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।
PCDS इमेज फॉर्मेट, जिसका मतलब 'फोटो CD सिस्टम' है, एक प्रकार का डिजिटल इमेज फॉर्मेट है जिसे 1990 के दशक की शुरुआत में ईस्टमैन कोडक द्वारा विकसित किया गया था। इसे यूजर्स को हाई-रेजोल्यूशन डिजिटल फोटोग्राफ को CD पर स्टोर करने की अनुमति देने के लिए डिज़ाइन किया गया था, जिसे बाद में कंप्यूटर या टेलीविजन से जुड़े फोटो CD प्लेयर पर देखा जा सकता था। यह फॉर्मेट कोडक के व्यापक फोटो CD सिस्टम का हिस्सा था, जिसमें फिल्म इमेज को डिजिटाइज़ करने के लिए स्कैनर और इमेज को डिस्प्ले करने के लिए CD प्लेयर जैसे हार्डवेयर शामिल थे, साथ ही साथ प्रोप्राइट री इमेज फॉर्मेट भी शामिल था।
PCDS फॉर्मेट की एक प्रमुख विशेषता मल्टीसेशन CD-ROM का उपयोग है, जो अतिरिक्त इमेज को डिस्क को फाइनल किए बिना समय के साथ फोटो CD में जोड़ने की अनुमति देता है। उस समय यह एक महत्वपूर्ण लाभ था, क्योंकि यह डिजिटल फोटोग्राफ के लिए एक लचीला और पुन: प्रयोज्य स्टोरेज माध्यम प्रदान करता था। मल्टीसेशन क्षमता का मतलब था कि यूजर इमेज के एक छोटे संग्रह से शुरू कर सकते थे और कई CD की आवश्यकता के बिना, जैसे-जैसे वे अधिक फोटोग्राफ लेते थे, इसका विस्तार कर सकते थे।
PCDS फॉर्मेट 'इमेज पैक' नामक तकनीक का उपयोग करके इमेज को स्टोर करता है। प्रत्येक इमेज पैक में एक ही इमेज के पांच अलग-अलग रेजोल्यूशन होते हैं, जो 192x128 पिक्सल के बेस/प्रीव्यू रेजोल्यूशन से लेकर 2048x3072 पिक्सल के अधिकतम रेजोल्यूशन तक होते हैं। यह मल्टी-रेजोल्यूशन दृष्टिकोण को थंबनेल प्रीव्यू से लेकर हाई-क्वालिटी प्रिंट तक, विभिन्न डिस्प्ले डिवाइस और उपयोग के मामलों के लिए फॉर्मेट को बहुमुखी बनाने के लिए डिज़ाइन किया गया था। रेजोल्यूशन को कोडक द्वारा विकसित एक प्रोप्राइटरी कंप्रेशन एल्गोरिथम का उपयोग करके एन्कोड किया जाता है, जिसका उद्देश्य फ़ाइल आकार को कम करते हुए इमेज क्वालिटी के उच्च स्तर को बनाए रखना है।
PCDS फॉर्मेट में उपयोग किया जाने वाला कंप्रेशन एल्गोरिथम एक असतत कोसाइन ट्रांसफॉर्म (DCT) पर आधारित है, जो JPEG इमेज फॉर्मेट में उपयोग किए जाने वाले के समान है। हालाँकि, कोडक के कार्यान्वयन में फोटोग्राफिक इमेज की विशिष्ट विशेषताओं के लिए अनुकूलन शामिल हैं। एल्गोरिथम पिक्सल के ब्लॉक में इमेज को तोड़कर, इन ब्लॉकों को फ्रीक्वेंसी डोमेन में बदलकर, फ्रीक्वेंसी घटकों को क्वांटाइज़ करके और फिर लॉसी कंप्रेशन तकनीक का उपयोग करके परिणाम को एन्कोड करके काम करता है। यह प्रक्रिया फोटोग्राफ की दृश्य गुणवत्ता को बनाए रखते हुए फ़ाइल आकार में उल्लेखनीय कमी की अनुमति देती है।
इमेज पैक के अलावा, PCDS फॉर्मेट में मेटाडेटा की एक श्रृंखला भी शामिल है जो इमेज और उसके निर्माण का वर्णन करती है। इस मेटाडेटा में फोटोग्राफ लिए जाने की तिथि और समय, उपयोग किए गए कैमरे का प्रकार, एक्सपोज़र सेटिंग और अन्य प्रासंगिक विवरण जैसी जानकारी शामिल हो सकती है। यह जानकारी एक मानकीकृत प्रारूप में संग्रहीत की जाती है, जिससे यह PCDS फॉर्मेट का समर्थन करने वाले सॉफ़्टवेयर के लिए सुलभ हो जाती है और फोटो CD संग्रह के बेहतर संगठन और खोज की अनुमति मिलती है।
PCDS फॉर्मेट द्वारा उपयोग किया जाने वाला कलर स्पेस एक और पहलू है जो इसे अपने समय के अन्य इमेज फॉर्मेट से अलग करता है। PCDS फोटोYCC नामक कलर स्पेस का उपयोग करता है, जो YCC कलर स्पेस का एक रूपांतर है। फोटोYCC को फोटोग्राफिक फिल्म और मानव दृश्य प्रणाली की विशेषताओं के साथ अ धिक निकटता से संरेखित करने के लिए डिज़ाइन किया गया है। यह ल्यूमिनेंस जानकारी (Y) को क्रोमिनेंस जानकारी (CC) से अलग करता है, जो इमेज को प्रदर्शित या प्रिंट किए जाने पर अधिक कुशल कंप्रेशन और बेहतर रंग प्रजनन की अनुमति देता है।
उस समय के लिए अपनी उन्नत सुविधाओं के बावजूद, PCDS फॉर्मेट को कई चुनौतियों का सामना करना पड़ा जिसने इसके व्यापक रूप से अपनाने को सीमित कर दिया। मुख्य मुद्दों में से एक फोटो CD को पढ़ने और लिखने के लिए विशेष हार्डवेयर और सॉफ़्टवेयर की आवश्यकता थी। जबकि कोडक ने इन आवश्यकताओं के लिए समाधान पेश किए, वे अक्सर महंगे थे और व्यापक रूप से उपलब्ध नहीं थे, जिससे यह फॉर्मेट औसत उपभोक्ता के लिए कम सुलभ हो गया। इसके अतिरिक्त, फॉर्मेट की प्रोप्राइटरी प्रकृति का मतलब था कि यह JPEG और TIFF जैसे मानक इमेज फॉर्मेट की बढ़ती संख्या के साथ कम संगत था, जिन्हें उपकरणों और सॉफ़्टवेयर की एक विस्तृत श्रृंखला द्वारा समर्थित किया गया था।
PCDS फॉर्मेट के लिए एक और चुनौती डिजिटल फोटोग्राफी तकनीक का तेजी से विकास था। जैसे-जैसे डिजिटल कैमरे अधिक किफायती होते गए और उच्च रेजोल्यूशन और बेहतर इमेज क्वालिटी की पेशकश करते गए, फिल्म फोटोग्राफ को डिजिटाइज़ करने के लिए एक अलग सिस्टम की आवश्यकता कम हो गई। इसके अलावा, डिजिटल स्टोरेज मीडिया की बढ़ती क्षमता और घटती लागत, जैसे हार्ड ड्राइव और फ्लैश मेमोरी, ने PCDS फॉर्मेट के CD-आधारित स्टोरेज को कम आकर्षक बना दिया।
इन चुनौतियों के बावजूद, PCDS फॉर्मेट का डिजिटल फोटोग्राफी के क्षेत्र पर महत्वपूर्ण प्रभाव पड़ा। यह उपभोक्ताओं को हाई-रेजोल्यूशन डिजिटल इमेज प्रदान करने वाली पहली प्रणालियों में से एक थी और इसने डिजिटल फोटोग्राफी क्रांति का मार्ग प्रशस्त करने में मदद की। इमेज पैक का मल्टी-रेजोल्यूशन दृष्टिकोण ने बाद के इमेज फॉर्मेट और तकनीकों क ो भी प्रभावित किया, जिसमें अक्सर विभिन्न उपयोग के मामलों को समायोजित करने के लिए इमेज के कई रेजोल्यूशन शामिल होते हैं।
PCDS फॉर्मेट ने डिजिटल इमेज प्रोसेसिंग तकनीकों के विकास में भी भूमिका निभाई। कोडक द्वारा उपयोग किया जाने वाला प्रोप्राइटरी कंप्रेशन एल्गोरिथम फोटोग्राफिक इमेज के लिए अनुकूलित DCT-आधारित कंप्रेशन सिस्टम का एक प्रारंभिक उदाहरण था। इस प्रणाली से सीखे गए सबक ने अधिक उन्नत इमेज कंप्रेशन एल्गोरिदम और मानकों के विकास में योगदान दिया, जो अब डिजिटल इमेजिंग अनुप्रयोगों की एक विस्तृत श्रृंखला में उपयोग किए जाते हैं।
तकनीकी विशिष्टताओं के संदर्भ में, PCDS फॉर्मेट को CD-ROM फ़ाइल सिस्टम के लिए ISO 9660 मानक द्वारा परिभाषित किया गया है, जो मानक CD-ROM ड्राइव और ऑपरेटिंग सिस्टम के साथ संगतता का एक निश्चित स्तर सुनिश्चित करता है। इमेज स्वयं .pcd फ़ाइल एक्सटेंशन वाली फ़ाइलों में संग्र हीत की जाती हैं, और प्रत्येक फ़ाइल में कई इमेज पैक हो सकते हैं, प्रत्येक एक
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 डाउन लोड 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।