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
รูปแบบไฟล์ .AVS ซึ่งย่อมาจาก Audio Video Standard เป็นรูปแบบคอนเทนเนอร์มัลติมีเดียที่พัฒนาโดย AVID เพื่อจัดเก็บข้อมูลเสียงและวิดีโอแบบดิจิทัล โดยทั่วไปแล้วจะใช้ในการตัดต่อวิ ดีโอระดับมืออาชีพและเวิร์กโฟลว์หลังการผลิต รูปแบบ .AVS ออกแบบมาเพื่อจัดการเนื้อหาเสียงและวิดีโอคุณภาพสูงที่ไม่ผ่านการบีบอัดหรือบีบอัดเล็กน้อย ทำให้เหมาะสำหรับการรักษาความเที่ยงตรงของวัสดุต้นฉบับตลอดกระบวนการตัดต่อ
หนึ่งในคุณสมบัติหลักของรูปแบบ .AVS คือความสามารถในการจัดเก็บแทร็กเสียงและวิดีโอหลายรายการภายในไฟล์เดียว สิ่งนี้ช่วยให้บรรณาธิการสามารถทำงานกับองค์ประกอบแยกต่างหากของโปรเจ็กต์ เช่น บทสนทนา เอฟเฟกต์เสียง เพลง และมุมมองหรือการถ่ายวิดีโอต่างๆ ทั้งหมดภายในคอนเทนเนอร์เดียว แต่ละแทร็กสามารถมีคุณสมบัติของตัวเอง รวมถึงอัตราการสุ่ม ความลึกของบิต และการตั้งค่าการบีบอัด ซึ่งช่วยให้มีความยืดหยุ่นในการจัดการสื่อประเภทต่างๆ
รูปแบบ .AVS รองรับตัวแปลงสัญญาณเสียงและวิดีโอที่หลากหลาย เพื่อให้แน่ใจว่าเข้ากันได้กับอุปกรณ์บันทึกและซอฟต์แวร์ตัดต่อต่างๆ สำหรับเสียง มักใช้ PCM (Pulse Code Modulation) ที่ไม่ผ่านการบีบอัดหรือรูปแบบที่บีบอัดเล็กน้อย เช่น AAC (Advanced Audio Coding) หรือตัวแปลงสัญญาณ DNxHD ของ AVID ตัวแปลงสัญญาณเหล่านี้รักษาคุณภาพเสียงสูงและให้ตัวเลือกในการปรับขนาดไฟล์และประสิทธิภาพการทำงาน ตัวแปลงสัญญาณวิดีโอที่รองรับโดย .AVS รวมถึง RGB หรือ YUV ที่ไม่ผ่านการบีบอัด รวมถึงตัวแปลงสัญญาณ DNxHD และ DNxHR ของ AVID ซึ่งให้การบีบอัดแบบไม่สูญเสียภาพเพื่อการจัดเก็บและการประมวลผลที่มีประสิทธิภาพมากขึ้น
นอกเหนือจากข้อมูลเสียงและวิดีโอแล้ว รูปแบบ .AVS ยังรวมเมตาดาต้าและข้อมูลไทม์โค้ดด้วย เมตาดาต้าอาจรวมถึงรายละเอียดต่างๆ เช่น ชื่อคลิป การตั้งค่ากล้อง บันทึกการผลิต และข้อมูลอื่นๆ ที่เกี่ยวข้องซึ่งช่วยในการจัดระเบียบและจัดการสินทรัพย์สื่อ ไทม์โค้ดเป็นองค์ประกอบสำคัญในการตัดต่อวิดีโอ เนื่องจากให้การอ้างอิงที่แม่นยำสำหรับการซิงโครไนซ์แทร็กเสียงและวิดีโอ รูปแบบ .AVS รองรับมาตรฐานไทม์โค้ดต่างๆ รวมถึง SMPTE (Society of Motion Picture and Television Engineers) และ MTC (MIDI Timecode) ซึ่งช่วยให้สามารถรวมเข้ากับเครื่องมือตัดต่อระดับมืออาชีพและเวิร์กโฟลว์ได้อย่างราบรื่น
โครงสร้างของไฟล์ .AVS ประกอบด้วยส่วนหัวตามด้วยข้อมูลเสียงและวิดีโอแบบสลับ ส่วนหัวมีข้อมูลที่จำเป็นเกี่ยวกับไฟล์ เช่น จำนวนแทร็ก คุณสมบัติของแทร็ก และระยะเวลาโดยรวมของเนื้อหา ข้อมูลเสียงและวิดีโอจะถูกจัดเก็บเป็นชิ้นส่วนหรือแพ็กเก็ต โดยแต่ละแพ็กเก็ตมีข้อมูลจำนวนหนึ่งสำหรับแทร็กใดแทร็กหนึ่ง โครงสร้างนี้ช่วยให้สามารถอ่านและเขียนไฟล์ได้อย่างมีประสิทธิภาพในระหว่างการตัดต่อและการเล่น
ข้อดีอย่างหนึ่งของรูปแบบ .AVS คือความสามารถในการจัดการไฟล์ขนาดใ หญ่และอัตราบิตสูง ซึ่งจำเป็นสำหรับการรักษาคุณภาพของโปรเจ็กต์วิดีโอระดับมืออาชีพ รองรับความละเอียดสูงสุด 8K ขึ้นไป ทำให้รองรับเทคโนโลยีการแสดงผลที่พัฒนาขึ้นในอนาคต นอกจากนี้ การรองรับแทร็กหลายรายการและตัวเลือกตัวแปลงสัญญาณที่ยืดหยุ่นของรูปแบบนี้ช่วยให้บรรณาธิการสามารถทำงานกับวัสดุต้นฉบับที่หลากหลายและปรับให้เข้ากับความต้องการในการจัดส่งที่แตกต่างกัน
เพื่อให้แน่ใจว่าการเล่นและประสิทธิภาพการตัดต่อราบรื่น ไฟล์ .AVS มักต้องใช้ฮาร์ดแวร์ที่ทรงพลังและซอฟต์แวร์เฉพาะทาง แอปพลิเคชันตัดต่อวิดีโอระดับมืออาชีพ เช่น AVID Media Composer, Adobe Premiere Pro และ Final Cut Pro มีการรองรับรูปแบบ .AVS โดยกำเนิด ซึ่งช่วยให้บรรณาธิการสามารถนำเข้า จัดการ และส่งออกไฟล์ .AVS ได้อย่างราบรื่นภายในเวิร์กโฟลว์ของตน แอปพลิเคชันเหล่านี้ใช้ประโยชน์จากคุณสมบัติของร ูปแบบ เช่น แทร็กหลายรายการและการซิงโครไนซ์ไทม์โค้ด เพื่อมอบประสบการณ์การตัดต่อที่แข็งแกร่ง
ในขณะที่รูปแบบ .AVS ส่วนใหญ่ใช้ในการผลิตวิดีโอระดับมืออาชีพ แต่ก็ยังพบการใช้งานในอุตสาหกรรมอื่นๆ เช่น ภาพยนตร์ โทรทัศน์ และมัลติมีเดีย ความสามารถในการจัดการเสียงและวิดีโอคุณภาพสูง รวมถึงความยืดหยุ่นและความเข้ากันได้กับเครื่องมือระดับมืออาชีพ ทำให้เป็นตัวเลือกที่ต้องการสำหรับโปรเจ็กต์ที่ต้องการการจัดการสื่อและความสามารถในการตัดต่อที่เหนือกว่า
สรุปแล้ว รูปแบบไฟล์ .AVS เป็นรูปแบบคอนเทนเนอร์ที่ทรงพลังและหลากหลายที่ออกแบบมาสำหรับการตัดต่อวิดีโอระดับมืออาชีพและเวิร์กโฟลว์หลังการผลิต การรองรับแทร็กเสียงและวิดีโอหลายรายการ ตัวแปลงสัญญาณที่หลากหลาย การจัดการเมตาดาต้า และการซิงโครไนซ์ไทม์โค้ด ทำให้เป็นเครื่องมื อที่จำเป็นสำหรับการจัดการสินทรัพย์สื่อคุณภาพสูง ด้วยความสามารถในการรองรับไฟล์ขนาดใหญ่ ความละเอียดสูง และตัวเลือกตัวแปลงสัญญาณที่ยืดหยุ่น รูปแบบ .AVS จึงยังคงเป็นมาตรฐานในอุตสาหกรรมการผลิตวิดีโอ ซึ่งช่วยให้ผู้เชี่ยวชาญด้านความคิดสร้างสรรค์สามารถส่งมอบผลลัพธ์ที่ยอดเยี่ยม
ตัวแปลงนี้ทำงานอย่างสมบูรณ์ในเบราว์เซอร์ของคุณ เมื่อคุณเลือกไฟล์ ไฟล์จะถูกอ่านเข้าไปในหน่วยความจำและแปลงเป็นรูปแบบที่เลือก จากนั้นคุณสามารถดาวน์โหลดไฟล์ที่แปลงแล้วได้
การแปลงจะเริ่มขึ้นทันที และไฟล์ส่วนใหญ่จะถูกแปลงภายในเวลาไม่ถึงหนึ่งวินาที ไฟล์ขนาดใหญ่อาจใช้เว ลานานกว่านั้น
ไฟล์ของคุณจะไม่ถูกอัปโหลดไปยังเซิร์ฟเวอร์ของเรา ไฟล์เหล่านั้นจะถูกแปลงในเบราว์เซอร์ของคุณ จากนั้นไฟล์ที่แปลงแล้วจะถูกดาวน์โหลด เราไม่เคยเห็นไฟล์ของคุณ
เรารองรับการแปลงระหว่างรูปแบบภาพทั้งหมด รวมถึง JPEG, PNG, GIF, WebP, SVG, BMP, TIFF และอื่นๆ
ตัวแปลงนี้ฟรีโดยสมบูรณ์ และจะฟรีตลอดไป เนื่องจากทำงานในเบราว์เซอร์ของคุณ เราจึงไม่ต้องจ่ายค่าเซิร์ฟเวอร์ ดังนั้นเราจึงไม่เรียกเก็บเงินจากคุณ
ใช่! คุณสามารถแปลงไฟล์ได้มากเท่าที่คุณต้องการในคราวเดียว เพียงเลือกหลายไฟล์เมื่อคุณเพิ่ม