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।
PALM इमेज फॉर्मेट, जिसे पाम बिटमैप के नाम से भी जाना जाता है, पाम OS डिवाइस से जुड़ा एक रेस्टर ग्राफिक्स फाइल फॉर्मेट है। इसे पाम OS PDA (पर्सनल डिजिटल असिस्टेंट) पर इमेज स्टोर करने के लिए डिज़ाइन किया गया था, जो 1990 के दशक के अंत और 2000 के दशक की शुरुआत में लोकप्रिय थे। यह फॉर्मेट विशेष रूप से इन हैंडहेल्ड डिवाइस की डिस्प्ले और मेमोरी सीमाओं के अनुरूप है, यही कारण है कि इसे कम-रिज़ॉल्यूशन, इंडेक्स्ड-कलर इमेज के लिए अनुकूलित किया गया है जिसे डिवाइस की स्क्रीन पर जल्दी से रेंडर किया जा सकता है।
PALM इमेज अपनी सादगी और दक्षता से पहचाने जाते हैं। यह फॉर्मेट एक सीमित कलर पैलेट को सपोर्ट करता है, आमतौर पर 256 कलर तक, जो PDA की छोटी स्क्रीन के लिए पर्याप्त है। इस इंडेक्स्ड कलर दृष्टिकोण का मतलब है कि इमेज में प्रत्येक पिक्सेल को उसके अपने कलर वैल्यू द्वारा नहीं बल्कि एक कलर टेबल के इंडेक्स द्वारा दर्शाया जाता है जिसमें वास्तविक RGB (लाल, हरा, नीला) वैल्यू होती है। कलर प्रतिनिधित्व की यह विधि बहुत मेमोरी-कुशल है, जो सीमित RAM और स्टोरेज क्षमता वाले डिवाइस के लिए महत्वपूर्ण है।
PALM इमेज फ़ाइल की मूल संरचना में एक हेडर, एक कलर पैलेट (यदि इमेज मोनोक्रोम नहीं है), बिटमैप डेटा और संभवतः पारदर्शिता जानकारी होती है। हेडर में इमेज के बारे में मेटाडेटा होता है, जैसे कि पिक्सेल में इसकी चौड़ाई और ऊंचाई, बिट डेप्थ (जो कलर की संख्या निर्धारित करता है), और फ्लैग जो इंगित करते हैं कि इमेज में पारदर्शिता इंडेक्स है या संकुचित है।
संपीड़न PALM इम ेज फॉर्मेट की एक और विशेषता है। और भी अधिक स्थान बचाने के लिए, PALM इमेज को रन-लेंथ एन्कोडिंग (RLE) एल्गोरिथम का उपयोग करके संकुचित किया जा सकता है। RLE लॉसलेस डेटा संपीड़न का एक रूप है जहां समान डेटा वैल्यू (रन) के अनुक्रम को एकल डेटा वैल्यू और एक गणना के रूप में संग्रहीत किया जाता है। यह विशेष रूप से एक समान कलर के बड़े क्षेत्रों वाली इमेज के लिए प्रभावी है, जो PDA में उपयोग किए जाने वाले आइकन और यूजर इंटरफेस तत्वों में आम है।
PALM इमेज में पारदर्शिता को पारदर्शिता इंडेक्स के माध्यम से नियंत्रित किया जाता है। यह इंडेक्स पैलेट में एक कलर की ओर इशारा करता है जिसे पारदर्शक के रूप में नामित किया गया है, जिससे इमेज के चारों ओर एक ब्लॉकी, अपारदर्शी आयत के बिना विभिन्न पृष्ठभूमि पर इमेज के ओवरले की अनुमति मिलती है। यह एक सहज यूजर इंटरफेस बनाने के लिए आवश्यक है जहां आइकन और अन्य ग्राफिक्स को उनकी पृष ्ठभूमि के साथ मिश्रित करने की आवश्यकता होती है।
PALM इमेज में कलर पैलेट एक महत्वपूर्ण घटक है, क्योंकि यह इमेज में उपयोग किए जाने वाले कलर के सेट को परिभाषित करता है। पैलेट कलर प्रविष्टियों की एक सरणी है, जहां प्रत्येक प्रविष्टि आमतौर पर एक 16-बिट वैल्यू होती है जो एक RGB कलर का प्रतिनिधित्व करती है। इमेज की बिट डेप्थ पैलेट में कलर की अधिकतम संख्या निर्धारित करती है। उदाहरण के लिए, 1-बिट डेप्थ इमेज में 2-कलर पैलेट (आमतौर पर काला और सफेद) होगा, जबकि 8-बिट डेप्थ इमेज में 256 कलर तक हो सकते हैं।
PALM इमेज फ़ाइल में बिटमैप डेटा इमेज का पिक्सेल-दर-पिक्सेल प्रतिनिधित्व है। प्रत्येक पिक्सेल को कलर पैलेट में एक इंडेक्स के रूप में संग्रहीत किया जाता है। इस डेटा का भंडारण कच्चे, असम्पीडित प्रारूप में या RLE का उपयोग करके संकुचित किया जा सकता है। असम्पीडित प्रारूप में, बिटमैप डेटा केवल इंडेक्स का एक अनु क्रम है, प्रत्येक पिक्सेल के लिए एक, ऊपर से नीचे और बाएं से दाएं कॉलम में पंक्तियों में व्यवस्थित।
PALM इमेज फॉर्मेट के अनूठे पहलुओं में से एक एक ही इमेज के भीतर कई बिट डेप्थ के लिए इसका समर्थन है। इसका मतलब है कि एक इमेज में विभिन्न कलर रिज़ॉल्यूशन वाले क्षेत्र हो सकते हैं। उदाहरण के लिए, एक PALM इमेज में कम-कलर-डेप्थ सजावटी तत्व (1-बिट) के साथ एक उच्च-कलर-डेप्थ आइकन (8-बिट) हो सकता है। यह लचीलापन केवल इमेज की दृश्य गुणवत्ता के लिए आवश्यक होने पर उच्च बिट डेप्थ का उपयोग करके मेमोरी के कुशल उपयोग की अनुमति देता है।
PALM इमेज फॉर्मेट में कस्टम आइकन और मेनू ग्राफिक्स के लिए भी समर्थन शामिल है, जो पाम OS एप्लिकेशन के यूजर इंटरफेस के लिए आवश्यक हैं। इन इमेज को एप्लिकेशन कोड में एकीकृत किया जा सकता है और पाम OS API (एप्लिकेशन प्रोग्रामिंग इंटरफेस) का उपयोग करके डिवाइस पर प्रदर्शित किया जा सकता है। API PALM इमेज को लोड करने, प्रदर्शित करने और हेरफेर करने के लिए कार्य प्रदान करता है, जिससे डेवलपर्स के लिए अपने एप्लिकेशन में ग्राफिक्स को शामिल करना आसान हो जाता है।
पाम OS डिवाइस के संदर्भ में इसकी दक्षता और उपयोगिता के बावजूद, अधिक आधुनिक इमेज फॉर्मेट की तुलना में PALM इमेज फॉर्मेट की कई सीमाएँ हैं। उदाहरण के लिए, यह ट्रू कलर इमेज (24-बिट या उच्चतर) का समर्थन नहीं करता है, जो उन एप्लिकेशन में इसके उपयोग को सीमित करता है जिनके लिए उच्च-निष्ठा ग्राफिक्स की आवश्यकता होती है। इसके अतिरिक्त, यह फॉर्मेट उन्नत सुविधाओं जैसे लेयर, अल्फा चैनल (सरल पारदर्शिता से परे), या EXIF (एक्सचेंजेबल इमेज फाइल फॉर्मेट) जैसे मेटाडेटा का समर्थन नहीं करता है जो आमतौर पर JPEG या PNG जैसे फॉर्मेट में पाए जाते हैं।
PALM इमेज फॉर्मेट का व्यापक रूप से पाम OS डिवाइस और एप्लिकेशन के बाहर उपयोग नहीं किया जाता है। पाम OS PDA की गिरावट और अधिक उन्नत ऑपरेटिंग सिस्टम और ग्राफिक्स क्षमताओं वाले स्मार्टफोन और अन्य मोबाइल डिवाइस के उदय के साथ, PALM फॉर्मेट काफी हद तक अप्रचलित हो गया है। आधुनिक मोबाइल डिवाइस JPEG, PNG और GIF सहित इमेज फॉर्मेट की एक विस्तृत श्रृंखला का समर्थन करते हैं, जो PALM फॉर्मेट की तुलना में अधिक कलर डेप्थ, बेहतर संपीड़न और अधिक सुविधाएँ प्रदान करते हैं।
ऐतिहासिक और अभिलेखीय उद्देश्यों के लिए, PALM इमेज को अधिक समकालीन फॉर्मेट में बदलना आवश्यक हो सकता है। यह विशेष सॉफ़्टवेयर टूल का उपयोग करके किया जा सकता है जो PALM फॉर्मेट को पढ़ सकते हैं और इसे PNG या JPEG जैसे फॉर्मेट में बदल सकते हैं। ये टूल आमतौर पर PALM फ़ाइल संरचना को पार्स करते हैं, बिटमैप डेटा और कलर पैलेट को निक
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 सक ता 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।