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।
FL32 इमेज फॉर्मेट, जिसे अक्सर 32-बिट फ्लोटिंग पॉइंट फॉर्मेट के रूप में जाना जाता है, एक हाई-फिडेलिटी इमेज स्टोरेज फॉर्मेट है जो ल्यूमिनेंस की एक विस्तृत डायनामिक रेंज को कैप्चर करता है, जो कि पारंपरिक 8-बिट या 16-बिट फॉर्मेट की पेशकश से कहीं अधिक व्यापक है। यह क्षमता इसे विशेष रूप से उन क्षेत्रों में मूल्यवान बनाती है जहां सटीक रंग और प्रकाश की जानकारी सर्वोपरि होती है, जैसे कि डिजिटल कंटेंट क्रिएशन (DCC), विजुअल इफेक्ट्स (VFX), और हाई डायनामिक रेंज (HDR) फोटोग्राफी। रंग की तीव्रता और चमक के स्तर का अधिक सूक्ष्म प्रतिनिधित्व करने की अनुमति देकर, FL32 डिजिटल इमेजरी और मानवीय दृश्य अनुभव के बीच की खाई को प्रभावी ढंग से पाटता है।
FL32 इमेज में प्रत्येक पिक्सेल को चार 32-बिट फ्लोटिंग-पॉइंट नंबरों द्वारा दर्शाया जाता है, जो क्रमशः लाल, हरे, नीले और अल्फा (पारदर्शिता) चैनलों से संबंधित होते हैं। यह प्रतिनिधित्व JPEG या PNG जैसे अधिक सामान्य प्रारूपों में उपयोग किए जाने वाले पूर्णांक-आधारित संग्रहण से महत्वपूर्ण रूप से भिन्न होता है, जहां प्रत्येक चैनल बिट्स की एक निश्चित संख्या (आमतौर पर 8 या 16) तक सीमित होता है। इसके विपरीत, FL32 की फ्लोटिंग-पॉइंट प्रकृति संभावित मानों की एक विशाल श्रृंखला प्रदान करती है, जिससे अत्यधिक उज्ज्वल से लेकर बहुत गहरे रंगों को उच्च परिशुद्धता के साथ एन्कोडिंग करना संभव हो जाता है।
32-बिट फ्लोटिंग-पॉइंट नंबर की संरचना, जैसा कि IEEE 754 मानक द्वारा परिभाषित किया गया है, में तीन भाग होते हैं: एक साइन बिट, एक घातांक और एक सिग्निफिकैंड (या मंटिसा)। यह संरचना FL32 इमेज को मानक इमेज फॉर्मेट की क्षमताओं से कहीं आगे, ल्यूमिनेंस स्तरों की एक विस्तृत श्रृंखला को कवर करने की अनुमति देती है। विशेष रूप से, घातांक चमक के बहुत अलग पैमानों के प्रतिनिधित्व की सुविधा प्रदान करता है, सबसे सूक्ष्म छाया से लेकर सबसे चमकदार रोशनी तक, बिना विस्तार खोए या बैंडिंग समस्याओं के कारण जो अक्सर कम-बिट-डेप्थ फॉर्मेट को परेशान करते हैं।
3D मॉडलिंग और रेंडरिंग में इमेज-आधारित लाइटिंग (IBL) के लिए FL32 की विस्तृत डायनामिक रेंज एक महत्वपूर्ण संपत्ति है। पर्यावरणीय मानचित्रों के रूप में FL32 फॉर्मेट में संग्रहीत HDR इमेज का उपयोग करके, 3D कलाकार और आर्किटेक्ट अभूतपूर्व यथार्थवाद के साथ जटिल प्रकाश परिदृश्यों का अनुकरण कर सकते हैं। वास्तविक दुनिया के ल्यूमिनेंस मानों को सटीक रूप से संग्रहीत करने की फॉर्मेट की क् षमता सॉफ़्टवेयर को यह गणना करने में सक्षम बनाती है कि प्रकाश सामग्री के साथ कैसे इंटरैक्ट करता है, उनके परावर्तन, अपवर्तन और अवशोषण गुणों पर विचार करते हुए, जिससे फोटो-यथार्थवादी रेंडर तैयार होते हैं।
अपने फायदों के बावजूद, FL32 फॉर्मेट अपनी चुनौतियों के बिना नहीं है, खासकर फ़ाइल आकार और संगतता के संबंध में। प्रत्येक पिक्सेल की रंग जानकारी को संग्रहीत करने के लिए आवश्यक डेटा की मात्रा के कारण FL32 फ़ाइलें स्वाभाविक रूप से बड़ी होती हैं। इसके लिए महत्वपूर्ण संग्रहण क्षमता की आवश्यकता होती है और अधिक संकुचित या कम बिट-डेप्थ फॉर्मेट की तुलना में लंबे लोडिंग और सेविंग समय हो सकते हैं। इसके अतिरिक्त, सभी सॉफ़्टवेयर एप्लिकेशन या डिवाइस FL32 इमेज का समर्थन नहीं करते हैं, जो कई टूल या प्लेटफ़ॉर्म शामिल करने वाले वर्कफ़्लो को जटिल कर सकते हैं।
इन चुनौतियों का समाधान करने के लिए, FL32 फ़ाइ ल आकार को उनकी अखंडता से समझौता किए बिना कम करने के लिए विभिन्न संपीड़न तकनीकों को नियोजित किया जा सकता है। लॉसलेस संपीड़न एल्गोरिदम फ़ाइल आकार को महत्वपूर्ण रूप से कम करने में सक्षम हैं जबकि यह सुनिश्चित करते हैं कि मूल डेटा को डीकंप्रेसन पर पूरी तरह से पुनर्निर्मित किया जा सकता है। लॉसी संपीड़न विधियाँ भी हैं जो इच्छित उपयोग के मामले के लिए कम महत्वपूर्ण समझे जाने वाले कुछ डेटा को त्याग कर बहुत अधिक संपीड़न अनुपात प्राप्त करती हैं, हालांकि यह छवि की गुणवत्ता को प्रभावित कर सकता है।
FL32 इमेज के साथ काम करने का एक और महत्वपूर्ण पहलू उनकी उच्च डायनामिक रेंज और बिट डेप्थ को संभालने में सक्षम विशेष संपादन टूल की आवश्यकता है। जबकि मानक फोटो संपादन सॉफ़्टवेयर FL32 के लिए बुनियादी समर्थन प्रदान कर सकता है, पेशेवर-ग्रेड टूल उन्नत सुविधाएँ प्रदान करते हैं जैसे कि टोन मैपिंग, एक्सपोज ़र नियंत्रण और रंग ग्रेडिंग विशेष रूप से HDR सामग्री के लिए डिज़ाइन की गई है। FL32 इमेजरी की क्षमता को अधिकतम करने के लिए ये विशेषताएँ आवश्यक हैं, जिससे कलाकारों और फ़ोटोग्राफ़रों को अपने काम में इस तरह से हेरफेर करने में सक्षम बनाया जाता है जो मूल दृश्य की ल्यूमिनेंस और रंग निष्ठा को बनाए रखता है।
FL32 इमेज के लिए टोन मैपिंग एक विशेष रूप से महत्वपूर्ण प्रक्रिया है, उनकी विस्तृत ल्यूमिनेंस रेंज को देखते हुए। इसमें उच्च डायनामिक रेंज सामग्री को एक ऐसे प्रारूप में परिवर्तित करना शामिल है जिसे मानक डायनामिक रेंज (SDR) मॉनिटर या मुद्रित सामग्री पर प्रदर्शित किया जा सकता है, बिना बहुत अधिक विवरण या कंट्रास्ट का त्याग किए। यह प्रक्रिया सीधी नहीं है और अक्सर छवि के सौंदर्य गुणों को बनाए रखने के लिए सावधानीपूर्वक समायोजन की आवश्यकता होती है जबकि इसे मीडिया की एक विस्तृत श्रृंखला में देखने योग्य बनाया जाता है।
FL32 वर्कफ़्लो में रंग ग्रेडिंग भी अद्वितीय चुनौतियाँ और अवसर प्रस्तुत करती है। FL32 में उपलब्ध विशाल रंग स्थान और डायनामिक रेंज संपादकों को सूक्ष्म लेकिन प्रभावशाली समायोजन करने में सक्षम बनाते हैं जो कम बिट-डेप्थ फॉर्मेट के साथ असंभव होंगे। ये समायोजन छवि के समग्र मूड और अनुभव को बढ़ा सकते हैं, लेकिन वांछित परिणामों को सटीक रूप से प्राप्त करने के लिए रंग सिद्धांत और एक कैलिब्रेटेड देखने के वातावरण की गहरी समझ की आवश्यकता होती है।
वीडियो उत्पादन के क्षेत्र में, FL32 फॉर्मेट उच्च डायनामिक रेंज वीडियो सामग्री प्राप्त करने में एक महत्वपूर्ण भूमिका निभाता है। स्थिर इमेजरी की तरह, फॉर्मेट ल्यूमिनेंस और रंग जानकारी की एक विस्तृत श्रृंखला को कैप्चर करने और संरक्षित करने की अनुमति देता है, रंग सुधार और दृश्य प्रभाव संरचना जैसी पोस्ट-प्रोडक्शन प्रक्रियाओं क ो विस्तार और लचीलेपन के स्तर के साथ सुविधाजनक बनाता है जो पारंपरिक वीडियो फॉर्मेट में अप्राप्य है। यह फिल्म निर्माताओं के लिए अधिक इमर्सिव और नेत्रहीन रूप से आकर्षक कथाएँ देने की मांग करने वालों के लिए एक गेम-चेंजर रहा है।
FL32 की भवि
यह कनवर्टर पूरी तरह से आप के 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।