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।
G4 इमेज फॉर्मेट, जिसे ग्रुप 4 कम्प्रेशन के नाम से भी जाना जाता है, एक डिजिटल इमेज कम्प्रेशन स्कीम है जिसका उपयोग आमतौर पर फैक्स ट्रांसमिशन और स्कैनिंग में किया जाता है। यह TIFF (टैग्ड इमेज फाइल फॉर्मेट) परिवार का एक हिस्सा है और इसे विशेष रूप से कुशल ब्लैक-एंड-व्हाइट या मोनोक्रोम इमेज डेटा कम्प्रेशन के लिए डिज़ाइन किया गया है। G4 इमेज फॉर्मेट का प्राथमिक लक्ष्य किसी इमेज के फाइल साइज़ को उसकी क्वालिटी से समझौता किए बिना कम करना है, जो इसे टेक्स्ट डॉक्यूमेंट, इंजीनियरिंग ड्रॉइंग और अन्य मोनोक्रोम इमेज के हाई-रेजोल्यूशन स्कैन के लिए उपयुक्त बनाता है।
G4 इमेज फॉर्मेट को समझने के लिए इसके पूर्ववर्ती, ग्रुप 3 (G3) कम्प्रेशन स्कीम से परिचित होना आवश्यक है। पहले के फैक्स मशीनों में उपयोग किए जाने वाले G3 ने एक-आयामी (1D) रन-लेंथ एन्कोडिंग जैसी तकनीकों को पेश करके मोनोक्रोम इमेज कम्प्रेशन की नींव रखी। हालाँकि, G3 की कम्प्रेशन क्षमता में सीमाएँ थीं, खासकर अधिक जटिल या विस्तृत इमेज के लिए। इन सीमाओं को दूर करने और कम्प्रेशन क्षमताओं में सुधार करने के लिए, G4 फॉर्मेट को दो-आयामी (2D) एन्कोडिंग स्कीम के साथ पेश किया गया, जो कम्प्रेशन क्षमता को बढ़ाता है, विशेष रूप से दोहराए जाने वाले पैटर्न वाली इमेज के लिए।
G4 फॉर्मेट के कम्प्रेशन एल्गोरिथम के पीछे का मूल सिद्धांत दो-आयामी (2D) संशोधित READ (रिलेटिव एलिमेंट एड्रेस डिज़ाइनेट) एन्कोडिंग का उपयोग है। यह दृष्टिकोण रन-लेंथ एन्कोडिंग की मूल अवधारणा पर आधारित है, जहाँ समान रंगीन पिक्सेल का अनुक्रम (आमतौर पर G4 के मामले में काला या सफेद) एक एकल डेटा बिंदु के रूप में संग्रहीत किया जाता है, जो रंग और लगातार पिक्सेल की संख्या को इंगित करता है। 2D कोडिंग स्कीम में, इमेज में प्रत्येक पंक्ति को स्वतंत्र रूप से व्यवहार करने के बजाय, G4 आसन्न पंक्तियों के बीच के अंतर की जाँच करता है। यह विधि पंक्तियों में दोहराए जाने वाले पैटर्न को कुशलतापूर्वक पहचानती है और उन्हें संपीड़ित करती है, जिससे लगातार पैटर्न वाली इमेज के फ़ाइल आकार को काफी कम किया जाता है।
G4 एन्कोडिंग प्रक्रिया में, पिक्सेल की प्रत्येक पंक्ति की तुलना उसके ठीक ऊपर की पंक्ति से की जाती है, जिसे संदर्भ रेखा के रूप में जाना जाता है। एल्गोरिथम पिक्सेल रंग में परिवर्तन (काले से सफेद और इसके विपरीत संक्रमण) की पहचान करता है और पिक्सेल की निरपेक्ष स्थिति के बजाय इन परिवर्तनों के बीच की दूरी को एन्कोड करता है। इन अंतरों को एन्कोड करके, G4 डेटा को कुशलतापूर्वक संपीड़ित करता है, विशेष रूप से उन दस्तावेज़ों में जहाँ कई पंक्तियाँ समान या समान होती हैं। यह सापेक्ष एन्कोडिंग विधि इस तथ्य का लाभ उठाती है कि टेक्स्टुअल और लाइन ड्राइंग सामग्री में अक्सर दोहराए जाने वाले पैटर्न शामिल होते हैं, जिससे G4 स्कैन किए गए दस्तावेज़ों और तकनीकी ड्रॉइंग को संपीड़ित करने के लिए विशेष रूप से उपयुक्त हो जाता है।
G4 कम्प्रेशन एल्गोरिथम की एक उल्लेखनीय विशेषता एन्कोडिंग ओवरहेड में इसका 'न्यूनतमवाद' है। यह अलग-अलग पंक्तियों या खंडों के लिए संपीड़ित डेटा स्ट्रीम के भीतर पारंपरिक मार्कर या हेडर के उपयोग से बचता है। इसके बजाय, G4 रन की लंबाई और संदर्भ और कोडिंग लाइनों के बीच की शिफ्ट का प्रतिनिधित्व करने के लिए कोड के एक कॉम्पैक्ट सेट पर निर्भर करता है। यह रणनीति G4 की उच्च कम्प्रेशन दरों में महत्वपूर्ण योगदान देती है, एन्कोडिंग प्रक्रिया के दौरान पेश किए गए अतिरिक्त डेटा को कम करके, यह सुनिश्चित करती है कि संपीड़ित फ़ाइल यथासंभव छोटी हो।
कम्प्रेशन क्षमता G4 फॉर्मेट की अपील का एक महत्वपूर्ण पहलू है, लेकिन इमेज क्वालिटी पर इसका प्रभाव ध्यान देने योग्य है। अपनी उच्च कम्प्रेशन दरों के बावजूद, G4 दोषरहित डेटा कम्प्रेशन सुनिश्चित करता है। इसका मतलब यह है कि जब एक G4-संपीड़ित इमेज को डीकंप्रेस किया जाता है, तो उसे बिना किसी विवरण या गुणवत्ता की हानि के उसकी मूल स्थिति में बहाल कर दिया जाता है। यह दोषरहित प्रकृति उन अनुप्रयोगों के लिए आवश्यक है जहाँ पुनरुत्पादित इमेज की सटीकता महत्वपूर्ण है, जैसे कानूनी दस्तावेज़, वास्तुकला योजनाएँ और स्कैन किए गए टेक्स्ट।
TIFF विनिर्देश में G4 इमेज फॉर्मेट का एकीकरण इसकी बहुमुखी प्रतिभा और उपयोगिता को बढ़ाता है। TIFF, एक लचीला और व्यापक रूप से समर्थित इमेज फ़ाइल फ़ॉर्मेट होने के कारण, G4 सहित विभिन्न कम्प्रेशन स्कीम को शामिल करने की अनुमति देता है, बिना TIFF द्वारा प्रदान की जाने वाली कार्यक्षमता से समझौता किए, जैसे एक ही फ़ाइल में कई इमेज के लिए समर्थन, मेटाडेटा संग्रहण और विभिन्न प्लेटफ़ॉर्म और डिवाइस पर संगतता। इस एकीकरण का मतलब है कि उपयोगकर्ता TIFF फॉर्मेट की समृद्ध विशेषताओं और व्यापक संगतता को बनाए रखते हुए G4 के कुशल कम्प्रेशन से ला भ उठा सकते हैं।
हालाँकि, G4 इमेज फॉर्मेट का उपयोग कुछ विचारों और सीमाओं को प्रस्तुत करता है जिनके बारे में उपयोगकर्ताओं को पता होना चाहिए। उदाहरण के लिए, G4 कम्प्रेशन की दक्षता इमेज की सामग्री पर अत्यधिक निर्भर है। एक समान रंग या दोहराए जाने वाले पैटर्न वाले बड़े क्षेत्रों वाली इमेज को यादृच्छिक या अत्यधिक विस्तृत सामग्री वाली इमेज की तुलना में अधिक प्रभावी ढंग से संपीड़ित किया जाता है। इस विशेषता का मतलब है कि जबकि G4 टेक्स्ट दस्तावेज़ों और सरल रेखाचित्रों के लिए उत्कृष्ट है, इसकी कम्प्रेशन क्षमता और प्रभावशीलता तस्वीरों या जटिल ग्रेस्केल इमेज के लिए कम हो सकती है।
इसके अलावा, G4 कम्प्रेशन और डीकम्प्रेशन का प्रदर्शन उपलब्ध कम्प्यूटेशनल संसाधनों से प्रभावित होता है। एन्कोडिंग और डिकोडिंग प्रक्रियाओं में शामिल दो-आयामी विश्लेषण को सरल, एक-आयामी योजनाओं की तुलना में अधि क प्रोसेसिंग पावर की आवश्यकता होती है। नतीजतन, सीमित कम्प्यूटेशनल क्षमता वाले डिवाइस, जैसे पुराने फैक्स मशीन या स्कैनर, G4 संपीड़ित इमेज के साथ काम करते समय धीमी प्रोसेसिंग समय का अनुभव कर सकते हैं। इस कम्प्यूटेशनल मांग को कम फ़ाइल आकार और संग्रहण आवश्यकताओं के लाभों के विरुद्ध संतुलित किया जाना चाहिए।
इन विचारों के बावजूद, विभिन्न अनुप्रयोगों में G4 इमेज फॉर्मेट को अपनाना इसके मूल्य को उजागर करता है। दस्तावेज़ संग्रह और डिजिटल पुस्तकालयों के क्षेत्र में, विवरण का त्याग किए बिना फ़ाइल आकार को महत्वपूर्ण रूप से कम करने की G4 की क्षमता
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।