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।
EPT2 इमेज फॉर्मेट, जो कि एन्हांस्ड प्रिसिजन टैग्ड इमेज फॉर्मेट वर्जन 2 के लिए है, एक परिष्कृत फाइल फॉर्मेट है जिसे एन्हांस्ड प्रिसिजन और टैगिंग क्षमताओं के साथ जटिल ग्राफिकल डेटा को स्टोर करने के लिए डिज़ाइन किया गया है। कई पारंपरिक इमेज फॉर्मेट के विपरीत जो केवल इमेज के विजुअल प्रतिनिधित्व पर ध्यान केंद्रित करते हैं, EPT2 में मेटाडेटा स्टोरेज, हाई डायनेमिक रेंज (HDR) इमेजिंग और कलर स्पेस के लिए व्यापक समर्थन सहित सुविधाओं का एक व्यापक स्पेक्ट्रम शामिल है। यह अनूठा संयोजन इस े विशेष रूप से उन उद्योगों में अनुप्रयोगों के लिए उपयुक्त बनाता है जहां प्रिसिजन और व्यापक डेटा विवरण सर्वोपरि हैं, जैसे कि डिजिटल आर्काइविंग, जियोस्पेशियल इमेजिंग और प्रोफेशनल फोटोग्राफी।
अपने मूल में, EPT2 फॉर्मेट एक लचीले कंटेनर मॉडल के इर्द-गिर्द संरचित है जो पिक्सेल-आधारित इमेज डेटा और वेक्टर ग्राफिक्स दोनों के सहज एकीकरण की अनुमति देता है। यह दोहरी प्रकृति न केवल उच्च-गुणवत्ता वाले रेस्टर इमेज के स्टोरेज की सुविधा प्रदान करती है बल्कि स्केलेबल वेक्टर लेयर को शामिल करने की भी सुविधा प्रदान करती है। ये वेक्टर एनोटेशन, ग्राफिकल ओवरले या अन्य सूचनात्मक तत्वों का प्रतिनिधित्व कर सकते हैं जो रेस्टर डेटा के पूरक हैं। किसी भी एक की अखंडता या गुणवत्ता से समझौता किए बिना एक ही फाइल में रेस्टर और वेक्टर डेटा को संयोजित करने की क्षमता EPT2 की बहुमुखी प्रतिभा की पहचान है।
EPT2 की विशिष्ट विशेषताओं में से एक sRGB, Adobe RGB, ProPhoto RGB और यहां तक कि उपयोगकर्ता द्वारा परिभाषित कस्टम कलर स्पेस सहित कलर स्पेस की एक विस्तृत श्रृंखला के लिए इसका समर्थन है। यह लचीलापन सुनिश्चित करता है कि EPT2 फॉर्मेट में स्टोर की गई इमेज को विभिन्न उपकरणों और मीडिया पर सटीक रूप से प्रदर्शित किया जा सकता है, जिससे निर्माता की मूल दृष्टि बनी रहती है। इसके अलावा, EPT2 पूर्णांक और फ्लोटिंग-पॉइंट डेटा प्रकारों दोनों के लिए 16-बिट और 32-बिट कलर डेप्थ का समर्थन करता है, जिससे यह चमक के स्तर में रंगों और सूक्ष्मताओं की एक विशाल श्रृंखला को कैप्चर करने में सक्षम होता है, जिससे यह HDR कंटेंट के लिए आदर्श बन जाता है।
अपनी बेहतर कलर और डेटा प्रतिनिधित्व क्षमताओं के अलावा, EPT2 फॉर्मेट में मजबूत मेटाडेटा समर्थन शामिल है। यह सुविधा इमेज के बारे में व्यापक जानकारी के स्टोरेज की अनुमति देती है, जैसे कि कैमरा सेटिंग, GPS निर्देशांक और कस्टम टैग। यह मेटाडेटा न केवल बड़े डेटाबेस में इमेज को व्यवस्थित करने और खोजने के लिए अमूल्य है बल्कि उन परिस्थितियों को समझने के लिए महत्वपूर्ण संदर्भ भी प्रदान करता है जिनके तहत इमेज कैप्चर की गई थी। EPT2 फॉर्मेट मेटाडेटा स्टोरेज के लिए XML का उपयोग करता है, जो विभिन्न प्रकार की जानकारी को शामिल करने के लिए एक मानकीकृत लेकिन लचीली संरचना प्रदान करता है।
संपीड़न किसी भी इमेज फॉर्मेट का एक महत्वपूर्ण घटक है, जो फाइल के आकार और इमेज की गुणवत्ता को संतुलित करता है। EPT2 संपीड़न के लिए एक बहु-स्तरीय दृष्टिकोण अपनाता है, जिससे उपयोगकर्ता अपनी विशिष्ट आवश्यकताओं के आधार पर दोषरहित और दोषपूर्ण संपीड़न विधियों के बीच चयन कर सकते हैं। फॉर्मेट दोषपूर्ण संपीड़न के लिए JPEG 2000 जैसे उन्नत एल्गोरिदम का उपयोग करता है, जो गुणवत्ता में गिरावट को कम करते हुए फाइल के आकार को कम करने में बेहतर दक्षता प्रदान करता है। दोषरहित संपीड़न के लिए, EPT2 LZMA एल्गोरिदम को नियोजित करता है, जो अपने उच्च संपीड़न अनुपात और सटीक पिक्सेल मानों को संरक्षित करने की क्षमता के लिए प्रसिद्ध है, यह सुनिश्चित करता है कि मूल इमेज की गुणवत्ता बनी रहे।
EPT2 द्वारा पेश की गई एक और महत्वपूर्ण उन्नति मल्टीलेयर इमेज के लिए इसका समर्थन है, जो जटिल इमेज संपादन और कंपोजिटिंग वर्कफ़्लो को सुविधाजनक बनाता है। उपयोगकर्ता एक ही EPT2 फाइल के भीतर अलग-अलग इमेज लेयर को स्टोर कर सकते हैं, जिनमें से प्रत्येक की अपनी अनूठी विशेषताएं होती हैं जैसे कि अपारदर्शिता, ब्लेंड मोड और फ़िल्टर। यह कार्यक्षमता न केवल सभी प्रासंगिक डेटा को एक ही स्थान पर रखकर संपादन प्रक्रिया को सुव्यवस्थित करती है बल्कि कई उपयोगकर्ताओं को एक साथ इमेज के विभिन्न पहलुओं पर काम करने की अनुमति देकर सहयोग को भी बढ़ाती है। इसके अलावा, लेयर को मेटाडेटा के साथ टैग किया जा सकता है, अतिरिक्त संदर्भ प्रदान किया जा सकता है और फाइल संरचना को और भी अधिक आत्म-वर्णनात्मक बनाया जा सकता है।
जियोस्पेशियल डेटा एकीकरण EPT2 फॉर्मेट के सबसे नवीन पहलुओं में से एक का प्रतिनिधित्व करता है, जो कार्टोग्राफी, रिमोट सेंसिंग और भौगोलिक सूचना प्रणाली (GIS) की जरूरतों को पूरा करता है। EPT2 फाइलें भू-टैगिंग और विस्तृत स्थानिक मेटाडेटा को शामिल कर सकती हैं, जिससे भौगोलिक स्थानों पर इमेज सामग्री की सटीक मैपिंग सक्षम होती है। यह क्षमता उन अनुप्रयोगों के लिए महत्वपूर्ण है जिनके लिए सटीक भौगोलिक संदर्भ की आवश्यकता होती है, जैसे कि पर्यावरण निगरानी, शहरी नियोजन और आपदा प्रबंधन। विभिन्न समन्वय प्रणालियों और संदर्भ मॉडल का समर्थन करके, EPT2 मौजूदा भू-स्थानिक डेटा मानकों और उपकरणों के साथ व्यापक संगतता सुनिश्चित करता है।
EPT2 फॉर्मेट की स्केलेबिलिटी एक और प्रमुख विशेषता है, जिसे लगभग किसी भी आकार और रिज़ॉल्यूशन की इमेज को समायोजित करने के लिए डिज़ाइन किया गया है। छोटे आइकन से लेकर बड़े पैमाने के मानचित्र या विस्तृत वैज्ञानिक इमेज तक, EPT2 प्रदर्शन या गुणवत्ता से समझौता किए बिना विविध डेटा प्रकारों को कुशलतापूर्वक संभाल सकता है। यह स्केलेबिलिटी अभिनव इमेज टाइलिंग और पिरामिडल स्टोरेज तकनीकों के माध्यम से प्राप्त की जाती है, जो किसी दिए गए दृश्य या ज़ूम स्तर के लिए केवल आवश्यक डेटा लोड करके बड़ी इमेज की कुशल पहुंच और प्रतिपादन की अनुमति देती है। यह EPT2 को विशेष रूप से वेब अनुप्रयोगों और मोबाइल उपकरणों के लिए उपयुक्त बनाता है जहां बैंडविड्थ और प्रोसेसिंग पावर सीमित हो सकती है।
सुरक्षा और अधिकार प्रबंधन EPT2 फॉर्मेट के अभिन्न अंग हैं, जो डिजिटल युग में बौद्धिक संपदा की सुरक्षा के महत्व को स्वीकार करते हैं। EPT2 एन्क्रिप्शन और डिजिटल वॉटरमार्किंग का समर्थन करता है, जिससे सामग्री निर्माता अपनी इमेज को अनधिकृत उपयोग या दोहराव से सुरक्षित रख सकते हैं। इसके अतिरिक्त, फॉर ्मेट फाइल के
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 भुगत ान 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।