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।
RGBA का मतलब रेड, ग्रीन, ब्लू और अल्फा है। यह डिजिटल इमेजिंग और ग्राफिक्स के क्षेत्र में व्यापक रूप से उपयोग किया जाने वाला एक कलर मॉडल है। यह मॉडल प्रकाश के प्राथमिक रंगों (रेड, ग्रीन और ब्लू) का प्रतिनिधित्व करता है जो रंगों की एक विस्तृत श्रृंखला बनाने के लिए विभिन्न तीव्रताओं पर संयुक्त होते हैं। अल्फा चैनल रंग की अपारदर्शिता का प्रतिनिधित्व करता है, जिससे पारदर्शी या अर्ध-पारदर्शी प्रभावों का निर्माण होता है। यह छवि प्रारूप विशेष रूप से डिजिटल ग्राफिक्स, वेब डिज़ाइन और किसी भी ऐसे एप्लिकेशन के क्षेत्र में उपयोगी है जिसके लिए रंग और पारदर्शिता दोनों में हेरफेर की आवश्यकता होती है।
इसके मूल में, RGBA मॉडल में प्रत्येक रंग को एक संख्यात्मक मान द्वारा दर्शाया जाता है, आमतौर पर 0 से 255 की सीमा में, जहां 0 तीव्रता नहीं होने का संकेत देता है और 255 पूर्ण तीव्रता का संकेत देता है। इस प्रकार, RGBA प्रारूप में एक रंग को पूर्णांक के 4-टपल के रूप में दर्शाया जा सकता है, उदाहरण के लिए, (255, 0, 0, 255) पूरी तरह से अपारदर्शी लाल रंग के लिए। यह संख्यात्मक प्रतिनिधित्व डिजिटल इमेजरी में रंग और अपारदर्शिता स्तरों पर सटीक नियंत्रण की अनुमति देता है, जटिल ग्राफिकल प्रभावों और विस्तृत छवि जोड़तोड़ को सुविधाजनक बनाता है।
पारंपरिक RGB मॉडल में अल्फा चैनल को जोड़ने से रचनात्मक संभावनाओं का काफी विस्तार होता है। RGB के विपरीत, जो केवल ठोस रंग बना सकता है, RGBA पारदर्शिता और पारभासी जैसे प्रभाव उत्पन्न कर सकता है। य ह वेब डिज़ाइन और सॉफ़्टवेयर विकास में विशेष रूप से महत्वपूर्ण है, जहां छवियों को ओवरले करने, ढाल प्रभाव बनाने और अर्ध-पारदर्शी तत्वों के साथ नेत्रहीन आकर्षक इंटरफेस डिज़ाइन करने की क्षमता महत्वपूर्ण है। अल्फा चैनल प्रभावी रूप से एक छवि को उसकी पृष्ठभूमि या अन्य छवियों के साथ मिश्रित करने की अनुमति देता है, जिससे एक सहज एकीकरण होता है।
भंडारण के संदर्भ में, अतिरिक्त अल्फा चैनल के कारण RGBA छवियों को उनके RGB समकक्षों की तुलना में अधिक स्थान की आवश्यकता होती है। RGBA छवि में प्रत्येक पिक्सेल को आमतौर पर 32 बिट्स द्वारा दर्शाया जाता है—प्रति चैनल 8 बिट्स। इसका मतलब यह है कि एक पिक्सेल के लिए, रेड, ग्रीन, ब्लू और अल्फा चैनल में से प्रत्येक के लिए 256 संभावित तीव्रताएँ होती हैं, जिसके परिणामस्वरूप 4 बिलियन से अधिक संभावित रंग और अपारदर्शिता संयोजन होते हैं। इस तरह का विस्तृत प्रतिनिधित्व र ंग और पारदर्शिता प्रतिपादन में उच्च निष्ठा सुनिश्चित करता है, लेकिन विशेष रूप से बड़ी छवियों या अनुप्रयोगों के लिए जहां मेमोरी प्रीमियम पर होती है, भंडारण आवश्यकताओं पर सावधानीपूर्वक विचार करने की भी आवश्यकता होती है।
डिजिटल इमेज प्रोसेसिंग सॉफ़्टवेयर और ग्राफिक्स लाइब्रेरी अपने लचीलेपन और रंग की गहराई के लिए RGBA प्रारूप का बड़े पैमाने पर उपयोग करते हैं। कंपोजिटिंग, ब्लेंडिंग और अल्फा मास्किंग जैसे सामान्य संचालन छवि परतों और पारदर्शिता में हेरफेर करने के लिए अल्फा चैनल का पूरा लाभ उठाते हैं। उदाहरण के लिए, कंपोजिटिंग में एक दूसरे के ऊपर कई छवियों को लेयर करना शामिल है, जिसमें अल्फा चैनल यह तय करता है कि ये परतें कैसे मिश्रित होती हैं। इसी तरह, अल्फा ब्लेंडिंग दो छवियों के पिक्सेल को उनके पारदर्शिता स्तरों के आधार पर जोड़ती है, जिससे छवियों के बीच सहज संक्रमण या नरम किन ारों का निर्माण होता है।
वेब डिज़ाइन के संदर्भ में, RGBA प्रारूप गतिशील और नेत्रहीन आकर्षक इंटरफेस बनाने के लिए अविश्वसनीय रूप से उपयोगी है। CSS, वेब दस्तावेज़ों की प्रस्तुति का वर्णन करने के लिए उपयोग की जाने वाली स्टाइलशीट भाषा, RGBA रंग मानों का समर्थन करती है। यह वेब डेवलपर्स को सीधे CSS गुणों के भीतर रंगों और उनकी अपारदर्शिता को निर्दिष्ट करने की अनुमति देता है, जिससे अर्ध-पारदर्शी पृष्ठभूमि, सीमाओं और छाया वाले तत्वों का डिज़ाइन सक्षम होता है। रंग और प्रकाश के उपयोग के माध्यम से आकर्षक उपयोगकर्ता अनुभवों को बढ़ावा देने के लिए ऐसी क्षमताएँ आधुनिक वेब सौंदर्यशास्त्र के लिए अपरिहार्य हैं।
हालाँकि, RGBA के उपयोग से कुछ चुनौतियाँ भी आती हैं, विशेष रूप से ब्राउज़र और डिवाइस संगतता के संदर्भ में। जबकि अधिकांश आधुनिक वेब ब्राउज़र और डिवाइस RGBA का समर्थन करते हैं, फिर भी विसंगतियाँ उत ्पन्न हो सकती हैं, जिससे छवियों और ग्राफिकल प्रभावों को प्रस्तुत करने के तरीके में भिन्नता आती है। इसलिए डेवलपर्स को एक सुसंगत उपयोगकर्ता अनुभव सुनिश्चित करने के लिए विभिन्न प्लेटफॉर्म पर अपने अनुप्रयोगों का सावधानीपूर्वक परीक्षण करना चाहिए। इसके अलावा, RGBA छवियों से जुड़े बढ़े हुए फ़ाइल आकार वेबसाइट लोडिंग समय को प्रभावित कर सकते हैं, जिसके लिए छवि संपीड़न और उचित कैशिंग तकनीकों जैसी अनुकूलन रणनीतियों की आवश्यकता होती है।
छवि फ़ाइल स्वरूपों के संदर्भ में, कई RGBA रंग मॉडल का समर्थन करते हैं, जिनमें PNG, GIF और WebP शामिल हैं। PNG विशेष रूप से लॉसलेस संपीड़न और पारदर्शिता के समर्थन के लिए लोकप्रिय है, जो इसे उच्च गुणवत्ता और पारदर्शिता की आवश्यकता वाले वेब ग्राफिक्स के लिए आदर्श बनाता है। GIF, जबकि पारदर्शिता का भी समर्थन करता है, केवल पारदर्शिता के एक स्तर (पूरी तरह से पारदर्शी या पूर ी तरह से अपारदर्शी) की अनुमति देता है, जिससे यह विस्तृत पारदर्शिता प्रभावों के लिए PNG से कम बहुमुखी हो जाता है। WebP, एक नया प्रारूप, लॉसी और लॉसलेस दोनों छवियों के लिए बेहतर संपीड़न और गुणवत्ता विशेषताएँ प्रदान करता है, जो RGBA मॉडल द्वारा प्रदान की गई पारदर्शिता की पूरी श्रृंखला का समर्थन करता है।
छवि रचना और हेरफेर में अल्फा चैनल को संभालना वांछित दृश्य परिणाम प्राप्त करने के लिए महत्वपूर्ण है। एक सामान्य तकनीक अल्फा कंपोजिटिंग है, जहां पारदर्शिता के विभिन्न स्तरों वाली छवियों को संयोजित किया जाता है। इस प्रक्रिया में अल्फा मानों और अंतर्निहित परतों के रंगों के आधार पर प्रत्येक पिक्सेल के रंग की गणना करना शामिल है। अल्फा चैनल का उचित प्रबंधन अपारदर्शिता के सहज ढाल को सुनिश्चित करता है और इसका उपयोग जटिल दृश्य प्रभाव बनाने के लिए किया जा सकता है जैसे कि नरम छाया, चमक और छवियों के बीच परिष्कृत सम्मिश्रण प्रभाव।
एक और तकनीकी विचार प्रीमल्टिप्लाइड अल्फा की अवधारणा है, जहां सम्मिश्रण संचालन को अनुकूलित करने के लिए अल्फा मान के आधार पर RGB मानों को समायोजित किया जाता है। प्रीमल्टिप्लिकेशन छवि प्रसंस्करण के दौरान आवश्यक
यह कनवर्टर पू री 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, औ र 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।