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।
PNG48 इमेज फॉर्मेट, प्रसिद्ध और व्यापक रूप से उपयोग किए जाने वाले पोर्टेबल नेटवर्क ग्राफिक्स (PNG) फॉर्मेट का एक विस्तार है। अपने पूर्ववर्ती की सीमाओं में सुधार के साधन के रूप में विकसित, PNG48 विशेष रूप से डिजिटल इमेज में उच्च रंग गहराई की आवश्यकता को संबोधित करता है। संक्षेप में, '48' बिट गहराई को संदर्भित करता है, जो इंगित करता है कि PNG48 इमेज के प्रत्येक पिक्सेल में 48 बिट रंग की जानकारी होती है। यह मानक 24-बिट PNG से एक महत्वपूर्ण छलांग है, जो प्रभावी रूप से रंग परिशुद्धता को दोगुना करता है और एक समृद्ध और अधिक विस्तृत दृश्य अनुभव प्रदान करता है।
PNG48 की वास्तुकला को समझने के लिए इसकी रंग गहराई और यह इमेज डेटा को कैसे हैंडल करता है, इसकी गहन समझ की आवश्यकता होती है। PNG48 फ़ाइल में, प्रत्येक पिक्सेल को 48 बिट द्वारा दर्शाया जाता है, जिसे तीन घटकों में विभाजित किया जाता है: लाल, हरा और नीला (RGB)। मानक PNG फ़ाइलों में प्रति चैनल 8 बिट की तुलना में इनमें से प्रत्येक घटक में 16-बिट गहराई होती है। यह उच्च बिट गहराई क्रमशः लाल, हरे और नीले रंग के 65,536 शेड्स की अनुमति देती है, जो 281 ट्रिलियन से अधिक रंगों के सैद्धांतिक पैलेट में परिणत होती है। यह विशाल स्पेक्ट्रम विशेष रूप से हाई-एंड ग्राफिक्स अनुप्रयोगों, फोटोग्राफी और डिजिटल कला के लिए फायदेमंद है, जहां रंग सटीकता और श्रेणीकरण सर्वोपरि है।
संपीड़न PNG फॉर्मेट का एक महत्वपूर्ण पहलू है, और PNG48 कोई अपवाद नहीं है। PNG DEFLATE नामक एक दोषरहित संपीड़न विधि का उपयोग कर ता है। यह एल्गोरिथम इमेज डेटा में अतिरेक ढूंढकर और उन्हें समाप्त करके काम करता है, प्रभावी रूप से किसी भी विवरण या गुणवत्ता का त्याग किए बिना फ़ाइल आकार को कम करता है। PNG48 फ़ाइलों के साथ चुनौती उनके स्वाभाविक रूप से बड़े आकार की है जो बढ़ी हुई रंग जानकारी के कारण है। इसके बावजूद, DEFLATE एल्गोरिथम कुशल संपीड़न अनुपात बनाए रखने का प्रबंधन करता है, यह सुनिश्चित करता है कि फ़ाइल आकार में वृद्धि को यथासंभव कम किया जाए जबकि उच्च-निष्ठा रंग जानकारी को संरक्षित किया जाए।
पारदर्शिता PNG फॉर्मेट की एक और पहचान है, और PNG48 में, इसे समान लालित्य के साथ नियंत्रित किया जाता है। PNG48 पूर्ण अल्फा पारदर्शिता का समर्थन करता है, जिससे प्रत्येक पिक्सेल को अपनी अपारदर्शिता निर्दिष्ट करने वाला एक अतिरिक्त घटक मिलता है। हालाँकि, एक शुद्ध PNG48 फ़ाइल में, पारदर्शिता को सीधे 48-बिट परिभाषा में शामिल नहीं किया जाता ह ै। इसके बजाय, पारदर्शिता को शामिल करने के लिए, PNG64 नामक फॉर्मेट का एक विस्तार उपयोग किया जाता है, जहां अतिरिक्त 16 बिट अल्फा चैनल को समर्पित होते हैं। यह इमेज को पूरी तरह से पारदर्शी से पूरी तरह से अपारदर्शी तक, देखने की गुणवत्ता की अलग-अलग डिग्री रखने में सक्षम बनाता है, ग्राफिक डिज़ाइन और वेब विकास में फॉर्मेट की उपयोगिता को बढ़ाता है।
PNG48 फॉर्मेट अपने PNG24 पूर्ववर्ती की तुलना में स्वाभाविक रूप से अधिक जटिल है, हार्डवेयर और सॉफ़्टवेयर दोनों से अधिक की मांग करता है। उच्च रंग गहराई के लिए देखने और संपादन दोनों के लिए बढ़ी हुई प्रोसेसिंग पावर और मेमोरी की आवश्यकता होती है। सॉफ़्टवेयर संगतता भी एक विचार है, क्योंकि सभी इमेज व्यूअर और संपादक 48-बिट रंग गहराई का समर्थन नहीं करते हैं। हालाँकि, अधिकांश पेशेवर-ग्रेड सॉफ़्टवेयर को इन उच्च-गुणवत्ता वाली इमेज को समायोजित करने के लिए अपडेट किया गया है, जो दृश्य सामग्री निर्माताओं के लिए उनके मूल्य को पहचानता है।
PNG48 फॉर्मेट के महत्वपूर्ण लाभों में से एक विभिन्न क्षेत्रों में इसकी प्रयोज्यता है जिसके लिए उच्च-निष्ठा दृश्य प्रतिनिधित्व की आवश्यकता होती है। डिजिटल फोटोग्राफी में, विस्तारित रंग गहराई का मतलब है कि छाया और हाइलाइट में बारीकियों को बहुत बेहतर ढंग से संरक्षित किया जाता है, जिससे कम रंग गहराई के साथ ग्रेडिएंट में अक्सर देखे जाने वाले बैंडिंग प्रभाव को कम किया जाता है। ग्राफिक डिजाइनरों और डिजिटल कलाकारों के लिए, फॉर्मेट एक व्यापक रंग स्पेक्ट्रम के साथ काम करने की क्षमता प्रदान करता है, जिसके परिणामस्वरूप अधिक जीवंत और सजीव रचनाएँ होती हैं।
अपने लाभों के बावजूद, PNG48 फॉर्मेट सार्वभौमिक रूप से आदर्श नहीं है। दोषरहित संपीड़न के बावजूद, बढ़ा हुआ फ़ाइल आकार इसे वेब पर उपयोग के लिए कम उपयुक्त बनाता है, जहा ं लोडिंग समय और बैंडविड्थ उपयोग महत्वपूर्ण विचार हैं। इसलिए, जबकि PNG48 अभिलेखागार, डिजिटल कला और पेशेवर फोटोग्राफी के लिए उत्कृष्ट है, उनके छोटे फ़ाइल आकार और तेज़ लोडिंग समय के कारण ऑनलाइन सामग्री के लिए एक मानक PNG या यहाँ तक कि एक JPEG बेहतर हो सकता है।
PNG48 फॉर्मेट की एक और महत्वपूर्ण विशेषता गामा सुधार के लिए इसका समर्थन है। यह सुनिश्चित करता है कि इमेज को विभिन्न देखने वाले उपकरणों पर अधिक लगातार प्रदर्शित किया जाए। गामा सुधार कंप्यूटर मॉनिटर या मोबाइल स्क्रीन जैसे आउटपुट डिवाइस की विशेषताओं के आधार पर इमेज की चमक और कंट्रास्ट को समायोजित करता है। इस सुविधा का समर्थन करके, PNG48 इमेज एक अधिक समान दृश्य अनुभव प्रदान कर सकती हैं, जो डिजिटल मीडिया के लिए महत्वपूर्ण है जिसे अक्सर विभिन्न प्लेटफॉर्म पर देखा जाता है।
PNG48 का उपयोग करने में रुचि रखने वाले रचनाकारों और डेवलपर्स के लिए, त कनीकी विशिष्टताओं और सॉफ़्टवेयर आवश्यकताओं को समझना महत्वपूर्ण है। Adobe Photoshop, GIMP, और अन्य जैसे इमेज संपादन सॉफ़्टवेयर ने उच्च बिट-गहराई वाली इमेज के लिए समर्थन लागू किया है, जिससे PNG48 फ़ाइलों का संपादन संभव हो गया है। हालाँकि, बढ़ी हुई परिशुद्धता के लिए उपयोगकर्ताओं को सर्वोत्तम संभव आउटपुट सुनिश्चित करने के लिए रंग प्रबंधन प्रथाओं की अच्छी समझ की भी आवश्यकता होती है। इसके अतिरिक्त, वेब अनुप्रयोगों के साथ काम करने वाले डेवलपर्स को उन ब्राउज़रों के लिए फ़ॉलबैक विकल्प लागू करने चाहिए जो उच्च बिट-गहराई वाली PNG फ़ाइलों का समर्थन नहीं करते हैं, जिससे व्यापक पहुँच सुनिश्चित होती है।
अनुकूलन और रूपांतरण उपकरण भी PNG48 फ़ाइलों के व्यावहारिक उपयोग में महत्वपूर्ण भूमिका निभाते हैं। उनके आकार को देखते हुए, विशिष्ट उपयोग के मामलों के लिए इन फ़ाइलों को अनुकूलित करना आवश्यक है। PNG48 फ़ाइलों क ो उनकी गुणवत्ता से समझौता किए बिना और अधिक संपीड़ित करने के लिए विभिन्न सॉफ़्टवेयर टूल और लाइब्रेरी उपलब्ध हैं। इसके अलावा, रूपांतरण उपकरण आवश्यकता पड़ने पर PNG48 फ़ाइलों को अधिक व्यापक रूप से संगत प्रारूपों में डाउनस्केल करने की अनुमति देते हैं, जिससे इन उच्च-गुणवत्ता वाली इमेज का उपयोग और साझा करने
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।