OCR検索可能PDF化

検索可能なPDFは、外見はスキャンそのものですが、ページ画像の下に目に見えないテキスト層を持ちます。そのため文書全体がどんなPDFリーダーでも検索・選択・コピーできるようになり、見た目は元のスキャンと完全に同じままです。このツールはサーバー側OCRでその層を構築します。スキャン画像または画像のみのPDFをアップロードし、10言語から選ぶと、Tesseractがページを読み取り、認識したテキストを元のページ画像の下に目に見えない形で埋め込んだ新しいPDFを書き出します。その後は契約書の中をキーワード検索し、文を選択し、段落をコピーし、文書ソフトにインデックスさせることができます。紙の記録をデジタル化するアーキビスト、契約書をスキャンする弁護士や会計士、そして「きれいだが検索できないPDF」を抱えるすべての人に向けたツールです。アカウントが必要で、クレジットを消費します。

このツールでできること

• スキャンや画像のみのPDFに、目に見えないが選択可能なテキスト層を追加できる
• 簡体字・繁体字中国語から英語、日本語、韓国語、フランス語、スペイン語、ドイツ語、ロシア語、ポルトガル語まで10言語を認識する
• 元のページ画像をスキャン時とまったく同じ見た目に保つ
• 複数ページの文書を1回で処理し、1つの検索可能なPDFを出力する
• あらゆるPDFリーダーでテキストを選択してコピーできる
• 完成した検索可能なPDFをページから直接ダウンロードできる

こんなときに使う

• スキャンした契約書をキーワードで検索できるようにしたいとき
• 紙の文書やレシートで検索可能な電子アーカイブを作りたいとき
• スキャンした講義ノートを引用できる文書に変換したいとき
• 検索と引用のためにスキャンしたフォームや証拠資料を準備したいとき
• クライアントに、スキャンを目で追うのではなくテキストを選択できるPDFを渡したいとき

プライバシーと制限: OCRはサイトのVPS上で実行されます。スキャンは処理のためアップロードされ、ジョブ完了後に削除されます。アカウントが必要で、クレジットを消費します。認識品質は元資料と一致します。鮮明でまっすぐ、コントラストの高いスキャンはほぼ完璧なテキスト層になりますが、低品質や手書きのページでは隠れテキストに誤りが入る可能性があります。重要な文書は変換後に必ず確認してください。