিত করে না। বিকল্পভাবে, লসি কম্প্রেশন কৌশলগুলি, যেমন জেপিইজি, ডেটা সরল করে ফাইলের আকার হ্রাস করে, যা কিছু বিশদ হারাত
এই রূপান্তরকারীটি সম্পূর্ণভাবে আপনার ব্রাউজারে চলে। আপনি যখন একটি ফাইল নির্বাচন করেন, তখন এটি মেমরিতে পড়া হয় এবং নির্বাচিত ফর্ম্যাটে রূপান্তরিত হয়। তারপরে আপনি রূপান্তরিত ফাইলটি ডাউনলোড করতে পারেন।
রূপান্তর অবিলম্বে শুরু হয়, এবং বেশিরভাগ ফাইল এক সেকেন্ডের মধ্যে রূপান্তরিত হয়। বড় ফাইলগুলিতে বেশি সময় লাগতে পারে।
আপনার ফাইলগুলি কখনই আমাদের সার্ভারে আপলোড করা হয় না। সেগুলি আপনার ব্রাউজারে রূপান্তরিত হয় এবং তারপরে রূপান্তরিত ফাইলটি ডাউনলোড করা হয়। আমরা আপনার ফাইলগুলি কখনই দেখি না।
আমরা JPEG, PNG, GIF, WebP, SVG, BMP, TIFF এবং আরও অনেক কিছু সহ সমস্ত চিত্র ফর্ম্যাটের মধ্যে রূপান্তর সমর্থন করি।
এই রূপান্তরকারীটি সম্পূর্ণ বিনামূল্যে, এবং সর্বদা বিনামূল্যে থাকবে। যেহেতু এটি আপনার ব্রাউজারে চলে, তাই আমাদের সার্ভারের জন্য অর্থ প্রদান করতে হবে না, তাই আমাদের আপনাকে চার্জ করতে হবে না।
হ্যাঁ! আপনি একবারে যত খুশি ফাইল রূপান্তর করতে পারেন। যোগ করার সময় শুধু একাধিক ফাইল নির্বাচন করুন।