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।
PANGO इमेज फॉर्मेट डिजिटल ग्राफिक्स के क्षेत्र में व्यापक रूप से मान्यता प्राप्त या मानकीकृत इमेज फॉर्मेट नहीं है। 2023 की शुरुआत में मेरे ज्ञान की सीमा के अनुसार, 'PANGO' नाम से कोई स्थापित इमेज फॉर्मेट नहीं है। यह संभव है कि आप किसी मालिकाना या विशिष्ट फॉर्मेट का उल्लेख कर रहे हों जिसे व्यापक रूप से अपनाया नहीं गया है या जिसका उपयोग किसी विशिष्ट संगठन या सॉफ़्टवेयर पारिस्थितिकी तंत्र के भीतर किया जाता है। हालाँकि, आगे के संदर्भ या जानकारी के बिना, ऐसे फॉर्मेट पर विस्तृत तकनीकी व्याख्या प्रदान कर ना चुनौतीपूर्ण है जो सार्वजनिक रूप से प्रलेखित या उद्योग में ज्ञात नहीं है।
यदि PANGO एक ऐसा शब्द है जिसे किसी नए या उभरते हुए इमेज फॉर्मेट के लिए गढ़ा गया है, तो सटीक और विस्तृत व्याख्या प्रदान करने के लिए इसके तकनीकी विनिर्देश तक पहुँच होना आवश्यक होगा। इमेज फॉर्मेट विनिर्देशों में आमतौर पर फ़ाइल हेडर संरचना, मेटाडेटा समर्थन, रंग मॉडल, संपीड़न विधियाँ और एन्कोडिंग एल्गोरिदम जैसी जानकारी शामिल होती है। ये विनिर्देश डेवलपर्स के लिए सॉफ़्टवेयर अनुप्रयोगों में फॉर्मेट के लिए समर्थन लागू करने और उपयोगकर्ताओं के लिए अपनी इमेज संग्रहण आवश्यकताओं के लिए फॉर्मेट का उपयोग करने के लाभों और सीमाओं को समझने के लिए महत्वपूर्ण हैं।
मान्यता प्राप्त PANGO इमेज फॉर्मेट की अनुपस्थिति में, यह संभव है कि 'Pango' लाइब्रेरी के साथ कुछ भ्रम हो सकता है, जो एक टेक्स्ट लेआउट और रेंडरिंग इंजन है जिसका उपयोग अक्सर ओपन-सोर्स सॉफ़्टवेयर प्रोजेक्ट्स में किया जाता है। Pango GNOME प्रोजेक्ट का हिस्सा है और इसे अंतर्राष्ट्रीयकृत टेक्स्ट के लेआउट और रेंडरिंग को संभालने के लिए डिज़ाइन किया गया है। हालाँकि, Pango स्वयं एक इमेज फॉर्मेट नहीं है बल्कि एक लाइब्रेरी है जिसका उपयोग टेक्स्ट को इमेज या अन्य ग्राफ़िकल आउटपुट पर PNG, JPEG या SVG जैसे फॉर्मेट में रेंडर करने के लिए किया जा सकता है।
यदि PANGO इमेज फॉर्मेट वास्तव में एक मालिकाना या कस्टम फॉर्मेट है, तो इसके इच्छित उपयोग के मामले को समझना महत्वपूर्ण होगा। विभिन्न इमेज फॉर्मेट विभिन्न उद्देश्यों के लिए अनुकूलित किए जाते हैं, जैसे दोषरहित संग्रह (TIFF, PNG), कुशल वेब ट्रांसमिशन (JPEG, WebP), या परतों और प्रभावों वाले जटिल ग्राफ़िक्स (PSD, XCF)। एक इमेज फॉर्मेट का डिज़ाइन इमेज गुणवत्ता, फ़ाइल आकार और इमेज को एन्कोडिंग और डिकोडिंग की कम्प्यूटेशनल जटिलता के बीच संतुलन को दर्शाता है।
किसी भी इमेज फॉर्मेट के लिए, काल्पनिक PANGO फॉर्मेट सहित, प्राथमिक विचारों में से एक रंग मॉडल का चुनाव है। सामान्य रंग मॉडल में RGB (लाल, हरा, नीला), CMYK (सियान, मैजेंटा, पीला, कुंजी/काला) और ग्रेस्केल शामिल हैं। प्रत्येक रंग मॉडल अलग-अलग उद्देश्यों की पूर्ति करता है; उदाहरण के लिए, RGB का व्यापक रूप से डिजिटल डिस्प्ले के लिए उपयोग किया जाता है, जबकि CMYK का उपयोग रंगीन मुद्रण के लिए किया जाता है। एक उन्नत इमेज फॉर्मेट उच्च-निष्ठा रंग प्रजनन के लिए Adobe RGB या ProPhoto RGB जैसे रंग स्थानों का भी समर्थन कर सकता है।
संपीड़न इमेज फॉर्मेट का एक और महत्वपूर्ण पहलू है। संपीड़न दोषपूर्ण हो सकता है, जहाँ फ़ाइल आकार को कम करने के लिए कुछ इमेज डेटा को स्थायी रूप से त्याग दिया जाता है, या दोषरहित, जहाँ मूल इमेज डेटा को संपीड़ित फ़ाइल से पूरी तरह से पुनर्निर्मित किया जा सकता है। JPEG दोषपूर्ण संपीड़न फॉर ्मेट का एक उदाहरण है, जबकि PNG दोषरहित संपीड़न का उपयोग करता है। यदि PANGO एक इमेज फॉर्मेट होता, तो इसकी संपीड़न विधि विभिन्न अनुप्रयोगों, जैसे फ़ोटोग्राफ़ी, वेब ग्राफ़िक्स या चिकित्सा इमेजिंग के लिए इसकी उपयुक्तता को महत्वपूर्ण रूप से प्रभावित करती।
मेटाडेटा समर्थन भी आधुनिक इमेज फॉर्मेट की एक महत्वपूर्ण विशेषता है। मेटाडेटा में इमेज के बारे में जानकारी शामिल हो सकती है जैसे कि फ़ोटोग्राफ़ लेने के लिए उपयोग की जाने वाली कैमरा सेटिंग्स, इमेज बनाने या संपादित करने के लिए उपयोग किया जाने वाला सॉफ़्टवेयर, कॉपीराइट और लाइसेंसिंग जानकारी, और बहुत कुछ। EXIF, IPTC और XMP जैसे फॉर्मेट आमतौर पर इमेज फ़ाइलों के भीतर मेटाडेटा एम्बेड करने के लिए उपयोग किए जाते हैं। एक PANGO इमेज फॉर्मेट इसी तरह मेटाडेटा का समर्थन कर सकता है, जिससे दृश्य सामग्री के साथ समृद्ध विवरण और डेटा संग्रहीत करने की अनुमति म िलती है।
पारदर्शिता एक ऐसी विशेषता है जो किसी इमेज के कुछ हिस्सों को देखने योग्य होने की अनुमति देती है। GIF और PNG जैसे फॉर्मेट पारदर्शिता का समर्थन करते हैं, जो एक दृश्यमान आयताकार सीमा के बिना विभिन्न पृष्ठभूमियों पर इमेज को ओवरले करने के लिए आवश्यक है। यदि PANGO फॉर्मेट को वेब या एप्लिकेशन इंटरफ़ेस के लिए ग्राफ़िक्स को संभालने के लिए डिज़ाइन किया गया है, तो उसे पारदर्शिता या अल्फा चैनल क्षमता के किसी न किसी रूप का समर्थन करने की आवश्यकता होगी।
एनीमेशन एक और विशेषता है जिसका कुछ इमेज फॉर्मेट समर्थन करते हैं। उदाहरण के लिए, GIF सरल फ़्रेम-आधारित एनीमेशन का समर्थन करता है, और हाल ही में, APNG (एनिमेटेड PNG) और WebP जैसे फॉर्मेट ने बेहतर रंग गहराई और संपीड़न के साथ एनिमेशन के लिए समर्थन बढ़ाया है। यदि PANGO को वेब या मल्टीमीडिया सामग्री का समर्थन करने का इरादा है, तो इसमें इन फॉर्मेट के समान एक ए नीमेशन सुविधा शामिल हो सकती है।
स्केलेबिलिटी इमेज फॉर्मेट में एक वांछनीय विशेषता हो सकती है, विशेष रूप से उन अनुप्रयोगों के लिए जिन्हें गुणवत्ता की हानि के बिना विभिन्न आकारों में प्रदर्शित करने के लिए इमेज की आवश्यकता होती है। SVG जैसे वेक्टर इमेज फॉर्मेट स्केलेबल होते हैं क्योंकि वे पिक्सेल के बजाय ज्यामितीय आकृतियों के संदर्भ में इमेज का वर्णन करते हैं। यदि PANGO एक वेक्टर फॉर्मेट है, तो इसे रेखाओं, वक्रों और आकृतियों के लिए गणितीय समीकरणों द्वारा परिभाषित किया जाएगा, जिससे यह रिज़ॉल्यूशन-स्वतंत्र हो जाएगा।
विभिन्न सॉफ़्टवेयर और प्लेटफ़ॉर्म पर इंटरऑपरेबिलिटी और समर्थन भी एक इमेज फॉर्मेट को अपनाने के लिए महत्वपूर्ण हैं। JPEG और PNG जैसे अच्छी तरह से स्थापित फॉर्मेट लगभग सभी इमेज व्यूअर और वेब ब्राउज़र द्वारा समर्थित हैं। PANGO जैसे नए फॉर्मेट को कर्षण प्राप्त करने के लिए, इ से लोकप्रिय ऑपरेटिंग सिस्टम, ग्राफ़िक्स सॉफ़्टवेयर और संभवतः कैमरा और प्रिंटर जैसे हार्डवेयर द्वारा समर्थित होने की आवश्यकता होगी।
फ़ाइल फॉर्मेट के डिज़ाइन में सुरक्षा और गोपनीयता संबंधी विचार तेजी से महत्वपूर्ण होते जा रहे हैं। एक इमेज फॉर्मेट
यह कनवर ्टर 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, টিআই এফএফ, 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।