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।
पोर्टेबल ग्रेमैप फॉर्मेट (PGM) एक व्यापक रूप से स्वीकृत और उपयोग किया जाने वाला फॉर्मेट है जो इमेज प्रोसेसिंग और कंप्यूटर ग्राफिक्स में ग्रेस्केल इमेज को एक सरल, बिना किसी अलंकरण वाले फॉर्मेट में दर्शाने के लिए उपयोग किया जाता है। इसका महत्व केवल इसकी सरलता में ही नहीं है, बल्कि विभिन्न कंप्यूटिंग प्लेटफॉर्म और सॉफ़्टवेयर इकोसिस्टम में इसके लचीलेपन और पोर्टेबिलिटी में भी है। PGM फॉर्मेट के संदर्भ में एक ग्रेस्केल इमेज में ग्रे के विभिन्न शेड होते हैं, जहां प्रत्येक पिक्सेल काले से सफेद तक की एक तीव्रता मान दर्शाता है। PGM मानक का निर्माण मुख्य रूप से कम से कम कम्प्यूटेशनल ओवरहेड के साथ इमेज को पार्स करने और हेरफेर करने में आसानी के लिए किया गया था, इस प्रकार यह त्वरित इमेज प्रोसेसिंग कार्यों और शैक्षिक उद्देश्यों के लिए विशेष रूप से उपयुक्त है।
एक PGM फ़ाइल की संरचना सीधी होती है, जिसमें एक हेडर होता है जिसके बाद इमेज डेटा होता है। हेडर को स्वयं चार भागों में विभाजित किया गया है: मैजिक नंबर, जो फ़ाइल को PGM के रूप में पहचानता है और इंगित करता है कि यह बाइनरी या ASCII फॉर्मेट में है; पिक्सेल में चौड़ाई और ऊंचाई द्वारा निर्दिष्ट इमेज के आयाम; अधिकतम ग्रे मान, जो प्रत्येक पिक्सेल के लिए संभावित तीव्रता मानों की सीमा निर्धारित करता है; और अंत में, टिप्पणियाँ, जो वैकल्पिक हैं और इमेज के बारे में अतिरिक्त जानकारी प्रदान करने के लिए शामिल की जा सकती हैं। मैजिक नंबर 'P2' एक ASCII PGM को इंगित करता है, जबकि 'P5' एक बाइनरी PGM को दर्शाता है। यह भेद मानवीय पठनीयता और संग्रहण दक्षता के बीच संतुलन को समायोजित करता है।
हेडर के बाद, इमेज डेटा को हेडर में निर्दिष्ट पिक्सेल आयामों के अनुरूप ग्रिड फॉर्मेट में रेखांकित किया गया है। एक ASCII PGM (P2) में, प्रत्येक पिक्सेल का तीव्रता मान सादे पाठ में सूचीबद्ध होता है, जो इमेज के ऊपरी-बाएँ कोने से निचले-दाएँ कोने तक क्रमबद्ध होता है, और व्हाइटस्पेस द्वारा अलग किया जाता है। मान 0 से लेकर, जो काले रंग का प्रतिनिधित्व करता है, अधिकतम ग्रे मान (हेडर में निर्दिष्ट) तक होता है, जो सफेद रंग का प्रतिनिधित्व करता है। इस फॉर्मेट की पठनीयता आसान संपादन और डिबगिंग की सुविधा प्रदान करती है लेकिन इसके बाइनरी समकक्ष की तुलना में फ़ाइल आकार और पार्सिंग गति के मामले में कम कुशल है।
दूसरी ओर, बाइनरी PGM फ़ाइलें (P5) तीव्रता मानों के लिए बाइनरी प्रतिनिधित्व का उपयोग करके इमेज डेटा को अधिक कॉम्पैक्ट रूप में एन्कोड करती हैं। यह फॉर्मेट फ़ाइल आकार को काफी कम कर देता है और तेज़ रीड/रा इट ऑपरेशन की अनुमति देता है, जो उन अनुप्रयोगों के लिए फायदेमंद है जो बड़ी मात्रा में इमेज को संभालते हैं या उच्च प्रदर्शन की आवश्यकता होती है। हालाँकि, ट्रेड-ऑफ़ यह है कि बाइनरी फ़ाइलें मानव-पठनीय नहीं होती हैं और देखने और संपादन के लिए विशेष सॉफ़्टवेयर की आवश्यकता होती है। बाइनरी PGM को प्रोसेस करते समय, बाइनरी डेटा को सही ढंग से संभालना महत्वपूर्ण है, फ़ाइल की एन्कोडिंग और सिस्टम की आर्किटेक्चर को ध्यान में रखते हुए, विशेष रूप से एंडियननेस के संबंध में।
PGM फॉर्मेट का लचीलापन हेडर में इसके अधिकतम ग्रे मान पैरामीटर द्वारा प्रदर्शित किया जाता है। यह मान इमेज की बिट गहराई को निर्धारित करता है, जो बदले में ग्रेस्केल तीव्रता की सीमा निर्धारित करता है जिसे दर्शाया जा सकता है। एक सामान्य विकल्प 255 है, जिसका अर्थ है कि प्रत्येक पिक्सेल 0 और 255 के बीच कोई भी मान ले सकता है, जिससे 8-बिट इमेज में ग्रे के 256 अलग-अलग शेड की अनुमति मिलती है। यह सेटिंग अधिकांश अनुप्रयोगों के लिए पर्याप्त है; हालाँकि, PGM फॉर्मेट अधिकतम ग्रे मान को बढ़ाकर उच्च बिट गहराई को समायोजित कर सकता है, जैसे कि प्रति पिक्सेल 16 बिट। यह सुविधा तीव्रता के महीन उन्नयन के साथ इमेज के प्रतिनिधित्व को सक्षम बनाती है, जो उच्च-गतिशील-रेंज इमेजिंग अनुप्रयोगों के लिए उपयुक्त है।
PGM फॉर्मेट की सरलता इसके हेरफेर और प्रोसेसिंग तक भी फैली हुई है। चूंकि फॉर्मेट अच्छी तरह से प्रलेखित है और अधिक परिष्कृत इमेज फॉर्मेट में पाई जाने वाली जटिल विशेषताओं का अभाव है, PGM इमेज को पार्स करने, संशोधित करने और उत्पन्न करने के लिए प्रोग्राम लिखना बुनियादी प्रोग्रामिंग कौशल के साथ पूरा किया जा सकता है। यह पहुंच इमेज प्रोसेसिंग में प्रयोग और सीखने की सुविधा प्रदान करती है, जिससे PGM शैक्षणिक सेटिंग्स और शौकीनों के बीच एक लोकप्रिय विकल्प बन जाता है। इसके अलावा, फॉर्मेट की सरल प्रकृति फ़िल्टरिंग, एज डिटेक्शन और कंट्रास्ट एडजस्टमेंट जैसे कार्यों के लिए एल्गोरिदम के कुशल कार्यान्वयन की अनुमति देती है, जो अनुसंधान और व्यावहारिक अनुप्रयोगों दोनों में इसके निरंतर उपयोग में योगदान करती है।
अपनी खूबियों के बावजूद, PGM फॉर्मेट की सीमाएँ भी हैं। सबसे उल्लेखनीय रंगीन इमेज के लिए समर्थन की कमी है, क्योंकि यह स्वाभाविक रूप से ग्रेस्केल के लिए डिज़ाइन किया गया है। जबकि यह उन अनुप्रयोगों के लिए कोई कमी नहीं है जो विशेष रूप से मोनोक्रोमैटिक इमेज से निपटते हैं, रंगीन जानकारी की आवश्यकता वाले कार्यों के लिए, किसी को नेटपीबीएम फॉर्मेट परिवार में इसके भाई-बहनों की ओर रुख करना चाहिए, जैसे कि रंगीन इमेज के लिए पोर्टेबल पिक्समैप फॉर्मेट (PPM)। इसके अतिरिक्त, PGM फॉर्मेट की सादगी का मतलब है कि यह आधुनिक सुविधाओं का समर्थन नहीं करता है जैसे कि संपीड़न, मेटाडेटा संग्रहण (मूल टिप्पणियों से परे), या परतें, जो JPEG या PNG जैसे अधिक जटिल फॉर्मेट में उपलब्ध हैं। यह सीमा उच्च-रिज़ॉल्यूशन इमेज के लिए बड़े फ़ाइल आकार का कारण बन सकती है और संभावित रूप से कुछ अनुप्रयोगों में इसके उपयोग को प्रतिबंधित कर सकती है।
PGM फॉर्मेट की संगतता और अन्य फॉर्मेट के साथ रूपांतरण में आसानी इसके उल्लेखनीय लाभों में से हैं। चूंकि यह इमेज डेटा को एक सरल और प्रलेखित तरीके से एन्कोड करता है, इसलिए PGM इमेज को अन्य फॉर्मेट में बदलना - या इसके विपरीत - अपेक्षाकृत सरल है। यह क्षमता इसे इमेज प्रोसेसिंग पाइपलाइन के लिए एक उत्कृष्ट मध्यवर्ती फॉर्मेट बनाती है, जहां इमेज विभिन्न फॉर्मेट से प्राप्त की जा सकती है, सादगी के लिए PGM में प्रोसेस की जा सकती है, और फिर वितरण या संग्रहण के लिए उपयुक्त अंतिम फॉर्मेट में परिवर्तित की जा सकती है। विभिन्न प्रोग्रामिंग भाषाओं में कई उपयोगिताएँ और
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 भ ी 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।