ऑप्टिकल कैरेक्टर रिकॉग्निशन (ओसीआर) टेक्स्ट की छवियों - स्कैन, स्मार्टफोन फोटो, पीडीएफ - को मशीन द्वारा पढ़े जा सकने वाले टेक्स्ट और संरचित डेटा में बदल देता है। आधुनिक ओसीआर एक पाइपलाइन है जो एक छवि को साफ करती है, टेक्स्ट ढूंढती है, उसे पढ़ती है, और समृद्ध मेटाडेटा निर्यात करती है ताकि डाउनस्ट्रीम सिस्टम डेटा को खोज, अनुक्रमित या निकाल सकें। दो व्यापक रूप से उपयोग किए जाने वाले आउटपुट मानक हैं hOCR, टेक्स्ट और लेआउट के लिए एक एचटीएमएल माइक्रोफ़ॉर्मैट, और ALTO XML, एक पुस्तकालय/अभिलेखागार-उन्मुख स्कीमा; दोनों स्थितियों, पढ़ने के क्रम और अन्य लेआउट संकेतों को संरक्षित करते हैं और लोकप्रिय इंजनों द्वारा समर्थित हैं जैसे टेसरैक्ट.
प्रीप्रोसेसिंग। ओसीआर की गुणवत्ता छवि की सफाई से शुरू होती है: ग्रेस्केल रूपांतरण, डिनोइज़िंग, थ्रेसहोल्डिंग (बिनारिज़ेशन), और डेस्क्यूइंग। कैनोनिकल ओपनसीवी ट्यूटोरियल वैश्विक, अनुकूली और ओत्सु थ्रेसहोल्डिंग को कवर करते हैं - असमान प्रकाश या बिमोडल हिस्टोग्राम वाले दस्तावेज़ों के लिए स्टेपल। जब एक पृष्ठ के भीतर रोशनी बदलती है (फोन स्नैप्स सोचें), अनुकूली तरीके अक्सर एक ही वैश्विक थ्रेसहोल्ड से बेहतर प्रदर्शन करते हैं; ओत्सु हिस्टोग्राम का विश्लेषण करके स्वचालित रूप से एक थ्रेसहोल्ड चुनता है। झुकाव सुधार समान रूप से महत्वपूर्ण है: हफ-आधारित डेस्क्यूइंग (हफ लाइन ट्रांसफॉर्म) ओत्सु बिनारिज़ेशन के साथ मिलकर उत्पादन प्रीप्रोसेसिंग पाइपलाइनों में एक आम और प्रभावी नुस्खा है।
पहचान बनाम मान्यता। ओसीआर को आम तौर पर टेक्स्ट डिटेक्शन (टेक्स्ट कहाँ है ?) और टेक्स्ट रिकॉग्निशन (यह क्या कहता है?) में विभाजित किया जाता है। प्राकृतिक दृश्यों और कई स्कैन में, पूरी तरह से कनवल्शनल डिटेक्टर जैसे ईस्ट भारी प्रस्ताव चरणों के बिना कुशलतापूर्वक शब्द- या पंक्ति-स्तरीय चतुर्भुज की भविष्यवाणी करते हैं और आम टूलकिट में लागू किए जाते हैं (जैसे, ओपनसीवी का टेक्स्ट डिटेक्शन ट्यूटोरियल)। जटिल पृष्ठों (समाचार पत्र, फॉर्म, किताबें) पर, लाइनों/क्षेत्रों का विभाजन और पढ़ने के क्रम का अनुमान मायने रखता है:क्रैकेन पारंपरिक ज़ोन/लाइन सेगमेंटेशन और न्यूरल बेसलाइन सेगमेंटेशन को लागू करता है, जिसमें विभिन्न लिपियों और दिशाओं (LTR/RTL/ऊर्ध्वाधर) के लिए स्पष्ट समर्थन होता है।
मान्यता मॉडल। क्लासिक ओपन-सोर्स वर्कहॉर्स टेसरैक्ट (Google द्वारा ओपन-सोर्स, जिसकी जड़ें HP में हैं) एक कैरेक्टर क्लासिफायर से एक LSTM-आधारित अनुक्रम पहचानकर्ता में विकसित हुआ और खोज योग्य PDF, hOCR/ALTO-अनुकूल आउटपुट, और CLI से और भी बहुत कुछ उत्सर्जित कर सकता है। आधुनिक पहचानकर्ता पूर्व-खंडित वर्णों के बिना अनुक्रम मॉडलिंग पर भरोसा करते हैं। कनेक्शनिस्ट टेम्पोरल क्लासिफिकेशन (CTC) मौलिक बनी हुई है, जो इनपुट फ़ीचर अनुक्रमों और आउटपुट लेबल स्ट्रिंग्स के बीच संरेखण सीखती है; यह व्यापक रूप से लिखावट और दृश्य-पाठ पाइपलाइनों में उपयोग किया जाता है।
पिछले कुछ वर्षों में, ट्रांसफॉर्मर्स ने ओसीआर को नया रूप दिया है। TrOCR एक विज़न ट्रांसफॉर्मर एनकोडर और एक टेक्स्ट ट्रांसफॉर्मर डिकोडर का उपयोग करता है, जिसे बड़े सिंथेटिक कॉर्पोरा पर प्रशिक्षित किया जाता है और फिर वास्तविक डेटा पर फाइन-ट्यून किया जाता है, जिसमें मुद्रित, हस्तलिखित और दृश्य-पाठ बेंचमार्क में मजबूत प्रदर्शन होता है (यह भी देखें हगिंग फेस डॉक्स)। समानांतर में, कुछ सिस्टम डाउनस्ट्रीम समझने के लिए ओसीआर को दरकिनार करते हैं: डोनट (डॉक्यूमेंट अंडरस्टैंडिंग ट्रांसफॉर्मर) एक ओसीआर-मुक्त एनकोडर-डिकोडर है जो सीधे दस्तावेज़ छवियों से संरचित उत्तर (जैसे कुंजी-मूल्य JSON) आउटपुट करता है (रेपो, मॉडल कार्ड), जब एक अलग ओसीआर चरण एक IE सिस्टम को फीड करता है तो त्रुटि संचय से बचता है।
यदि आप कई लिपियों में बैटरी-शामिल टेक्स्ट रीडिंग चाहते हैं, EasyOCR 80+ भाषा मॉडल के साथ एक सरल एपीआई प्रदान करता है, जो बॉक्स, टेक्स्ट और आत्मविश्वास लौटाता है - प्रोटोटाइप और गैर-लैटिन लिपियों के लिए आसान। ऐतिहासिक दस्तावेज़ों के लिए, क्रैकेन बेसलाइन सेगमेंटेशन और स्क्रिप्ट-अवेयर रीडिंग ऑर्डर के साथ चमकता है; लचीले लाइन-स्तरीय प्रशिक्षण के लिए, कैलामरी ओक्रॉपी वंश पर बनाता है (ओक्रॉपी) (मल्टी-)एलएसटीएम+सीटीसी पहचानकर्ताओं और कस्टम मॉडल को फाइन-ट्यून करने के लिए एक सीएलआई के साथ।
सामान्यीकरण डेटा पर निर्भर करता है। लिखावट के लिए, IAM लिखावट डेटाबेस प्रशिक्षण और मूल्यांकन के लिए लेखक-विविध अंग्रेजी वाक्य प्रदान करता है; यह लाइन और शब्द पहचान के लिए एक लंबे समय से चली आ रही संदर्भ सेट है। दृश्य पाठ के लिए, कोको-टेक्स्ट ने एमएस-कोको पर व्यापक एनोटेशन स्तरित किए, जिसमें मुद्रित/हस्तलिखित, सुपाठ्य/अपठनीय, लिपि और पूर्ण प्रतिलेखन के लिए लेबल थे (मूल परियोजना पृष्ठभी देखें)। यह क्षेत्र सिंथेटिक प्रीट्रेनिंग पर भी बहुत अधिक निर्भर करता है: सिंथटेक्स्ट इन द वाइल्ड यथार्थवादी ज्यामिति और प्रकाश के साथ तस्वीरों में पाठ प्रस्तुत करता है, डिटेक्टरों और पहचानकर्ताओं को प्रीट्रेन करने के लिए भारी मात्रा में डेटा प्रदान करता है (संदर्भ कोड और डेटा).
के तहत प्रतियोगिताएं ICDAR’s रोबस्ट रीडिंग मूल्यांकन को आधार बनाती हैं। हाल के कार्यों में एंड-टू-एंड डिटेक्शन/रीडिंग पर जोर दिया गया है और इसमें शब्दों को वाक्यांशों में जोड़ना शामिल है, जिसमें आधिकारिक कोड रिपोर्टिंग सटीकता/रिकॉल/एफ-स्कोर, इंटरसेक्शन-ओवर-यूनियन (IoU), और कैरेक्टर-लेवल एडिट-डिस्टेंस मेट्रिक्स - जो अभ्यासकर्ताओं को ट्रैक करना चाहिए, को दर्शाता है।
ओसीआर शायद ही कभी सादे पाठ पर समाप्त होता है। अभिलेखागार और डिजिटल पुस्तकालय पसंद करते हैं ALTO XML क्योंकि यह सामग्री के साथ भौतिक लेआउट (निर्देशांक के साथ ब्लॉक/लाइनें/शब्द) को एन्कोड करता है, और यह METS पैकेजिंग के साथ अच्छी तरह से मेल खाता है। hOCR माइक्रोफ़ॉर्मैट, इसके विपरीत, ocr_line और ocrx_word जैसे क्लास का उपयोग करके HTML/CSS में उसी विचार को एम्बेड करता है, जिससे वे ब टूलिंग के साथ प्रदर्शन, संपादन और रूपांतरण करना आसान हो जाता है। टेसरैक्ट दोनों को उजागर करता है - जैसे, सीएलआई से सीधे एचओसीआर या खोज योग्य पीडीएफ बनाना (पीडीएफ आउटपुट गाइड); पाइथन रैपर जैसे pytesseract सुविधा जोड़ते हैं। hOCR और ALTO के बीच अनुवाद करने के लिए कन्वर्टर्स मौजूद हैं जब रिपॉजिटरी में निश्चित अंतर्ग्रहण मानक होते हैं - इस क्यूरेटेड सूची को देखें ओसीआर फ़ाइल-प्रारूप उपकरण.
सबसे मजबूत प्रवृत्ति अभिसरण है: पहचान, मान्यता, भाषा मॉडलिंग, और यहां तक कि कार्य-विशिष्ट डिकोडिंग एकीकृत ट्रांसफार्मर स्टैक में विलीन हो रहे हैं। बड़े सिंथेटिक कॉर्पोरा पर प्री-ट्रेनिंग एक बल गुणक बना हुआ है। ओसीआर-मुक्त मॉडल आक्रामक रूप से प्रतिस्पर्धा करेंगे जहां लक्ष्य वर्बेटिम ट्रांसक्रिप्ट के बजाय संरचित आउटपुट है। हाइब्र िड परिनियोजन की भी अपेक्षा करें: एक हल्का डिटेक्टर और लंबे-फॉर्म टेक्स्ट के लिए एक TrOCR-शैली पहचानकर्ता, और फॉर्म और रसीदों के लिए एक डोनट-शैली मॉडल।
टेसरैक्ट (गिटहब) · टेसरैक्ट डॉक्स · hOCR स्पेक · ALTO पृष्ठभूमि · ईस्ट डिटेक्टर · ओपनसीवी टेक्स्ट डिटेक्शन · TrOCR · डोनट · कोको-टेक्स्ट · सिंथटेक्स्ट · क्रैकेन · कैलामरी OCR · ICDAR आरआरसी · pytesseract · IAM लिखावट · ओसीआर फ़ाइल-प्रारूप उपकरण · EasyOCR
ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) एक प्रौद्योगिकी है जिसका उपयोग विभिन्न प्रकार के दस्तावेज़ों, जैसे कि कागजी दस्तावेज़, PDF फ़ाइलें या डिजिटल कैमरा द्वारा कैप्चर की गई छवियों, को संपादन योग्य और खोजनीय डेटा में परिवर्तित करने के लिए किया जाता है।
OCR एक इनपुट छवि या दस्तावेज़ को स्कैन करता है, छवि को अलग-अलग अक्षरों में बांटता है, और पैटर्न पहचान या विशेषता पहचान का उपयोग करके प्रत्येक वर्ण की तुलना करता है।
OCR का उपयोग विभिन्न क्षेत्रों और अनुप्रयोगों में किया जाता है, जैसे कि मुद्रित दस्तावेज़ों को डिजिटाइज़ करने, टेक्स्ट-टू-स्पीच सेवाओं को सक्षम करने, डेटा एंट्री प्रक्रियाओं को स्वचालित करने, और दृष्टिबाधित उपयोगकर्ताओं को टेक्स्ट के साथ बेहतर बातचीत करने सहायता करने।
हालांकि OCR प्रौद्योगिकी में काफ़ी प्रगति हुई है, लेकिन यह अचूक नहीं है। सटीकता मूल दस्तावेज़ की गुणवत्ता और उपयोग किए जा रहे OCR सॉफ़्टवेयर की बारीकियों पर निर्भर कर सकती है।
हालाँकि OCR मुद्रित टेक्स्ट के लिए मुख्य रूप से डिज़ाइन किया गया है, कुछ उन्नत OCR सिस् टम लिखावट पहचानने में भी सक्षम होते हैं। हालाँकि, आमतौर पर लिखावट की पहचान करने में कम सटीकता होती है क्योंकि व्यक्तिगत लेखन शैलियों में व्यापक भिन्नता होती है।
हाँ, कई OCR सॉफ़्टवेयर सिस्टम कई भाषाओं को पहचान सकते हैं। हालाँकि, यह महत्वपूर्ण है कि आपके उपयोग में आने वाले सॉफ़्टवेयर द्वारा विशिष्ट भाषा का समर्थन किया जा रहा हो।
OCR का अर्थ ऑप्टिकल कैरेक्टर रिकग्निशन है और इसका उपयोग मुद्रित पाठ को पहचानने के लिए किया जाता है, जबकि ICR, या इंटेलिजेंट कैरेक्टर रिकग्निशन, अधिक उन्नत है और इसका उपयोग हस्तलिखित पाठ को पहचानने के लिए किया जाता है।
OCR स्पष्ट, आसानी से पढ़ ने वाले फ़ॉन्ट और मानक टेक्स्ट आकारों के साथ सबसे अच्छा काम करता है। हालांकि यह विभिन्न फ़ॉन्ट और आकारों के साथ काम कर सकता है, लेकिन असामान्य फ़ॉन्ट्स या बहुत छोटे टेक्स्ट आकारों के साथ काम करते समय सटीकता कम होने की प्रवृत्ति होती है।
OCR को कम-रिज़ॉल्यूशन वाले दस्तावेज़ों, जटिल फ़ॉन्ट, खराब प्रिंट वाले पाठ, लिखावट, और ऐसी पृष्ठभूमि वाले दस्तावेज़ों के साथ समस्या हो सकती है जो पाठ के साथ हस्तक्षेप करती हैं। इसके अलावा, यह कई भाषाओं के साथ काम कर सकता है, लेकिन यह हर भाषा को पूरी तरह से कवर नहीं कर सकता है।
हाँ, OCR रंगीन टेक्स्ट और बैकग्राउंड को स्कैन कर सकता है, हालाँकि यह आमतौर पर उच्च-विपरीत रंग संयोजनों, जैसे कि एक सफे द पृष्ठभूमि पर काले टेक्स्ट, के साथ अधिक प्रभावी होता है। टेक्स्ट और पृष्ठभूमि रंगों में पर्याप्त विपरीतता की कमी होने पर सटीकता कम हो सकती है।
JPEG, जो संयुक्त फोटोग्राफिक विशेषज्ञ समूह के लिए है, डिजिटल छवियों के लिए हानिपूर्ण संपीड़न की एक सामान्यतः उपयोग की जाने वाली विधि है, विशेष रूप से डिजिटल फोटोग्राफी द्वारा निर्मित उन छवियों के लिए। संपीड़न की डिग्री को समायोजित किया जा सकता है, जिससे संग्रहण आकार और छवि गुणवत्ता के बीच एक चयन योग्य व्यापार-बंद की अनुमति मिलती है। JPEG आमतौर पर छवि गुणवत्ता में थोड़े बोधगम्य नुकसान के साथ 10:1 संपीड़न प्राप्त करता है। JPEG संपीड़न एल्गोरिथ्म JPEG फ़ाइल स्वरूप के मूल में है, जिसे औपचारिक रूप से JPEG इंटरचेंज प्रारूप (JIF) के रूप में जाना जाता है। हालाँकि, 'JPEG' शब्द का उपयोग अक्सर उस फ़ाइल स्वरूप को संदर्भित करने के लिए किया जाता है जिसे वास्तव में JPEG फ़ाइल इंटरचेंज प्रारूप (JFIF) के रूप में मानकीकृत किया गया है।
JPEG प्रारूप विभिन्न रंग स्थानों का समर्थन करता है, लेकिन डिजिटल फोटोग्राफी और वेब ग्राफिक्स में उपयोग किया जाने वाला सबसे आम रंग 24-बिट रंग है, जिसमें लाल, हरे और नीले (RGB) घटकों के लिए प्रत्येक में 8 बिट शामिल हैं। यह 16 मिलियन से अधिक विभिन्न रंगों की अनुमति देता है, जो अनुप्रयोगों की एक विस्तृत श्रृंखला के लिए उपयुक्त समृद्ध और जीवंत छवि गुणवत्ता प्रदान करता है। JPEG फ़ाइलें ग्रे-स्केल छवियों और YCbCr जैसे रंग स्थानों का भी समर्थन कर सकती हैं, जो अक्सर वीडियो संपीड़न में उपयोग किया जाता है।
JPEG संपीड़न एल्गोरिथ्म असतत कोसाइन ट्रांसफॉर्म (DCT) पर आधारित है, जो एक प्रकार का फूरियर ट्रांसफॉर्म है। DCT को छवि के छोटे ब्लॉकों पर लागू किया जाता है, आमतौर पर 8x8 पिक्सेल, स्थानिक डोमेन डेटा को आवृत्ति डोमेन डेटा में बदल देता है। यह प्रक्रिया लाभप्रद है क्योंकि यह छवि की ऊर्जा को कुछ कम-आवृत्ति घटकों म ें केंद्रित करता है, जो छवि की समग्र उपस्थिति के लिए अधिक महत्वपूर्ण हैं, जबकि उच्च-आवृत्ति घटक, जो ठीक विवरण में योगदान करते हैं और कथित गुणवत्ता पर कम प्रभाव के साथ त्याग दिए जा सकते हैं, कम हो जाते हैं।
DCT लागू होने के बाद, परिणामी गुणांक क्वांटिज़्ड होते हैं। क्वांटिज़ेशन इनपुट मानों के एक बड़े सेट को एक छोटे सेट में मैप करने की प्रक्रिया है, जो DCT गुणांक की सटीकता को प्रभावी ढंग से कम करता है। यहीं से JPEG का हानिपूर्ण पहलू सामने आता है। क्वांटिज़ेशन की डिग्री एक क्वांटिज़ेशन टेबल द्वारा निर्धारित की जाती है, जिसे छवि गुणवत्ता और संपीड़न अनुपात को संतुलित करने के लिए समायोजित किया जा सकता है। क्वांटिज़ेशन के उच्च स्तर के परिणामस्वरूप उच्च संपीड़न और निम्न छवि गुणवत्ता होती है, जबकि क्वांटिज़ेशन के निम्न स्तर के परिणामस्वरूप निम्न संपीड़न और उच्च छवि गुणवत्ता होती है।
एक बार गुणांक क्वांटिज़्ड हो जाते हैं, तो उन्हें एक ज़िगज़ैग क्रम में क्रमबद्ध किया जाता है, जो ऊपरी-बाएँ कोने से शुरू होता है और 8x8 ब्लॉक के माध्यम से एक ज़िगज़ैग पैटर्न का अनुसरण करता है। यह चरण ब्लॉक की शुरुआत में कम-आवृत्ति गुणांक और अंत की ओर उच्च-आवृत्ति गुणांक रखने के लिए डिज़ाइन किया गया है। चूंकि क्वांटिज़ेशन के बाद कई उच्च-आवृत्ति गुणांक शून्य या शून्य के निकट होने की संभावना है, इसलिए यह क्रम समान मानों को एक साथ समूहित करके डेटा को और अधिक संपीड़ित करने में मदद करता है।
JPEG संपीड़न प्रक्रिया में अगला चरण एन्ट्रॉपी कोडिंग है, जो दोषरहित संपीड़न की एक विधि है। JPEG में उपयोग की जाने वाली एन्ट्रॉपी कोडिंग का सबसे सामान्य रूप हफ़मैन कोडिंग है, हालांकि अंकगणितीय कोडिंग भी एक विकल्प है। हफ़मैन कोडिंग अधिक बार-बार आने वाले मानों को छोटे कोड और कम बार-बार आने वाले मानों को लंबे को ड असाइन करके काम करता है। क्योंकि क्वांटिज़्ड DCT गुणांक इस तरह से क्रमबद्ध होते हैं कि शून्य और कम-आवृत्ति मानों को समूहित किया जाता है, हफ़मैन कोडिंग डेटा के आकार को प्रभावी ढंग से कम कर सकता है।
JPEG फ़ाइल स्वरूप फ़ाइल के भीतर मेटाडेटा को संग्रहीत करने की भी अनुमति देता है, जैसे कि Exif डेटा जिसमें कैमरा सेटिंग्स, कैप्चर की तिथि और समय और अन्य प्रासंगिक विवरणों के बारे में जानकारी शामिल होती है। यह मेटाडेटा JPEG फ़ाइल के एप्लिकेशन-विशिष्ट खंडों में संग्रहीत किया जाता है, जिसे छवि जानकारी को प्रदर्शित करने या संसाधित करने के लिए विभिन्न सॉफ़्टवेयर द्वारा पढ़ा जा सकता है।
JPEG प्रारूप की प्रमुख विशेषताओं में से एक प्रगतिशील एन्कोडिंग के लिए इसका समर्थन है। एक प्रगतिशील JPEG में, छवि को बढ़ते विवरण के कई पास में एन्कोड किया जाता है। इसका मतलब यह है कि भले ही छवि पूरी तरह से डाउनलोड नहीं ह ुई हो, फिर भी पूरी छवि का एक मोटा संस्करण प्रदर्शित किया जा सकता है, जो अधिक डेटा प्राप्त होने पर गुणवत्ता में धीरे-धीरे सुधार करता है। यह वेब छवियों के लिए विशेष रूप से उपयोगी है, जिससे उपयोगकर्ताओं को पूरी फ़ाइल के डाउनलोड होने की प्रतीक्षा किए बिना छवि सामग्री का अंदाजा लगाने की अनुमति मिलती है।
अपने व्यापक उपयोग और कई लाभों के बावजूद, JPEG प्रारूप की कुछ सीमाएँ हैं। सबसे महत्वपूर्ण में से एक कलाकृतियों का मुद्दा है, जो विकृतियाँ या दृश्य विसंगतियाँ हैं जो हानिपूर्ण संपीड़न के परिणामस्वरूप हो सकती हैं। इन कलाकृतियों में किनारों के चारों ओर धुंधलापन, ब्लॉकनेस और 'रिंगिंग' शामिल हो सकते हैं। कलाकृतियों की दृश्यता संपीड़न के स्तर और छवि की सामग्री से प्रभावित होती है। चिकनी ढाल या सूक्ष्म रंग परिवर्तन वाली छवियों में संपीड़न कलाकृतियों को दिखाने की अधिक संभावना होती है।
JPEG की एक और सीमा यह है कि यह पारदर्शिता या अल्फा चैनल का समर्थन नहीं करता है। इसका मतलब यह है कि JPEG छवियों में पारदर्शी पृष्ठभूमि नहीं हो सकती है, जो कुछ अनुप्रयोगों के लिए एक कमी हो सकती है जैसे कि वेब डिज़ाइन, जहाँ विभिन्न पृष्ठभूमियों पर छवियों को ओवरले करना आम है। इन उद्देश्यों के लिए, PNG या GIF जैसे प्रारूप, जो पारदर्शिता का समर्थन करते हैं, अक्सर इसके बजाय उपयोग किए जाते हैं।
JPEG परतों या एनीमेशन का भी समर्थन नहीं करता है। परतों के लिए TIFF या एनीमेशन के लिए GIF जैसे प्रारूपों के विपरीत, JPEG सख्ती से एकल-छवि प्रारूप है। यह इसे उन छवियों के लिए अनुपयुक्त बनाता है जिन्हें परतों में संपादन की आवश्यकता होती है या एनिमेटेड छवियां बनाने के लिए। उन उपयोगकर्ताओं के लिए जिन्हें परतों या एनिमेशन के साथ काम करने की आवश्यकता होती है, उन्हें संपादन प्रक्रिया के दौरान अन्य प्रारूपों का उपयोग करना चाहिए और फिर यदि आवश्यक हो तो वितरण के लिए JPEG में कनवर्ट कर सकते हैं।
इन सीमाओं के बावजूद, JPEG लगभग सभी छवि देखने और संपादन सॉफ़्टवेयर के साथ अपनी कुशल संपीड़न और संगतता के कारण सबसे लोकप्रिय छवि प्रारूपों में से एक बना हुआ है।
यह कनवर्टर पूरी तरह से आपके ब्राउ ज़र में चलता है। जब आप किसी फ़ाइल का चयन करते हैं, तो उसे मेमोरी में पढ़ा जाता है और चयनित प्रारूप में परिवर्तित किया जाता है। फिर आप परिवर्तित फ़ाइल डाउनलोड कर सकते हैं।
रूपांतरण तुरंत शुरू हो जाते हैं, और अधिकांश फ़ाइलें एक सेकंड के भीतर परिवर्तित हो जाती हैं। बड़ी फ़ाइलों में अधिक समय लग सकता है।
आपकी फाइलें कभी भी हमारे सर्वर पर अपलोड नहीं की जाती हैं। वे आपके ब्राउज़र में परिवर्तित हो जाती हैं, और फिर परिवर्तित फ़ाइल डाउनलोड हो जाती है। हम आपकी फाइलें कभी नहीं देखते हैं।
हम जेपीईजी, पीएनजी, जीआईएफ, वेबपी, एसवीजी, बीएमपी, টিআইএফএফ, और अधिक सहित सभी छवि प्रारूपों के बीच रूपांतरण का समर्थन करते हैं।
यह कनवर्टर पूरी तरह से मुफ्त है, और हमेशा मुफ्त रहेगा। क्योंकि यह आपके ब्राउज़र में चलता है, हमें सर्वर के लिए भुगतान करने की आवश्यकता नहीं है, इसलिए हमें आपसे शुल्क लेने की आवश्यकता नहीं है।
हाँ! आप एक साथ जितनी चाहें उतनी फाइलें परिवर्तित कर सकते हैं। बस उन्हें जोड़ते समय कई फाइलों का चयन करें।