AVIF को TXT में बदलें

यह जगह ऊपर आनी चाहिए, टिप्पणी में नहीं। पहचानने वाला इंजन WebAssembly पर बना Tesseract है, और फ़ाइल को वैसे ही थमाया जाता है जैसे आपने छोड़ी — इससे पहले कोई ब्राउज़र डिकोडिंग नहीं होती, क्योंकि canvas से गुज़ारना transparency को काला कर देता।

इसका मतलब है कि सिर्फ़ छह image reader मौजूद हैं — BMP, JPEG, PNG, PBM, WebP और non-animated GIF। AVIF इनमें नहीं है। सीधे यहाँ AVIF छोड़ने से बुरा टेक्स्ट नहीं, बल्कि कोई टेक्स्ट नहीं मिलता।

जो रास्ता काम करता है वह दो-चरणों वाला है और एक फ़ाइल की क़ीमत लेता है। इस साइट पर AVIF को PNG में बदलिए, फिर उस PNG से टेक्स्ट पढ़िए। PNG उन छह में से एक है जो पहचानने वाला इंजन खोलता है, यह lossless है, और यही बीच की सही फ़ाइल है।

JPEG भी पढ़ी जाती, पर यहाँ ग़लत चुनाव है। JPEG से सेव करना उन अक्षर आकृतियों को दोबारा संपीड़ित करता है जिन्हें AVIF पहले ही नरम कर चुका है, और दूसरा दौर उन्हीं पतली रेखाओं पर पड़ता है जिन्हें पहचानने वाला इंजन ढूँढ रहा है।

कोई भी स्कैनर या फ़ोन गैलरी से AVIF नहीं निर्यात करता। यह एक वेब डिलीवरी फ़ॉर्मेट है, और यह इसलिए पहुँचती है क्योंकि किसी आधुनिक image pipeline वाली साइट ने इसे चुना।

इसका मतलब है यहाँ पहुँचने वाली सामग्री का एक ख़ास चरित्र है — चार्ट, तुलना टेबल, प्रस्तुति की स्लाइड, तस्वीर के रूप में सेट किया कोई quote। हर मामले में शब्द दिखते हैं और चुने नहीं जा सकते, और उन्हें पहचानना ही एकमात्र रास्ता है, दोबारा टाइप करने के अलावा।

अलग-अलग कोडेक अलग तरह से बिगड़ते हैं, और कोडेक कैसे बिगड़ता है वह पहचान को कैसे प्रभावित करता है। JPEG ब्लॉक और ringing में टूटता है। AVIF, वीडियो कोडेक का एक स्थिर फ़्रेम होने के नाते, चिकना करने की ओर झुकता है — जो कुछ बताने लायक़ नहीं लगता उसे समतल कर देता है।

चिकना करना देखने में सुखद और पढ़ने में मुश्किल है। पतली रेखाएँ काग़ज़ के मुक़ाबले किनारे खो देती हैं, अक्षरों के भीतरी खुले हिस्से बंद हो जाते हैं। यही वजह है कि पूरे पेज पर साफ़ दिखने वाली AVIF आठ-पॉइंट टाइप पर बुरी तरह पढ़ी जाती है।

आधुनिक साइट शायद ही किसी तस्वीर की एक ही कॉपी रखती है। इसमें कई साइज़ और फ़ॉर्मेट होते हैं, और जो browser window की चौड़ाई फ़िट बैठे वही मिलता है।

बदलने से पहले तीस सेकंड इस पर लगाना सार्थक है, क्योंकि बड़ा वर्ज़न इस पेज की किसी भी सेटिंग से ज़्यादा फ़ायदा देता है। तस्वीर को उसके अपने टैब में खोलना अक्सर दो-तीन गुना बड़ा वर्ज़न देता है, और उतने ही ज़्यादा पिक्सेल प्रति अक्षर एक बिगड़ी हुई पढ़ाई और साफ़ पढ़ाई के बीच का फ़र्क़ है।

इस जोड़ी में एक समस्या है जो दूसरे recognition पेज पर नहीं है — पाठक अक्सर स्रोत देख ही नहीं सकता। AVIF हर मौजूदा ब्राउज़र में दिखती है और उसके बाहर काफ़ी कम में, इसलिए फ़ाइल पर डबल-क्लिक करने से कुछ नहीं होता।

उपाय है AVIF को किसी नए ब्राउज़र टैब में खींचना। यह दिखेगी, zoom होगी, और आप इसे पहचाने गए टेक्स्ट के साथ रख सकते हैं। दो-चरण वाला रास्ता इस पर निर्भर नहीं करता — PNG में रूपांतरण एक अलग WebAssembly डिकोडर इस्तेमाल करता है, आपके ब्राउज़र या ऑपरेटिंग सिस्टम के नहीं।

आउटपुट वह क्रम है जिसमें अक्षर पढ़े गए, और कुछ नहीं। किसी गद्य के लिए इससे बहुत कम खोता है। चार्ट के लिए इसका मतलब है axis लेबल, series नाम और संख्याएँ मिलती हैं, बिना यह बताए कि कौन किसका है।

टेबल के लिए यह और तीखा है — cell मान पढ़ने के क्रम में आते हैं, कॉलम गायब हो जाते हैं। जहाँ असली डेटा कहीं और मौजूद हो, उसे ढूँढना उसकी तस्वीर पहचानने से तेज़ है।

पहचान आकृतियों को अक्षरों से मिलाती है बिना कुछ समझे, और उसके पास अनिश्चितता बताने का कोई तंत्र नहीं। आउटपुट पूरा और सहज लगता है चाहे हर अक्षर सही हो या चौथाई अंदाज़ा।

वेब से सेव की सामग्री ठीक उसी सामग्री में भारी है जहाँ एक ग़लत अक्षर मायने रखता है — क़ीमतें, प्रतिशत, तारीख़ें, संदर्भ संख्याएँ। संख्याओं को तस्वीर के मुक़ाबले वापस पढ़िए, ख़ासकर उन अंकों की जोड़ी पर ध्यान दीजिए जो चिकनी हो चुकी लकीरों में एक जैसी दिखती हैं।

पहचानने वाला इंजन एक भाषा के letterforms और शब्दावली के भीतर काम करता है। ग़लत भाषा दी जाए तो यह विफलता नहीं बताता — यह उस सेट में सबसे नज़दीकी मेल लौटाता है जिसमें सही जवाब है ही नहीं।

यहाँ English, German, French और Spanish उपलब्ध हैं। अगर नतीजा किसी अस्पष्ट तरीक़े से अजीब लगे, तो सबसे पहले यही सेटिंग जाँचिए।

दोनों चरणों में कुछ नहीं भेजा जाता। AVIF डिकोडर आपके अपने प्रोसेसर पर PNG लिखता है और Tesseract उसे उसी टैब में पढ़ता है, दोनों WebAssembly के रूप में। न कोई फ़ाइल अपलोड होती है, न कोई अकाउंट, न कतार, और मुफ़्त सीमा 100 MB प्रति फ़ाइल है।

यह उस सामग्री के लिए ख़ासकर मायने रखता है जो तस्वीर के रूप में सेव होकर वापस पढ़ी जाती है — कोई इंटरनल डैशबोर्ड, login के पीछे का पन्ना, किसी निजी समूह में साझा दस्तावेज़। यहाँ फ़ाइल वहीं रहती है जहाँ पहले से थी।