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 XL (JXL) इमेज फॉर्मेट एक अगली पीढ़ी का इमेज कोडिंग स्टैंडर्ड है जिसका उद्देश्य JPEG, PNG और GIF जैसे मौजूदा फॉर्मेट की क्षमताओं को बेहतर कम्प्रेशन एफिशिएंसी, क्वालिटी और फीचर्स प्रदान करके पार करना है। यह जॉइंट फोटोग्राफिक एक्सपर्ट्स ग्रुप (JPEG) कमेटी के सहयोगात्मक प्रयास का परिणाम है, जो इमेज कम्प्रेशन स्टैंडर्ड के विकास में महत्वपूर्ण रही है। JPEG XL को एक यूनिवर्सल इमेज फॉर्मेट के रूप में डिज़ाइन किया गया है जो पेशेवर फोटोग्राफी से लेकर वेब ग्राफिक्स तक कई तरह के उपयोग के मामलों को संभाल सकता है।
JPEG XL के प्राथमिक लक्ष्यों में से एक उच्च-गुणवत्ता वाला इमेज कम्प्रेशन प्रदान करना है जो विजुअल क्वालिटी से समझौता किए बिना फ़ाइल आकार को काफी कम कर सकता है। यह उन्नत कम्प्रेशन तकनीकों और एक आधुनिक कोडिंग फ्रेमवर्क के संयोजन के माध्यम से प्राप्त किया जाता है। फॉर्मेट एक मॉड्यूलर दृष्टिकोण का उपयोग करता है, जिससे यह कम्प्रेशन पाइपलाइन में सीधे कलर स्पेस रूपांतरण, टोन मैपिंग और रिस्पॉन्सिव रिसाइजिंग जैसे विभिन्न इमेज प्रोसेसिंग ऑपरेशन को शामिल कर सकता है।
JPEG XL दो पिछले इमेज कोडेक: Google के PIK और Cloudinary के FUIF (फ्री यूनिवर्सल इमेज फॉर्मेट) की नींव पर बनाया गया है। इन कोडेक ने इमेज कम्प्रेशन में कई नवाचार पेश किए, जिन्हें और अधिक परिष्कृत किया गया है और JPEG XL में एकीकृत किया गया है। फॉर्मेट को रॉयल्टी-मुक्त होने के लिए डिज़ाइन किया गया है, जो इसे सॉफ़्टवेयर डेवलपर्स और कंटेंट क्रिएटर्स दोनों के लिए एक आकर ्षक विकल्प बनाता है जिन्हें इमेज स्टोरेज और वितरण के लिए एक लागत प्रभावी समाधान की आवश्यकता होती है।
JPEG XL की कम्प्रेशन एफिशिएंसी के केंद्र में असममित अंक प्रणाली (ANS) नामक एक आधुनिक एन्ट्रॉपी कोडिंग तकनीक का उपयोग है। ANS अंकगणितीय कोडिंग का एक रूप है जो इमेज डेटा के सांख्यिकीय वितरण को कुशलतापूर्वक एन्कोड करके निकट-इष्टतम कम्प्रेशन अनुपात प्रदान करता है। यह JPEG XL को हफ़मैन कोडिंग जैसी पारंपरिक विधियों की तुलना में बेहतर कम्प्रेशन प्राप्त करने की अनुमति देता है, जिसका उपयोग मूल JPEG फॉर्मेट में किया जाता है।
JPEG XL एक नया कलर स्पेस भी पेश करता है जिसे XYB (एक्सट्रा Y, ब्लू-येलो) कहा जाता है, जिसे मानवीय दृश्य धारणा के साथ बेहतर ढंग से संरेखित करने के लिए डिज़ाइन किया गया है। XYB कलर स्पेस उन इमेज के घटकों को प्राथमिकता देकर अधिक कुशल कम्प्रेशन की अनुमति देता है जो मानवीय आंख के लिए अधिक महत्वपूर्ण हैं। इसके परिणामस्वरूप ऐसी इमेज बनती हैं जिनमें न केवल फ़ाइल का आकार छोटा होता है बल्कि कम कम्प्रेशन आर्टिफैक्ट भी होते हैं, विशेष रूप से सूक्ष्म रंग भिन्नताओं वाले क्षेत्रों में।
JPEG XL की एक और प्रमुख विशेषता हाई डायनेमिक रेंज (HDR) और वाइड कलर गैमट (WCG) इमेज के लिए इसका समर्थन है। जैसे-जैसे डिस्प्ले तकनीक विकसित होती है, ऐसे इमेज फॉर्मेट की मांग बढ़ रही है जो इन नए डिस्प्ले द्वारा उत्पादित ब्राइटनेस और कलर की विस्तारित रेंज को संभाल सकें। HDR और WCG के लिए JPEG XL का मूल समर्थन यह सुनिश्चित करता है कि इमेज नवीनतम स्क्रीन पर जीवंत और वास्तविक दिखें, बिना अतिरिक्त मेटाडेटा या साइडकार फ़ाइलों की आवश्यकता के।
JPEG XL को प्रोग्रेसिव डिकोडिंग को ध्यान में रखकर भी डिज़ाइन किया गया है। इसका मतलब यह है कि एक इमेज को कम क्वालिटी पर प्रदर्शित किया जा सकता है जबकि इसे अभी भी डाउनलोड किया जा रहा है, और जैसे-जैसे अधिक डेटा उपलब्ध होता है, क्वालिटी उत्तरोत्तर बेहतर हो सकती है। यह सुविधा विशेष रूप से वेब ब्राउज़िंग के लिए उपयोगी है, जहां उपयोगकर्ताओं की इंटरनेट स्पीड अलग-अलग हो सकती है। यह पूरी फ़ाइल को डाउनलोड करने की प्रतीक्षा किए बिना इमेज का पूर्वावलोकन प्रदान करके एक बेहतर उपयोगकर्ता अनुभव की अनुमति देता है।
बैकवर्ड कम्पैटिबिलिटी के संदर्भ में, JPEG XL 'JPEG रिकम्प्रेशन' नामक एक अनूठी विशेषता प्रदान करता है। यह मौजूदा JPEG इमेज को बिना किसी अतिरिक्त क्वालिटी हानि के JPEG XL फॉर्मेट में रिकम्प्रेशन करने की अनुमति देता है। रिकम्प्रेशन की गई इमेज न केवल आकार में छोटी होती हैं बल्कि सभी मूल JPEG डेटा को भी बरकरार रखती हैं, जिसका अर्थ है कि यदि आवश्यक हो तो उन्हें वापस मूल JPEG फॉर्मेट में परिवर्तित किया जा सकता है। यह JPEG XL को JPEG इमेज के बड़े संग्रह को संग्रहीत करने के लिए एक आकर्षक विक ल्प बनाता है, क्योंकि यह मूल फ़ाइलों पर वापस लौटने की क्षमता को बनाए रखते हुए स्टोरेज आवश्यकताओं को काफी कम कर सकता है।
JPEG XL वेब पर रिस्पॉन्सिव इमेज की आवश्यकता को भी संबोधित करता है। एक ही फ़ाइल के भीतर किसी इमेज के कई रेजोल्यूशन को स्टोर करने की अपनी क्षमता के साथ, वेब डेवलपर्स उपयोगकर्ता के डिवाइस और स्क्रीन रेजोल्यूशन के आधार पर सबसे उपयुक्त इमेज आकार प्रदान कर सकते हैं। यह अलग-अलग रेजोल्यूशन के लिए अलग-अलग इमेज फ़ाइलों की आवश्यकता को समाप्त करता है और रिस्पॉन्सिव वेब डिज़ाइन बनाने की प्रक्रिया को सरल करता है।
पेशेवर फोटोग्राफरों और ग्राफिक डिजाइनरों के लिए, JPEG XL लॉसलेस कम्प्रेशन का समर्थन करता है, जो यह सुनिश्चित करता है कि मूल इमेज डेटा का हर एक बिट संरक्षित है। यह उन अनुप्रयोगों के लिए महत्वपूर्ण है जहां इमेज की अखंडता सर्वोपरि है, जैसे कि मेडिकल इमेजिंग, डिजिटल आर्काइव और पेशेवर फोटो एडिटिंग। JPEG XL का लॉसलेस मोड भी अत्यधिक कुशल है, जिसके परिणामस्वरूप अक्सर PNG या TIFF जैसे अन्य लॉसलेस फॉर्मेट की तुलना में छोटे फ़ाइल आकार होते हैं।
JPEG XL का फीचर सेट GIF और WebP फॉर्मेट के समान एनीमेशन के लिए समर्थन को शामिल करने के लिए विस्तारित होता है, लेकिन बहुत बेहतर कम्प्रेशन और क्वालिटी के साथ। यह इसे वेब पर GIF के लिए एक उपयुक्त प्रतिस्थापन बनाता है, जो GIF के 256-कलर प्रतिबंध की सीमाओं के बिना एक व्यापक कलर पैलेट के साथ सहज एनीमेशन प्रदान करता है।
फॉर्मेट में EXIF, XMP और ICC प्रोफाइल सहित मेटाडेटा के लिए मजबूत समर्थन भी शामिल है, यह सुनिश्चित करता है कि कम्प्रेशन के दौरान इमेज के बारे में महत्वपूर्ण जानकारी संरक्षित रहे। इस मेटाडेटा में कैमरा सेटिंग्स, कॉपीराइट जानकारी और कलर मैनेजमेंट डेटा जैसे विवरण शामिल हो सकते हैं, जो पेशेवर उपयोग और डिजिटल विरासत के संरक्षण दोनों के लिए आवश्यक हैं।
JPEG XL के डिज़ाइन में सुरक्षा और गोपनीयता पर भी विचार किया गया है। फॉर्मेट निष्पादन योग्य कोड को शामिल करने की अनुमति नहीं देता है, जिससे सुरक्षा कमजोरियों के जोखिम को कम किया जाता है जिसका इमेज के माध्यम से शोषण किया जा सकता है।
यह कनवर्टर पूरी तरह से आपके ब्राउज़र 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।