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, अनुकूल ी 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 औ र 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 स ाथ 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 स ंदर्भ 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 वेब 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। हाइब ्रिड 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 सि स्टम 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 प ढ़ने 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 स फेद 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।
PNG24 इमेज फॉर्मेट, जिसे आमतौर पर ट्रूकलर PNG के रूप में भी जाना जाता है, इमेज को स्टोर करने के लिए व्यापक रूप से इस्तेमाल किया जाने वाला, लॉसलेस फॉर्मेट है। पोर्टेबल नेटवर्क ग्राफिक्स (PNG) स्पेसिफिकेशन के हिस्से के रूप में परिभाषित, इसने कम्प्रेशन के दौरान क्वालिटी को त्यागे बिना काफी गहराई के साथ इमेज को डिस्प्ले करने की क्षमता के कारण काफी लोकप्रियता हासिल की है। JPEG जैसे इसके समकक्षों के विपरीत, जो लॉसी कम्प्रेशन तकनीकों का उपयोग करता है जिससे सेविंग के समय क्वालिटी में गिरावट आती है, PNG24 मूल इमेज क्वालिटी को बनाए रखता है, भले ही फाइल को कितनी बार सेव या कम्प्रैस किया गया हो।
PNG24 फॉर्मेट का नाम प्रति पिक्सेल 24 बिट कलर जानकारी को स्टोर करने की क्षमता से लिया गया है। यह तीन प्राथमिक रंगों में से प्रत्येक के लिए 8 बिट या एक बाइट आवंटित करके संभव बनाया गया है: लाल, हरा और नीला (RGB)। यह कॉन्फ़िगरेशन कलर प्रतिनिधित्व के एक व्यापक स्पेक्ट्रम की अनुमति देता है, विशेष रूप से 16.7 मिलियन तक विभिन्न रंगों के डिस्प्ले को सक्षम करता है। इतनी विस्तृत कलर रेंज PNG24 को उच्च-गुणवत्ता वाली इमेज के लिए एक आदर्श विकल्प बनाती है, जिसमें फोटोग्राफ, डिजिटल आर्ट और ग्रेडिएंट वाले ग्राफिक्स शामिल हैं।
PNG24 की परिभाषित विशेषताओं में से एक इसका लॉसलेस कम्प्रेशन एल्गोरिदम है। PNG DEFLATE नामक एक विधि का उपयोग करता है, जो LZ77 एल्गोरिदम और हफ़मैन कोडिंग का एक संयोजन है। यह विधि इमेज क्वालिटी के किसी भी नुकसान के बिना फाइल के आकार को कुशलतापूर्वक कम करती है, जिससे यह ऑनलाइन इमेज शेयरिंग और स्टोरेज के लिए अत्यधिक प्रभावी हो जाती है। कम्प्रेशन किसी भी डेटा को त्यागता नहीं है; इसके बजाय, यह इमेज डेटा के भीतर दोहराए जाने वाले पैटर्न और संरचनाओं की पहचान करता है और इस जानकारी को अधिक कॉम्पैक्ट रूप से एन्कोड करता है।
पारदर्शिता PNG24 फॉर्मेट की एक और महत्वपूर्ण विशेषता है। GIF के विपरीत, जो केवल पारदर्शिता के एक स्तर (चालू या बंद) का समर्थन कर सकता है, PNG24 अपने अल्फा चैनल के माध्यम से पारदर्शिता के 256 स्तरों का समर्थन करता है। PNG24 इमेज में प्रत्येक पिक्सेल में पूरी तरह से अपारदर्शी से पूरी तरह से पारदर्शी तक पारदर्शिता का एक अलग स्तर हो सकता है। यह सुविधा विशेष रूप से विभिन्न पृष्ठभूमियों पर इमेज को ओवरले करने, सॉफ्ट एज बनाने और इमेज में अतिरिक्त मास्किंग की आवश्यकता के बिना जटिल ग्राफिकल इंटरफेस बनाने क े लिए उपयोगी है।
PNG24 इमेज गामा करेक्शन नामक एक विशेषता का भी समर्थन करती हैं। यह इमेज को विभिन्न डिस्प्ले डिवाइस पर लगातार चमक और रंग बनाए रखने की अनुमति देता है। गामा करेक्शन एक पूर्वनिर्धारित गामा मान के अनुसार इमेज की चमक को समायोजित करके काम करता है, जो विभिन्न मॉनिटर की अलग-अलग गामा प्रतिक्रियाओं की भरपाई करने में मदद करता है। यह सुनिश्चित करता है कि एक मॉनिटर पर संपादित की गई इमेज दूसरे डिस्प्ले पर देखे जाने पर समान दिखाई देगी, जो फोटोग्राफरों और ग्राफिक डिजाइनरों के लिए एक महत्वपूर्ण पहलू है।
इंटरलेसिंग PNG24 में एक वैकल्पिक विशेषता है जो वेब ब्राउज़र में एक इमेज को प्रगतिशील रूप से प्रदर्शित करने की अनुमति देती है। यह धीमे इंटरनेट कनेक्शन के लिए विशेष रूप से उपयोगी है जहां उपयोगकर्ता लोड होने के दौरान इमेज का कम-रिज़ॉल्यूशन संस्करण देख सकते हैं, जिससे उपयोगकर्ता अन ुभव में सुधार होता है। PNG एडम7 एल्गोरिदम का उपयोग करता है, जो एक सात-पास इंटरलेसिंग स्कीम है, जो प्रत्येक पास के साथ इमेज के विवरण को धीरे-धीरे बढ़ाता है। यह नॉन-इंटरलेस्ड फॉर्मेट के विपरीत है, जहां इमेज ऊपर से नीचे तक लाइन दर लाइन दिखाई देती है।
कार्यान्वयन और समर्थन के संदर्भ में, PNG24 आधुनिक वेब ब्राउज़र, इमेज एडिटिंग सॉफ़्टवेयर और विभिन्न ऑपरेटिंग सिस्टम में अच्छी तरह से समर्थित है। यह व्यापक समर्थन आंशिक रूप से फॉर्मेट के ओपन स्टैंडर्ड के कारण है, जिसे GIF के पेटेंट-मुक्त विकल्प के रूप में विकसित किया गया था। PNG स्पेसिफिकेशन, जिसमें PNG24 भी शामिल है, वर्ल्ड वाइड वेब कंसोर्टियम (W3C) द्वारा बनाए रखा जाता है, जो इसके निरंतर विकास और वेब मानकों के साथ संगतता सुनिश्चित करता है।
अपने कई फायदों के बावजूद, PNG24 फॉर्मेट अपनी कमियों के बिना नहीं है। प्राथमिक मुद्दों में से एक फाइल का आकार है; इस के लॉसलेस कम्प्रेशन और उच्च कलर डेप्थ के कारण, PNG24 फाइलें आमतौर पर अपने JPEG समकक्षों से बड़ी होती हैं। यह बड़ा फाइल आकार वेबसाइटों के लिए लंबे लोडिंग समय का कारण बन सकता है और अधिक बैंडविड्थ का उपयोग कर सकता है। इसलिए, वेब उपयोग के लिए, गति की आवश्यकता के विरुद्ध गुणवत्ता की आवश्यकता को संतुलित करना महत्वपूर्ण है, और कुछ मामलों में, JPEG जैसे लॉसी कम्प्रेशन वाले फॉर्मेट अधिक उपयुक्त हो सकते हैं।
इसके अलावा, जबकि PNG24 की व्यापक कलर रेंज उच्च-गुणवत्ता वाली इमेज के लिए फायदेमंद है, यह सीमित रंगों वाले सरल ग्राफिक्स के लिए अनावश्यक हो सकती है। ऐसे मामलों में, PNG8 जैसे कम कलर डेप्थ वाले फॉर्मेट, जो 256 रंगों का समर्थन करते हैं, अधिक उपयुक्त हो सकते हैं। इमेज की सामग्री के आधार पर उपयुक्त फॉर्मेट चुनने से इच्छित उपयोग के लिए दृश्य गुणवत्ता से समझौता किए बिना फाइल के आकार को काफी कम किया जा सकता है ।
मानक PNG24 फॉर्मेट के अतिरिक्त, PNG32 नामक एक वेरिएंट भी है। अंतर लाल, हरे और नीले रंग के लिए मौजूदा 24 बिट में 8-बिट अल्फा चैनल के अतिरिक्त में निहित है, जिसके परिणामस्वरूप प्रति पिक्सेल कुल 32 बिट होते हैं। फॉर्मेट में सीधे अल्फा चैनल को शामिल करने से पारदर्शिता पर और भी अधिक नियंत्रण की अनुमति मिलती है, जिससे PNG32 परिष्कृत पारदर्शिता प्रभावों की आवश्यकता वाली इमेज के लिए बेहतर हो जाता है।
PNG24 फाइलों का निर्माण और हेरफेर विभिन्न टूल और सॉफ़्टवेयर अनुप्रयोगों का उपयोग करके किया जा सकता है। अधिकांश इमेज एडिटिंग सॉफ़्टवेयर, जैसे कि Adobe Photoshop, GIMP, और अन्य, PNG24 के लिए समर्थन प्रदान करते हैं, जिससे उपयोगकर्ता अपने काम को सीधे इस फॉर्मेट में सेव कर सकते हैं। इसके अतिरिक्त, PNG24 फाइलों को वेब उपयोग के लिए अनुकूलित करने के लिए विभिन्न ऑनलाइन और ऑफलाइन टूल उपलब्ध हैं, जो क्वालिटी खोए बिना फाइलों को और अ धिक कम्प्रैस करते हैं। ये टूल अक्सर फाइल के आकार को कम करने के लिए अधिक आक्रामक रणनीति लागू करते
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।