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।
पोर्टेबल नेटवर्क ग्राफिक्स (PNG) फॉर्मेट ने डिजिटल दुनिया में अपनी जगह बना ली है क्योंकि यह लॉसलेस कम्प्रेशन के साथ हाई-क्वालिटी इमेज देने की क्षमता रखता है। इसके वेरिएशन में, PNG8 कलर एफिशिएंसी और फाइल साइज रिडक्शन के अपने अनोखे मिश्रण के लिए जाना जाता है। PNG8 की यह विस्तृत जांच इस इमेज फॉर्मेट की परतों को खोलने का लक्ष्य रखती है, इसकी संरचना, कार्यक्षमता और व्यावहारिक अनुप्रयोगों की खोज करती है।
अपने मूल में, PNG8 PNG फॉर्मेट का एक बिट-डेप्थ वेरिएंट है जो अपने कलर पैलेट को 256 कलर तक सीमित करता है। यह सीमा PNG8 की फाइल साइज को का फी कम करने की क्षमता के पीछे की कुंजी है जबकि अभी भी मूल इमेज की क्वालिटी का एक सादृश्य बनाए रखती है। PNG8 में '8' प्रति पिक्सेल 8 बिट को दर्शाता है, जिसका अर्थ है कि इमेज में प्रत्येक पिक्सेल कलर पैलेट में 256 कलर में से कोई भी हो सकता है। यह पैलेट इमेज फाइल के भीतर ही परिभाषित किया गया है, जिससे विशिष्ट इमेज के लिए कलर का एक कस्टमाइज्ड सेट तैयार किया जा सकता है, जिससे फॉर्मेट की दक्षता बढ़ जाती है।
PNG8 फाइल की संरचना अन्य PNG फॉर्मेट के समान है, PNG फाइल सिग्नेचर और चंक-आधारित आर्किटेक्चर का अनुसरण करती है। एक PNG फाइल आमतौर पर 8-बाइट सिग्नेचर से शुरू होती है, उसके बाद कई चंक आते हैं जो विभिन्न प्रकार के डेटा (जैसे, हेडर जानकारी, पैलेट जानकारी, इमेज डेटा और मेटाडेटा) ले जाते हैं। PNG8 में, PLTE (पैलेट) चंक एक महत्वपूर्ण भूमिका निभाता है, क्योंकि यह कलर पैलेट को स्टोर करता है जिसे इमेज के पिक्सेल संदर्भित करते हैं। इस पैलेट में 256 कलर तक होते हैं, जिन्हें RGB (लाल, हरा, नीला) मानों द्वारा परिभाषित किया जाता है।
PNG8 में कम्प्रेशन फिल्टरिंग और DEFLATE एल्गोरिथम के संयोजन का उपयोग करता है। फिल्टरिंग एक ऐसी विधि है जिसका उपयोग कम्प्रेशन के लिए इमेज डेटा तैयार करने के लिए किया जाता है, जिससे कम्प्रेशन एल्गोरिथम के लिए जानकारी खोए बिना फाइल साइज को कम करना आसान हो जाता है। फिल्टरिंग के बाद, DEFLATE एल्गोरिथम, जो LZ77 और हफमैन कोडिंग तकनीकों को जोड़ता है, इमेज डेटा को कुशलतापूर्वक कम्प्रेशन करने के लिए लागू किया जाता है। यह दो-चरणीय प्रक्रिया PNG8 इमेज को उच्च स्तर का कम्प्रेशन प्राप्त करने की अनुमति देती है, जिससे वे वेब उपयोग के लिए आदर्श बन जाती हैं जहां बैंडविड्थ और लोडिंग समय विचारणीय होते हैं।
PNG8 में पारदर्शिता को tRNS (पारदर्शिता) चंक का उपयोग करके नियंत्रित किया जाता है, जो पैलेट में एक ही कलर को पूरी तरह से पारदर्शी या पैलेट के कलर के अनुरूप अल्फा मानों की एक श्रृंखला के रूप में निर्दिष्ट कर सकता है, इस प्रकार पारदर्शिता की अलग-अलग डिग्री को सक्षम करता है। यह सुविधा PNG8 को सरल पारदर्शिता प्रभाव रखने की अनुमति देती है, जिससे यह वेब ग्राफिक्स के लिए उपयुक्त हो जाता है जहां पारदर्शी पृष्ठभूमि या सॉफ्ट ओवरले की आवश्यकता होती है। हालाँकि, यह ध्यान देने योग्य है कि PNG8 में पारदर्शिता PNG32 के समान स्तर का विवरण प्राप्त नहीं कर सकती है, जो प्रत्येक पिक्सेल के लिए पूर्ण अल्फा पारदर्शिता का समर्थन करता है।
PNG8 इमेज का निर्माण और अनुकूलन कलर निष्ठा और फाइल साइज के बीच संतुलन शामिल करता है। PNG8 इमेज उत्पन्न करने वाले टूल और सॉफ़्टवेयर में आमतौर पर कलर क्वांटिज़ेशन और डिथरिंग के लिए एल्गोरिदम शामिल होते हैं। कलर क्वांटिज़ेशन 256-कलर सीमा के भीतर फिट होने के लिए कलर की संख्या को कम करता है, आदर ्श रूप से इमेज की दृश्य अखंडता को संरक्षित करता है। डिथरिंग पिक्सेल स्तर पर कलर को मिलाकर कलर रिडक्शन के दृश्य प्रभाव को कम करने में मदद करता है, जिससे एक बड़े कलर पैलेट का भ्रम पैदा होता है। ये तकनीकें PNG8 इमेज तैयार करने के लिए महत्वपूर्ण हैं जो नेत्रहीन आकर्षक और कुशलतापूर्वक संकुचित हैं।
अपने फायदों के बावजूद, PNG8 की सीमाएँ हैं जो इसे कुछ अनुप्रयोगों के लिए कम उपयुक्त बनाती हैं। प्रतिबंधित कलर पैलेट ग्रेडिएंट में बैंडिंग और जटिल इमेज में विवरण के नुकसान का कारण बन सकता है। इसके अतिरिक्त, सरल पारदर्शिता तंत्र उन दृश्यों को समायोजित नहीं कर सकता है जिनमें सॉफ्ट शैडो या अर्ध-पारदर्शी ऑब्जेक्ट होते हैं, जैसे कि पूर्ण अल्फा पारदर्शिता का समर्थन करने वाले फॉर्मेट। इसलिए, जबकि PNG8 सीमित कलर रेंज वाले सरल ग्राफिक्स, आइकन और लोगो के लिए उत्कृष्ट है, यह तस्वीरों और जटिल बनावट के लिए सबसे अच्छा विकल्प नहीं हो सकता है।
वेब डेवलपमेंट और डिजिटल मीडिया निर्माण में PNG8 को अपनाना विशिष्ट संदर्भों में इसकी संगतता, दक्षता और उपयोगिता द्वारा संचालित किया गया है। सभी आधुनिक वेब ब्राउज़र और इमेज प्रोसेसिंग सॉफ़्टवेयर में इसका समर्थन इसे वेब डिज़ाइनरों के लिए एक विश्वसनीय विकल्प बनाता है जो अपनी वेब संपत्तियों को अनुकूलित करना चाहते हैं। उन अनुप्रयोगों के लिए जहां सामग्री की दृश्य जटिलता कम है और बैंडविड्थ उपयोग को कम करने की आवश्यकता अधिक है, PNG8 एक इष्टतम संतुलन प्रदान करता है। इसके अलावा, इसका पारदर्शिता समर्थन बहुमुखी प्रतिभा जोड़ता है, जिससे लोड समय में महत्वपूर्ण वृद्धि के बिना वेबसाइटों पर रचनात्मक लेयरिंग और थीमिंग की अनुमति मिलती है।
सारांश में, PNG8 डिजिटल इमेजरी पारिस्थितिकी तंत्र के भीतर एक प्रासंगिक और मूल्यवान इमेज फॉर्मेट बना हुआ है, विशेष रूप से वेब ग्राफिक्स और डिजिटल मीडिया के लिए जिन्हें कुशल भंडारण और ट्रांसमिशन की आवश्यकता होती है। इसका डिज़ाइन कलर वैरायटी और फाइल साइज दक्षता के बीच एक ट्रेड-ऑफ़ को सक्षम बनाता है, जिससे यह विशिष्ट आवश्यकताओं वाले अनुप्रयोगों की एक श्रृंखला के लिए उपयुक्त हो जाता है। जबकि सीमाओं से रहित नहीं है, इमेज फॉर्मेट के स्पेक्ट्रम में PNG8 का स्थान सादगी, कम्प्रेशन और व्यापक संगतता के मामले में इसके विशिष्ट लाभों द्वारा सुरक्षित है। PNG8 के इन पहलुओं को समझना डिजाइनरों, डेवलपर्स और डिजिटल मीडिया पेशेवरों के लिए आवश्यक है जो अपनी परियोजना की तकनीकी और सौंदर्य संबंधी आवश्यकताओं को पूरा करने के लिए इमेज फॉर्मेट चयन के बारे में सूचित निर्णय लेने का लक्ष्य रखते हैं।
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 आव श्यकता 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।