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।
PNG00 इमेज फॉर्मेट व्यापक पोर्टेबल नेटवर्क ग्राफिक्स (PNG) फॉर्मेट के एक विशिष्ट सबसेट का प्रतिनिधित्व करता है, जिसे रैस्टर इमेज के लॉसलेस, अच्छी तरह से संकुचित स्टोरेज को सुविधाजनक बनाने के लिए डिज़ाइन किया गया है। इसे GIF पर एक परिष्कार और सुधार के रूप में विकसित किया गया था और इसकी बहुमुखी विशेषताओं के कारण यह लोकप्रिय हो गया है। सामान्य PNG के विपरीत जो रंग की गहराई और अतिरिक्त विशेषताओं की एक विस्तृत श्रृंखला का समर्थन करता है, PNG00 विशेष रूप से कुछ स्थितियों के लिए अनुकूलित एक फॉर्मेट को संदर्भित करता है, जो मूल इमेज डेटा की अखंडता का त्याग किए बिना कुशल संपीड़न और पुराने सिस्टम के साथ संगतता प्राप्त करने पर ध्यान केंद्रित करता है।
अपने मूल में, PNG फॉर्मेट, जिसमें PNG00 भी शामिल है, संपीड़न की एक विधि का उपयोग करता है जो लॉसलेस है। इसका मतलब यह है कि, JPEG या अन्य लॉसी फॉर्मेट के विपरीत, जब किसी इमेज को PNG00 फॉर्मेट में संपीड़ित किया जाता है, तो गुणवत्ता में कोई हानि नहीं होती है, और सभी मूल इमेज जानकारी को पूरी तरह से पुनर्प्राप्त किया जा सकता है। यह विशेष रूप से उन अनुप्रयोगों के लिए महत्वपूर्ण है जहां इमेज अखंडता सर्वोपरि है, जैसे डेस्कटॉप प्रकाशन, डिजिटल कला और कुछ वेब ग्राफिक्स जहां स्पष्टता और सटीकता महत्वपूर्ण है।
PNG00 फ़ाइल की संरचना, सभी PNG फ़ाइलों की तरह, चंक-आधारित है। एक PNG फ़ाइल कई चंक्स से बनी होती है, जिनमें से प्रत्येक एक अलग उद्देश्य की पूर्ति करता है। इन चंक्स में मेटाडेटा शामिल हो सकता है, जैसे इमेज का रंग स्थान, गामा और टेक्स्ट एनोटेशन, इमेज डेटा के अलावा। प्रत्येक PNG फ़ाइल में महत्वपूर्ण चंक्स हेडर चंक (IHDR) होते हैं, जो इमेज के आकार और रंग की गहराई को रेखांकित करते हैं; अनुक्रमित इमेज के लिए पैलेट चंक (PLTE); इमेज डेटा चंक (IDAT), जिसमें वास्तविक संपीड़ित इमेज डेटा होता है; और एंड चंक (IEND), जो फ़ाइल के अंत का संकेत देता है।
PNG00 और PNG में संपीड़न, बड़े पैमाने पर, फ़िल्टरिंग और DEFLATE एल्गोरिथम के संयोजन के माध्यम से प्राप्त किया जाता है। फ़िल्टरिंग एक प्रीप्रोसेसिंग चरण है जो इमेज जानकारी की जटिलता को कम करके अधिक कुशल संपीड़न के लिए इमेज डेटा तैयार करता है। कई फ़िल्टरिंग विधियाँ उपलब्ध हैं, और PNG एक फ़िल्टर विधि का उपयोग करता है जो आसन्न पिक्सेल के रंगों के आधार पर पिक्सेल के रंग की भविष्यवाणी करता है, जिससे उस जानकारी की मात्रा कम हो जाती है जिसे संपीड़ित करने की आवश्यकता होती है। फ़िल्टरिंग के बाद, DEFLATE संपीड़न एल्गोरिथम, LZ77 और हफ़मैन कोडिंग का एक रूपांतर, इमेज डेटा को बिना किसी नुकसान के महत्वपूर्ण रूप से संपीड़ित करने के लिए लागू किया जाता है।
PNG फॉर्मेट की एक विशिष्ट विशेषता, जिसमें PNG00 भी शामिल है, अल्फा चैनल के लिए इसका समर्थन है, जो इमेज में पारदर्शिता के विभिन्न स्तरों की अनुमति देता है। यह सुविधा वेब डिज़ाइन और सॉफ़्टवेयर विकास में विशेष रूप से उपयोगी है, जहाँ इमेज को विभिन्न पृष्ठभूमि पर आरोपित करने की आवश्यकता होती है। GIF जैसे फॉर्मेट के विपरीत, जो केवल पूरी तरह से पारदर्शी या पूरी तरह से अपारदर्शी पिक्सेल का समर्थन करते हैं, PNG का 8-बिट पारदर्शिता के लिए समर्थन पूरी तरह से पारदर्शी से पूरी तरह से अपारदर्शी तक 256 स्तरों की पारदर्शिता की अनुमति देता है, जिससे सहज संक्रमण और प्रभावों का निर्माण होता है।
PNG में रंग प्रबंधन, और विस्तार से PNG00, ICC प् रोफ़ाइल चंक्स या sRGB चंक्स को शामिल करके नियंत्रित किया जाता है, जो निर्दिष्ट करते हैं कि इमेज में रंगों की व्याख्या विभिन्न उपकरणों द्वारा कैसे की जानी चाहिए। यह सुनिश्चित करता है कि, उस उपकरण की परवाह किए बिना जिस पर इमेज देखी जाती है, रंगों को यथासंभव सटीक रूप से प्रदर्शित किया जाता है। यह डिजिटल फ़ोटोग्राफ़ी और वेब डिज़ाइन जैसे क्षेत्रों में महत्वपूर्ण है, जहाँ विभिन्न उपकरणों पर रंग स्थिरता आवश्यक है।
विभिन्न प्लेटफ़ॉर्म और उपकरणों के साथ PNG00 की संगतता इसकी प्रमुख शक्तियों में से एक है। इसके लॉसलेस संपीड़न, पारदर्शिता के लिए समर्थन और रंग प्रबंधन क्षमताओं को देखते हुए, यह आधुनिक वेब ब्राउज़र, इमेज संपादन सॉफ़्टवेयर और ऑपरेटिंग सिस्टम में व्यापक रूप से समर्थित है। यह सार्वभौमिक संगतता सुनिश्चित करती है कि PNG00 फॉर्मेट में सहेजी गई इमेज को विभिन्न संदर्भों में मज़बूती स े देखा और संपादित किया जा सकता है, बिना रूपांतरण या विशेष प्लगइन की आवश्यकता के।
अपने लाभों के बावजूद, PNG00 फॉर्मेट की सीमाएँ हैं। सबसे उल्लेखनीय फ़ाइल का आकार है। क्योंकि यह लॉसलेस संपीड़न का उपयोग करता है, PNG00 फ़ाइलें आम तौर पर अपने JPEG समकक्षों से बड़ी होती हैं, जो लॉसी संपीड़न का उपयोग करते हैं। यह वेब अनुप्रयोगों के लिए एक महत्वपूर्ण कमी हो सकती है जहां तेज़ लोडिंग समय महत्वपूर्ण है। इन परिदृश्यों में, डेवलपर्स को इमेज गुणवत्ता की आवश्यकता को दक्षता की आवश्यकता के साथ सावधानीपूर्वक संतुलित करना चाहिए, अक्सर इमेज स्प्राइट जैसी तकनीकों को नियोजित करना या जहां संभव हो फ़ाइल आकार को कम करने के लिए कम रंग की गहराई का चयन करना चाहिए।
PNG00 के साथ एक और चुनौती JPEG जैसे सरल फॉर्मेट की तुलना में इसकी जटिलता के रूप में आती है। PNG में उपलब्ध सुविधाओं और विकल्पों का समृद्ध सेट, जिसमें विभिन् न चंक प्रकार, संपीड़न सेटिंग्स और रंग प्रबंधन शामिल हैं, इसे उन लोगों के लिए काम करना अधिक बोझिल बना सकते हैं जो फॉर्मेट से अपरिचित हैं। यह जटिलता PNG00 फ़ाइलों के प्रबंधन और वितरण में अक्षमता और त्रुटियों को जन्म दे सकती है यदि उचित उपकरण और विशेषज्ञता मौजूद नहीं है।
इसके अलावा, जबकि PNG00 GIF की तुलना में अल्फा पारदर्शिता और बेहतर संपीड़न जैसे लाभ प्रदान करता है, यह बहुत ही सरल ग्राफिक्स या एक समान रंग के बड़े क्षेत्रों वाली इमेज के लिए कम उपयुक्त है। इन मामलों में, GIF या यहां तक कि अधिक हालिया WebP जैसे फॉर्मेट गुणवत्ता में ध्यान देने योग्य गिरावट के बिना अधिक कुशल संपीड़न प्रदान कर सकते हैं। हालाँकि, जैसे-जैसे वेब प्रौद्योगिकियाँ विकसित होती हैं और बैंडविड्थ की बाधाएँ कम होती जाती हैं, इमेज गुणवत्ता और फ़ाइल आकार के बीच संतुलन प्रबंधित करना आसान हो जाता है, डिजिटल इमेज स्टोरेज और हेरफेर में PNG00 के स्थान को मजबूत करता है।
मानक सुविधाओं के अतिरिक्त, PNG00 फ़ाइलों पर कई अनुकूलन किए जा सकते हैं ताकि उन्हें अधिक कुशल बनाया जा सके। PNG फ़ाइलों में हेरफेर करने वाले उपकरण और लाइब्रेरी अक्सर सहायक चंक्स को हटाने, अनुक्रमित इमेज के लिए रंग पैलेट को अनुकूलित करने या विशिष्ट इमेज सामग्री के लिए बेहतर अनुकूल होने के लिए फ़
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।