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।
VIPS (बहुत महत्वपूर्ण व्यक्ति का समाज) छवि प्रारूप, यद्यपि मुख्यधारा के अनुप्रयोगों में व्यापक रूप से मान्यता प्राप्त नहीं है, बड़ी छवियों को कुशलतापूर्वक संभालने के लिए एक विशेष फ़ाइल प्रारूप के रूप में अलग है। यह ताकत मुख्य रूप से इसके डिज़ाइन से आती है जो बड़े पैमाने पर छवि फ़ाइलों पर उच्च-प्रदर्शन संचालन की सुविधा प्रदान करती है, जो पारंपरिक छवि प्रारूपों के प्रबंधन के लिए बोझिल या अव्यवहारिक हो सकता है। गति से समझौता किए बिना बड़ी छवियों को कुशलतापूर्वक संसाधित करने की इसकी क्षमता इसे पेशेवरों और सं गठनों के लिए एक मूल्यवान उपकरण बनाती है जो उच्च-रिज़ॉल्यूशन छवियों से निपटते हैं, जैसे कि डिजिटल अभिलेखागार, भू-स्थानिक इमेजिंग और पेशेवर फोटोग्राफी में।
अपने मूल में, VIPS छवि प्रारूप VIPS लाइब्रेरी के साथ जुड़ा हुआ है, जो एक मुफ़्त और ओपन-सोर्स इमेज प्रोसेसिंग सॉफ़्टवेयर है जिसे बड़ी छवियों को ध्यान में रखकर डिज़ाइन किया गया है। लाइब्रेरी की विशिष्ट विशेषता छवियों का उसका मांग-संचालित, आलसी मूल्यांकन है। इसका मतलब यह है कि VIPS केवल एक छवि के उन हिस्सों को संसाधित करता है जो वर्तमान ऑपरेशन के लिए आवश्यक हैं, बजाय पूरी छवि को मेमोरी में लोड करने के। यह दृष्टिकोण मेमोरी बैंडविड्थ और आवश्यक कम्प्यूटेशनल संसाधनों को बहुत कम करता है, जिससे पारंपरिक छवि प्रोसेसर की तुलना में अधिक प्रभावी ढंग से गीगाबाइट आकार की छवियों को संभालना संभव हो जाता है।
VIPS प्रारूप की एक और पहचान विभिन्न रं ग स्थानों और मेटाडेटा के लिए इसका गहरा समर्थन है। कई अन्य छवि प्रारूपों के विपरीत जो केवल सीमित श्रेणी के रंग स्थानों का समर्थन करते हैं, VIPS एक व्यापक स्पेक्ट्रम को संभाल सकता है, जिसमें RGB, CMYK, Lab और कई अन्य शामिल हैं, यह सुनिश्चित करते हुए कि इसका उपयोग वेब इमेजिंग से लेकर पेशेवर प्रिंट तक कई प्रकार के अनुप्रयोगों में किया जा सकता है। इसके अलावा, यह छवि फ़ाइल के भीतर मेटाडेटा की एक विस्तृत श्रृंखला बनाए रखता है, जैसे ICC प्रोफ़ाइल, GPS डेटा और EXIF जानकारी, जो छवि के संदर्भ और विशेषताओं का एक समृद्ध प्रतिनिधित्व करने की अनुमति देता है।
VIPS की तकनीकी वास्तुकला एक टाइल-आधारित मेमोरी प्रबंधन प्रणाली को नियोजित करती है। यह प्रणाली छवियों को प्रबंधनीय वर्ग वर्गों, या टाइलों में तोड़ देती है, जिन्हें व्यक्तिगत रूप से संसाधित किया जा सकता है। यह टाइलिंग तकनीक इसके प्रदर्शन लाभ के लिए महत्वपूर्ण है, खासकर बड़ी छवियों के साथ काम करते समय। किसी दिए गए ऑपरेशन के लिए केवल आवश्यक टाइलों को लोड और प्रोसेस करके, VIPS मेमोरी फुटप्रिंट को काफी कम कर देता है। यह विधि कुछ अन्य छवि प्रोसेसर द्वारा उपयोग की जाने वाली पंक्ति-आधारित प्रणालियों के साथ तेजी से विपरीत है, जो छवि आकार बढ़ने पर अक्षम हो सकती है।
फ़ाइल आकार और संपीड़न के संदर्भ में, VIPS प्रारूप छवि गुणवत्ता का त्याग किए बिना फ़ाइल आकार को कम करने के लिए दोषरहित संपीड़न तकनीकों के संयोजन का उपयोग करता है। यह पिरामिड छवियों के लिए ZIP, LZW और JPEG2000 सहित विभिन्न संपीड़न विधियों का समर्थन करता है। संपीड़न में यह लचीलापन उपयोगकर्ताओं को उनकी विशिष्ट आवश्यकताओं के आधार पर छवि गुणवत्ता और फ़ाइल आकार के बीच संतुलन बनाने की अनुमति देता है, जिससे VIPS बड़ी छवियों को संग्रहीत करने और वितरित करने के लिए एक बहुमुखी उपकरण बन जाता है।
कार्यक्षमता के दृष्टिकोण से, VIPS लाइब्रेरी छवि प्रसंस्करण के लिए उपकरणों और संचालन का एक व्यापक सूट प्रदान करती है। इसमें क्रॉपिंग, आकार बदलने और प्रारूप रूपांतरण जैसे बुनियादी संचालन शामिल हैं, साथ ही रंग सुधार, शार्पनिंग और शोर में कमी जैसे अधिक जटिल कार्य भी शामिल हैं। इसकी कार्यक्षमता छवि पिरामिड बनाने तक फैली हुई है, जो बहु-रिज़ॉल्यूशन छवियों की आवश्यकता वाले अनुप्रयोगों के लिए आवश्यक हैं, जैसे कि ज़ूम करने योग्य छवि दर्शक। VIPS पारिस्थितिकी तंत्र पायथन और रूबी सहित विभिन्न प्रोग्रामिंग भाषाओं के लिए बाइंडिंग भी प्रदान करता है, जिससे डेवलपर्स VIPS को अनुप्रयोगों और वर्कफ़्लो की एक विस्तृत श्रृंखला में एकीकृत कर सकते हैं।
VIPS छवि प्रारूप और इसकी संबद्ध लाइब्रेरी को मल्टीकोर प्रोसेसर के लिए अनुकूलित किया गया है, जो समानांतर प्रसंस्करण क्षमताओं का पूरा लाभ उठाता है। यह इसकी अभिनव प्रसंस्करण पाइपलाइन के माध्यम से प्राप्त किया जाता है, जो छवि प्रसंस्करण के विभिन्न चरणों में समवर्तीता का शोषण करता है। किसी छवि के विभिन्न खंडों या विभिन्न कार्यों को कई कोर को आवंटित करके, VIPS बड़े पैमाने पर छवि संचालन के लिए प्रसंस्करण समय को कम करते हुए, पर्याप्त प्रदर्शन सुधार प्राप्त कर सकता है। यह समानांतर प्रसंस्करण क्षमता VIPS को विशेष रूप से उच्च-प्रदर्शन कंप्यूटिंग वातावरण और अनुप्रयोगों के लिए उपयुक्त बनाती है जिनके लिए तेजी से छवि प्रसंस्करण की आवश्यकता होती है।
अपने कई लाभों के बावजूद, VIPS छवि प्रारूप अपनी चुनौतियों और सीमाओं के बिना नहीं है। इसकी विशिष्ट प्रकृति का मतलब है कि यह JPEG या PNG जैसे अधिक सामान्य प्रारूपों के रूप में सामान्य छवि देखने और संपादन सॉफ़्टवेयर द्वारा व्यापक रूप से समर्थित नहीं है। उपयोगकर्ताओं को VIPS छवियों के साथ काम करने के लिए VIPS सॉफ़्टवेयर या अन्य विशेष उपकरणों पर निर्भर रहने की आवश्यकता हो सकती है, जो अधिक सार्वभौमिक प्रारूपों के आदी वर्कफ़्लो में एक सीखने की अवस्था और परिचालन बाधाओं को प्रस्तुत कर सकता है। इसके अलावा, जबकि VIPS बड़ी छवियों को संभालने में उत्कृष्टता प्राप्त करता है, छोटी छवियों के लिए, प्रदर्शन लाभ उतने स्पष्ट नहीं हो सकते हैं, जिससे यह कुछ परिदृश्यों में एक अति-इंजीनियर समाधान बन जाता है।
VIPS छवि प्रारूप डिजिटल संरक्षण और संग्रह में भी एक महत्वपूर्ण भूमिका निभाता है। गुणवत्ता के महत्वपूर्ण नुकसान के बिना उच्च-रिज़ॉल्यूशन छवियों को कुशलतापूर्वक प्रबंधित करने और संग्रहीत करने की इसकी क्षमता इसे पुस्तकालयों, संग्रहालयों और अभिलेखागार जैसी संस्थाओं के लिए एक आदर्श विकल्प बनाती है जिन्हें दृश्य सामग्री के विशाल संग्रह को डिजिटाइज़ और संरक्षित करने की आवश्यकता होती है। VIPS प्रारूप के भीतर व्यापक मेटाडेटा समर्थन इन संदर्भों में इसकी उपयोगिता को और बढ़ाता है, जिससे विस्तृत दस्तावेज़ीकरण और मानदंडों की एक विस्तृत श्रृंखला के आधार पर छवियों की पुनर्प्राप्ति सक्षम होती है।
वेब विकास और ऑनलाइन मीडिया के क्षेत्र में, VIPS छवि प्रारूप और लाइब्रेरी का उपयोग उन वेबसाइटों और अनुप्रयोगों के प्रदर्शन को महत्वपूर्ण रूप से बढ़ा सकता है जो बड़ी छवियों से निपटते हैं। उपयोगकर्ता के डिवाइस और कनेक्शन की गति के आधार पर छवियों को इष्टतम आकार और रिज़
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 ड ाउनलोड 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।