การรู้จำอักขระด้วยแสง (OCR) เปลี่ยนรูปภาพของข้อความ—สแกน, ภาพถ่ายจากสมาร์ทโฟน, PDF—เป็นสตริงที่เครื่องอ่านได้ และ, เพิ่มมากขึ้น, ข้อมูลที่มีโครงสร้าง. OCR สมัยใหม่เป็นไปป์ไลน์ที่ทำความสะอาดรูปภาพ, ค้นหาข้อความ, อ่าน, และส่งออกเมทาดาทาที่สมบูรณ์ เพื่อให้ระบบดาวน์สตรีมสามารถค้นหา, จัดทำดัชนี, หรือดึงข้อมูลฟิลด์ได้. สองมาตรฐานเอาต์พุตที่ใช้กันอย่างแพร่หลายคือ hOCR, ไมโครฟอร์แมต HTML สำหรับข้อความและเลย์เอาต์, และ ALTO XML, สกีมาที่มุ่งเน้นไลบรารี/หอจดหมายเหตุ; ทั้งสองรักษาสถานะ, ลำดับการอ่าน, และสัญลักษณ์เลย์เอาต์อื่น ๆ และ ได้รับการสนับสนุนจากเครื่องมือยอดนิยมเช่น Tesseract.
การประมวลผลเบื้องต้น. คุณภาพของ OCR เริ่มต้นด้วยการทำความสะอาดภาพ: การแปลงเป็นสีเทา, การลดสัญญาณรบกวน, การกำหนดค่าขีดแบ่ง (การทำให้เป็นไบนารี), และการปรับแก้ความเอียง. บทเรียน OpenCV แบบบัญญัติครอบคลุมทั่วโลก, การปรับตัว และ Otsu การกำหนดค่าขีดแบ่ง—ซึ่งเป็นส่วนสำคัญสำหรับเอกสารที่มีแสงไม่สม่ำเสมอหรือฮิสโตแกรมแบบสองโหมด. เมื่อความสว่างแตกต่างกันไป ภายในหน้า (นึกถึงภาพถ่ายจากโทรศัพท์), วิธีการปรับตัวมักจะทำงานได้ดีกว่าการกำหนดค่าขีดแบ่งทั่วโลกเพียงค่าเดียว; Otsu จะเลือกค่าขีดแบ่งโดยอัตโนมัติโดยการวิเคราะห์ฮิสโตแกรม. การแก้ไขความเอียงก็มีความสำคัญเท่าเทียมกัน: การปรับแก้ความเอียงโดยใช้ Hough (การแปลงเส้นตรง Hough) ควบคู่กับการทำให้เป็นไบนารีของ Otsu เป็นสูตรทั่วไปและมีประสิทธิภาพในไปป์ไลน์การประมวลผลเบื้องต้นในการผลิต.
การตรวจจับกับการรู้จำ. OCR โดยทั่วไปแบ่งออกเป็น การตรวจจับข้อความ (ข้อความอยู่ที่ไหน ?) และ การรู้จำข้อความ (มันพูดว่าอะไร?). ในฉากธรรมชาติและการสแกนจ ำนวนมาก, ตัวตรวจจับแบบคอนโวลูชันเต็มรูปแบบ เช่น EAST ทำนายรูปสี่เหลี่ยมระดับคำหรือบรรทัดได้อย่างมีประสิทธิภาพโดยไม่มีขั้นตอนการเสนอที่หนักหน่วงและถูกนำไปใช้ใน ชุดเครื่องมือทั่วไป (เช่น, บทแนะนำการตรวจจับข้อความของ OpenCV). บนหน้าที่ซับซ้อน (หนังสือพิมพ์, แบบฟอร์ม, หนังสือ), การแบ่งส่วนของบรรทัด/ภูมิภาคและการอนุมานลำดับการอ่านมีความสำคัญ:Kraken ใช้การแบ่งส่วนโซน/บรรทัดแบบดั้งเดิมและการแบ่งส่วน เส้นฐาน แบบประสาท, พร้อมการสนับสนุนที่ชัดเจน สำหรับสคริปต์และทิศทางที่แตกต่างกัน (LTR/RTL/แนวตั้ง).
โมเดลการรู้จำ. ม้างานโอเพนซอร์สคลาสสิก Tesseract (โอเพนซอร์สโดย Google, มีรากฐานที่ HP) พัฒน าจากตัวแยกประเภทอักขระเป็นตัวรู้จำลำดับ ที่ใช้ LSTM และสามารถส่งออก PDF ที่ค้นหาได้, เอาต์พุตที่เป็นมิตรกับ hOCR/ALTO, และอื่น ๆ จาก CLI. ตัวรู้จำสมัยใหม่พึ่งพาการสร้างแบบจำลองลำดับโดยไม่มีอักขระที่แบ่งส่วนไว้ล่วงหน้า. Connectionist Temporal Classification (CTC) ยังคงเป็นพื้นฐาน, เรียนรู้การจัดตำแหน่งระหว่างลำดับคุณลักษณะอินพุตและสตริงป้ายกำกับเอาต์พุต; มันถูกใช้อย่างกว้างขวาง ในไปป์ไลน์การเขียนด้วยลายมือและข้อความในฉาก.
ในช่วงไม่กี่ปีที่ผ่านมา, Transformers ได้ปรับเปลี่ยน OCR. TrOCR ใช้ตัวเข้ารหัส Vision Transformer บวกกับตัวถอดรหัส Text Transformer, ฝึกฝนบนคลังข้อมูลสังเคราะห์ขนาดใหญ่แล้ว ปรับละเอียดบนข้อมูลจริง, พร้อมประสิทธิภาพที่แข็งแกร่งในเกณฑ์มาตรฐานก ารพิมพ์, การเขียนด้วยลายมือ และข้อความในฉาก (ดูเพิ่มเติมที่ เอกสาร Hugging Face). ในขณะเดียวกัน, บางระบบข้าม OCR เพื่อความเข้าใจดาวน์สตรีม: Donut (Document Understanding Transformer) เป็นตัวเข้ารหัส-ถอดรหัสที่ไม่มี OCR ซึ่งส่งออกคำตอบที่มีโครงสร้างโดยตรง (เช่น JSON คีย์-ค่า) จากเอกสาร รูปภาพ (repo, การ์ดโมเดล), หลีกเลี่ยงการสะสมข้อผิดพลาดเมื่อขั้นตอน OCR แยกต่างหากป้อนระบบ IE.
หากคุณต้องการการอ่านข้อความแบบครบวงจรในหลายสคริปต์, EasyOCR มี API ที่เรียบง่ายพร้อมโมเดลภาษามากกว่า 80 ภาษา, ส่งคืนกล่อง, ข้อความ, และความเชื่อมั่น—มีประโยชน์สำหรับต้นแบบและ สคริปต์ที่ไม่ใช่ภาษาละติน. สำหรับเอกสารทางประวัติศาสตร์, Kraken โดดเด่นด้วยการแบ่งส่วนเส้นฐานและการอ่านตามลำดับที่คำนึงถึงสคริปต์; สำหรับการฝึกอบรมระดับบรรทัดที่ยืดหยุ่น, Calamari สร้างขึ้นจากสายเลือด Ocropy (Ocropy) ด้วยตัวรู้จำ (หลาย)LSTM+CTC และ CLI สำหรับการปรับละเอียดโมเดลที่กำหนดเอง.
การสรุปผลขึ้นอยู่กับข้อมูล. สำหรับการเขียนด้วยลายมือ, ฐานข้อมูลการเขียนด้วยลายมือ IAM ให้ประโยคภาษาอังกฤษที่หลากหลายสำหรับผู้เขียนสำหรับการฝึกอบรมและการประเมิน; มันเป็นชุดอ้างอิงที่มีมายาวนานสำหรับ การรู้จำบรรทัดและคำ. สำหรับข้อความในฉาก, COCO-Text ได้ ใส่คำอธิบายประกอบอย่างกว้างขวางทับ MS-COCO, พร้อมป้ายกำกับสำหรับพิมพ์/เขียนด้วยลายมือ, อ่านได้/อ่านไม่ได้, สคริปต์, และ การถอดความแบบเต็ม (ดูเพิ่มเติมที่หน้า โครงการดั้งเดิม). สาขานี้ยังพึ่งพาการฝึกอบรมล่วงหน้าแบบสังเคราะห์อย่างมาก: SynthText in the Wild แสดงข้อความลงในภาพถ่ายด้วยรูปทรงเรขาคณิตและแสงที่สมจริง, ให้ข้อมูลจำนวนมหาศาลเพื่อฝึกอบรมล่วงหน้า ตัวตรวจจับและตัวรู้จำ (อ้างอิง โค้ดและข้อมูล).
การแข่งขันภายใต้ ICDAR’s Robust Reading ร่มช่วยให้การประเมินผลเป็นไปอย่างมีเหตุผล. งานล่าสุดเน้นการตรวจจับ/การอ่านแบบ end-to-end และรวมถึงการเชื่อมโยงคำ เป็นวลี, พร้อมโค้ดอย่างเป็นทางการที่รายงาน ความแม่นยำ/การเรียกคืน/F-score, intersection-over-union (IoU), และเมตริกระยะห่างการแก้ไขระดับอักขระ—สะท้อนสิ่งที่ผู้ปฏิบัติงานควรติดตาม.
OCR ไม่ค่อยจบลงที่ข้อความธรรมดา. หอจดหมายเหตุและห้องสมุดดิจิทัลต้องการ ALTO XML เพราะมันเข้ารหัสเลย์เอาต์ทางกายภาพ (บล็อก/บรรทัด/คำพร้อมพิกัด) ควบคู่ไปกับเนื้อหา, และมันเข้ากันได้ดี กับแพ็คเกจ METS. hOCR ไมโครฟอร์แมต, ในทางตรงกันข้าม, ฝังแนวคิดเดียวกันลงใน HTML/CSS โดยใช้คลาสเช่น ocr_line และ ocrx_word, ทำให้ง่ายต่อการแสดง, แก้ไข, และแปลงด้วยเครื่องมือเว็บ. Tesseract เปิดเผยทั้งสอง—เช่น, การสร้าง hOCR หรือ PDF ที่ค้นหาได้โดยตรงจาก CLI (คู่มือการส่ งออก PDF); ตัวห่อหุ้ม Python เช่น pytesseract เพิ่มความสะดวก. มีตัวแปลงเพื่อแปลระหว่าง hOCR และ ALTO เมื่อที่เก็บมีมาตรฐานการนำเข้าที่ตายตัว —ดูรายการที่คัดสรรมานี้ของ เครื่องมือรูปแบบไฟล์ OCR.
แนวโน้มที่แข็งแกร่งที่สุดคือการบรรจบกัน: การตรวจจับ, การรู้จำ, การสร้างแบบจำลองภาษา, และแม้แต่การถอดรหัสเฉพาะงาน กำลังรวมกันเป็นสแต็ก Transformer ที่เป็นหนึ่งเดียว. การฝึกอบรมล่วงหน้าบน คลังข้อมูลสังเคราะห์ขนาดใหญ่ ยังคงเป็นตัวคูณกำลัง. โมเดลที่ไม่มี OCR จะแข่งขันอย่างดุเดือดทุกที่ที่เป้าหมายเป็นเอาต์พุตที่มีโครงสร้าง แทนที่จะเป็นการถอดความแบบคำต่อคำ. คาดหวังการปรับใช้แบบไฮบริดด้วย: ตัวตรวจจับน้ำหนักเบาบวกกับตัวรู้จำสไตล์ TrOCR สำหรับข้อความยาว, และโมเดลสไตล์ Donut สำหรับแบบฟอร์มและใบเสร็จ.
Tesseract (GitHub) · เอกสาร Tesseract · ข้อมูลจำเพาะ hOCR · พื้นหลัง ALTO · ตัวตรวจจับ EAST · การตรวจจับข้อความ OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · การเขียนด้วยลายมือ IAM · เครื่องมือรูปแบบไฟล์ OCR · EasyOCR
Optical Character Recognition (OCR) เป็นเทคโนโลยีที่ใช้ในการแปลงประเภทต่าง ๆ ของเอกสาร เช่น ผลงานที่สแกนด้วยกระดาษ PDF ไฟล์หรือภาพที่ถ่ายด้วยกล้องดิจิตอล ให้เป็นข้อมูลที่สามารถแก้ไขและค้นหาได้
OCR ทำงานโดยการสแกนภาพนำเข้าต่างๆหรือเอกสาร การแบ่งภาพออกเป็นตัวอักษรแต่ละตัว แล้วเปรียบเทียบแต่ละตัวอักษรกับฐานข้อมูลแบบรูปของตัวอักษรโดยใช้การจดจำรูปแบบหรือจดจำลักษณะ
OCR ถูกนำไปใช้ในหลายภาคและการประยุกต์ใช้ เช่น การเปลี่ยนเอกสารที่พิมพ์ออกมาเป็นดิจิตอล การเปิดให้บริการอักษรเป็นเสียง การทำให้กระบวนการกรอกข้อมูลเป็นอัตโนมัติ และสนับสนุนผู้ที่ มีความบกพร่องทางการมองเห็นให้สามารถสัมผัสปฏิสัมพันธ์กับข้อความได้ตรงตามความต้องการ
อย่างไรก็ตาม ทั้งที่เทคโนโลยี OCR ได้พัฒนามาอย่างมาก แต่ยังไม่มีความสมบูรณ์ การมีความแม่นยำมักจะขึ้นอยู่กับคุณภาพของเอกสารเดิมและรายละเอียดของซอฟต์แวร์ OCR ที่ใช้
ถึงแม้ว่า OCR ถูกออกแบบมาสำหรับข้อความที่พิมพ์ แต่ระบบ OCR ที่ระดับสูงบางระบบสามารถจดจำลายมือที่ชัดเจน สอดคล้องได้ อย่างไรก็ดี ทั่วไปแล้วการจดจำลายมือมีความแม่นยำน้อยกว่า เนื่องจากมีการผันแปรของรูปแบบการเขียนของแต่ละคน
ใช่ ซอฟต์แวร์ OCR หลายระบบสามารถจดจำภาษาหลายภาษา อย่างไรก็ตาม สำคัญที่จะต้องดูว ่าภาษาที่ต้องการได้รับการสนับสนุนโดยซอฟต์แวร์ที่คุณใช้
OCR ย่อมาจาก Optical Character Recognition และใช้ในการจดจำข้อความที่พิมพ์ขณะที่ ICR หรือ Intelligent Character Recognition ที่ทันสมัยยิ่งขึ้นและใช้สำหรับการจดจำข้อความที่เขียนด้วยมือ
OCR ทำงานได้ดีที่สุดกับแบบอักษรที่ชัดเจน, สามารถอ่านได้ง่ายและมีขนาดข้อความมาตรฐาน ในขณะที่มันสามารถทำงานได้กับแบบอักษรและขนาดที่หลากหลาย แต่ความถูกต้องมักจะลดลงเมื่อจัดการกับแบบอักษรที่ไม่ปกติหรือขนาดข้อความที่เล็กมาก
OCR อาจพบปัญหากับเอกสารที่มีความละเอียดต่ำ, แบบอักษรซับซ้อน, ข้อความที่พิมพ์ไม่ดี, ลา ยมือ และเอกสารที่มีพื้นหลังที่แทรกซ้อนกับข้อความ นอกจากนี้ อย่างไรก็ตาม อาจใช้งานกับภาษาหลายภาษาได้ มันอาจไม่ครอบคลุมทุกภาษาอย่างสมบูรณ์
ใช่ OCR สามารถสแกนข้อความที่มีสีและพื้นหลังที่มีสี แม้ว่าจะมีประสิทธิภาพมากขึ้นด้วยสีที่มีความเปรียบเทียบความตัดกัน เช่น ข้อความดำบนพื้นหลังสีขาว ความถูกต้องอาจลดลงเมื่อสีข้อความและสีพื้นหลังไม่มีความคมชัดเพียงพอ
APNG (Animated Portable Network Graphics) เป็นรูปแบบไฟล์ที่ขยายความสามารถของรูปแบบ PNG (Portable Network Graphics) ที่ใช้กันอย่างแพร่หลายเพื่อรองรับแอนิเมชัน สร้างขึ้นเพื่อให้เป็นทางเลือกที่มีประสิทธิภาพและเข้ าถึงได้มากกว่า GIF (Graphics Interchange Format) สำหรับการนำเสนอภาพเคลื่อนไหวบนเว็บ APNG ยังคงรักษาคุณสมบัติการบีบอัดแบบไม่สูญเสียและความโปร่งใสของ PNG ไว้ในขณะที่เพิ่มความสามารถในการจัดเก็บเฟรมหลายเฟรม ซึ่งช่วยให้สามารถสร้างแอนิเมชันที่ราบรื่นและมีคุณภาพสูงได้
รูปแบบ APNG สร้างขึ้นจากโครงสร้าง PNG ที่มีอยู่โดยการเพิ่มประเภทชิ้นส่วนใหม่ที่ออกแบบมาโดยเฉพาะสำหรับแอนิเมชัน ชิ้นส่วนหลักที่ใช้ใน APNG คือชิ้นส่วน `acTL` (Animation Control) และชิ้นส่วน `fcTL` (Frame Control) ชิ้นส่วน `acTL` วางไว้ที่จุดเริ่มต้นของไฟล์และมีข้อมูลเกี่ยวกับแอนิเมชันโดยรวม เช่น จำนวนเฟรมและจำนวนครั้งที่แอนิเมชันควรวนซ้ำ ชิ้นส่วน `fcTL` นำหน้าแต่ละเฟรมและให้รายละเอียดเฉพาะของเฟรม รวมถึงขนาด ตำแหน่ง และเวลาหน่วงของเฟรม
ข้อได้เปรียบหลักประการหนึ่งของ APNG คือความเข้ากันได้แบบย้อนหลังกับโปรแกรมดู PNG มาตรฐาน ไฟล์ APNG เริ่มต้นด้วยลายเซ็นและชิ้นส่วนที่สำคัญเหมือนกับไฟล์ PNG ทั่วไป ซึ่งช่วยให้สามารถแสดงเป็นภาพนิ่งในแอปพลิเคชันที่ไม่รองรับ APNG ได้ วิธีนี้ช่วยให้มั่นใจได้ว่าผู้ใช้ที่มีเบราว์เซอร์หรือโปรแกรมดูภาพเก่ากว่ายังสามารถดูเฟรมแรกของแอนิเมชันได้ โดยยังคงความเข้ากันได้ในแพลตฟอร์มต่างๆ
กระบวนการแอนิเมชันใน APNG อิงตามชุดเฟรม ซึ่งแต่ละเฟรมแสดงด้วยภาพแยกต่างหาก เฟรมแรกมักเป็นภาพที่แสดงผลเต็มรูปแบบ ในขณะที่เฟรมถัดมาอาจเป็นเฟรมเต็มหรือเฟรมบางส่วนที่มีเฉพาะการเปลี่ยนแปลงจากเฟรมก่อนหน้า วิธีนี้ช่วยให้จัดเก็บได้อย่างมีประสิทธิภาพมากขึ้นและเวลาในการโหลดเร็วขึ้น เนื่องจากไม่จำเป็นต้องวาดพิกเซลที่ไม่เปลี่ยนแปลงใหม่สำหรับแต่ละเฟรม
ในการสร้างไฟล์ APNG จะใช้เครื่องมือแก้ไขภาพหรือซอฟต์แวร์เฉพาะทางเพื่อปร ะกอบเฟรมแต่ละเฟรมและสร้างชิ้นส่วนที่จำเป็น เฟรมมักจะถูกส่งออกเป็นไฟล์ PNG แยกต่างหาก จากนั้นรวมเข้าเป็นไฟล์ APNG เดียวโดยใช้ตัวเข้ารหัส APNG ตัวเข้ารหัสจะวิเคราะห์เฟรม กำหนดวิธีการเข้ารหัสที่เหมาะสมที่สุด (เฟรมเต็มหรือเฟรมบางส่วน) และสร้างชิ้นส่วน `acTL` และ `fcTL` เพื่อควบคุมการเล่นแอนิเมชัน
เมื่อโหลดไฟล์ APNG ในโปรแกรมดูที่รองรับ โปรแกรมดูจะอ่านชิ้นส่วน `acTL` เพื่อกำหนดคุณสมบัติของแอนิเมชัน จากนั้นประมวลผลเฟรมตามลำดับ ชิ้นส่วน `fcTL` ที่เกี่ยวข้องกับแต่ละเฟรมจะให้ข้อมูลที่จำเป็นเพื่อแสดงเฟรมอย่างถูกต้อง รวมถึงระยะเวลาและตำแหน่งภายในผืนผ้าใบ โปรแกรมดูจะแสดงเฟรมตามลำดับที่ระบุ โดยใช้เวลาหน่วงเพื่อควบคุมความเร็วของแอนิเมชันและลักษณะการวนซ้ำ
APNG มีข้อได้เปรียบหลายประการเหนือแอนิเมชัน GIF แบบดั้งเดิม รองรับสี 24 บิตและความโปร่ งใส 8 บิต ซึ่งช่วยให้ได้กราฟิกที่มีชีวิตชีวาและมีรายละเอียดมากขึ้นเมื่อเทียบกับพาเล็ตสี 256 สีที่จำกัดของ GIF นอกจากนี้ APNG ยังให้การบีบอัดที่ดีกว่า ซึ่งส่งผลให้ขนาดไฟล์เล็กลงสำหรับคุณภาพของภาพที่เทียบเท่ากัน นอกจากนี้ APNG ยังอนุญาตให้มีอัตราเฟรมที่แปรผัน ซึ่งช่วยให้ควบคุมเวลาและความราบรื่นของแอนิเมชันได้มากขึ้น
อย่างไรก็ตาม APNG ก็มีข้อจำกัดบางประการ แม้ว่าจะได้รับการสนับสนุนจากเว็บเบราว์เซอร์หลักๆ เช่น Firefox, Chrome และ Safari แต่ก็ไม่ได้รับการนำมาใช้กันอย่างแพร่หลายเท่า GIF เบราว์เซอร์และโปรแกรมดูภาพบางรุ่นที่เก่ากว่าอาจไม่มีการรองรับ APNG ในตัว ซึ่งจำเป็นให้ผู้ใช้ติดตั้งส่วนขยายหรือใช้ซอฟต์แวร์อื่นเพื่อดูแอนิเมชัน นอกจากนี้ การสร้างไฟล์ APNG อาจซับซ้อนกว่า GIF เนื่องจากเกี่ยวข้องกับการทำงานกับเฟรมหลายเฟรมและทำความเข้าใจโค รงสร้างชิ้นส่วนเฉพาะ
แม้จะมีข้อจำกัดเหล่านี้ แต่ APNG ก็ได้รับความนิยมในช่วงไม่กี่ปีที่ผ่านมาเนื่องจากคุณภาพของภาพที่เหนือกว่า ขนาดไฟล์ที่เล็กลง และการสนับสนุนที่เพิ่มขึ้นจากเว็บเบราว์เซอร์และเครื่องมือแก้ไขภาพ กลายเป็นตัวเลือกที่ต้องการสำหรับการนำเสนอแอนิเมชันคุณภาพสูงบนเว็บไซต์ โดยเฉพาะสำหรับแอนิเมชันแบบวนซ้ำสั้นๆ ที่ต้องการความโปร่งใสและการเล่นที่ราบรื่น
สรุปแล้ว APNG เป็นรูปแบบไฟล์ที่มีประสิทธิภาพและหลากหลายซึ่งขยายความสามารถของ PNG เพื่อรองรับแอนิเมชัน โดยใช้ประโยชน์จากโครงสร้าง PNG ที่มีอยู่และเพิ่มชิ้นส่วนใหม่สำหรับการควบคุมแอนิเมชัน APNG จึงเป็นทางเลือกที่มีประสิทธิภาพและน่าสนใจกว่า GIF แม้ว่าอาจไม่ได้รับการสนับสนุนอย่างแพร่หลายเท่า GIF แต่การนำ APNG มาใช้โดยเว็บเบราว์เซอร์ที่เพิ่มขึ้นและความต้องการแอนิเมชันคุณภาพสูงที่เพิ่มขึ้น ทำให้เป็นเครื่องมือที่มีค่าสำหรับนักออกแบบและนักพัฒนาที่ต้องการสร้างเนื้อหาที่น่าสนใจและมีปฏิสัมพันธ์บนเว็บ
ตัวแปลงนี้ทำงานอย่างสมบูรณ์ในเบราว์เซอร์ของคุณ เมื่อคุณเลือกไฟล์ ไฟล์จะถูกอ่านเข้าไปในหน่วยความจำและแปลงเป็นรูปแบบที่เลือก จากนั้นคุณสามารถดาวน์โหลดไฟล์ที่แปลงแล้วได้
การแปลงจะเริ่มขึ้นทันที และไฟล์ส่วนใหญ่จะถูกแปลงภายในเวลาไม่ถึงหนึ่งวินาที ไฟล์ขนาดใหญ่อาจใช้เวลานานกว่านั้น
ไฟล์ของคุณจะไม่ถูกอัปโหลดไปยังเซิร์ฟเวอร์ของเรา ไฟล์เ หล่านั้นจะถูกแปลงในเบราว์เซอร์ของคุณ จากนั้นไฟล์ที่แปลงแล้วจะถูกดาวน์โหลด เราไม่เคยเห็นไฟล์ของคุณ
เรารองรับการแปลงระหว่างรูปแบบภาพทั้งหมด รวมถึง JPEG, PNG, GIF, WebP, SVG, BMP, TIFF และอื่นๆ
ตัวแปลงนี้ฟรีโดยสมบูรณ์ และจะฟรีตลอดไป เนื่องจากทำงานในเบราว์เซอร์ของคุณ เราจึงไม่ต้องจ่ายค่าเซิร์ฟเวอร์ ดังนั้นเราจึงไม่เรียกเก็บเงินจากคุณ
ใช่! คุณสามารถแปลงไฟล์ได้มากเท่าที่คุณต้องการในคราวเดียว เพียงเลือกหลายไฟล์เมื่อคุณเพิ่ม