GIF को TXT में बदलें

शब्दों वाली लगभग हर GIF एक screen capture है। पुराने screenshot टूल डिफ़ॉल्ट रूप से GIF बनाते, फ़ोरम सॉफ़्टवेयर अपलोड को इसमें बदल देता, और बीस साल के कई support ticket में error dialog की GIF लगी होती है।

यही इतिहास इस रूपांतरण को उपयोगी और किसी scan से पढ़ने से मुश्किल भी बनाता है। GIF बना screenshot वह palette कटौती झेल चुका है जो PNG बना screenshot नहीं झेलता, और टेक्स्ट इसके सबसे संवेदनशील सामग्री है।

पहचानने वाला इंजन फ़ाइल को सीधे पढ़ता है, और इसकी दस्तावेज़ीकृत फ़ॉर्मेट सूची non-animated GIF को कवर करती है। कोई screenshot, कोई captured dialog — सब यहाँ पढ़ी जा सकती हैं।

एनिमेटेड GIF इससे बाहर है। किसी frame का अंदाज़ा लगाने की बजाय, ईमानदार रास्ता एक अतिरिक्त कदम है — GIF को PNG में बदलिए, जो पहला frame लेता है, और उसे इस टूल से गुज़ारिए।

Screen text anti-aliased होता है — हर glyph के किनारे बीच के shades में खींचे जाते हैं ताकि रेखाएँ चिकनी दिखें। GIF के पास काम करने को 256 रंग हैं, और जब कोई screenshot उस palette तक घटाया जाता है, बीच के shades पहली शिकार बनते हैं।

Recognition किसी अक्षर की आकृति को उसकी सीखी हुई आकृति से मिलाता है, और alternating pixels से किनारे वाली रेखा एक अलग आकृति है। यही वजह है GIF screenshot PNG screenshot से थोड़ा कमज़ोर पढ़ी जाती है।

इस साइट पर हर दूसरा image रूपांतरण पहले तस्वीर को raw pixels में डिकोड करता है। यह जान-बूझकर नहीं करता — फ़ाइल बिना छुए दी जाती है, क्योंकि पहचानने वाले का अपना loader है और canvas से गुज़ारना transparent चीज़ों को काला कर देता।

सफ़ेद काग़ज़ के scan पर यह एक ही बारीकी पढ़ने लायक़ पेज और काले rectangle में फ़र्क़ करती है, और यह जानना ज़रूरी है अगर आपकी GIF का background transparent है।

चार भाषा मॉडल उपलब्ध हैं — English, German, French, Spanish। यह setting चुनाव है, अंदाज़ा नहीं, क्योंकि अंदाज़ा लगाना ख़ुद एक अनुमान है और ग़लत अनुमान अदृश्य होगा।

ग़लत चुनाव विफल नहीं होता। यह ऐसा टेक्स्ट देता है जो सहज-दिखने वाले शब्दों जैसा है, ग़लत भाषा में, आकृतियों को उस शब्दावली पर मैप करते हुए जो मॉडल के पास है।

जो वापस आता है वह पहचानने वाले ने जिन खाली लाइनों को blocks के बीच देखा, उनके साथ लाइनों की एक श्रृंखला है, और कोई और processing नहीं। कुछ भी उन ख़ाली जगहों को जोड़ता, या लाइनों को reflow नहीं करता।

यहाँ हर tidying कदम layout के बारे में एक अंदाज़ा है। एक कविता, पता ब्लॉक, कोड सैंपल और table — सब अपना अर्थ खो देते हैं अगर उनकी line breaks फिर से जमाई जाएँ।

पहचानने वाले को शुरू करने का मतलब है कई megabytes WebAssembly डाउनलोड और compile करना और फिर भाषा मॉडल। यह recognition शुरू होने से पहले सेकंडों का इंतज़ार है।

यह एक बार होता है। मॉडल आपकी मशीन पर पहले run के बाद कैश हो जाता है, इसलिए दूसरी GIF लगभग तुरंत शुरू होती है, और बीस की batch पूरी लागत एक बार चुकाती है, बीस बार नहीं।

मूल रूप से हस्तलेख। कोण पर टेक्स्ट, busy background पर टेक्स्ट, बहुत छोटा टाइप, decorative typeface — सब कुछ अक्षरों से पूरी बकवास तक की गलतियाँ पैदा करेंगे।

दूसरा मामला वह GIF है जिसे screenshot लेने के बाद छोटा किया गया। screenshot को आधा करना glyph आकृतियों को इस तरह नष्ट करता है कि कोई पहचानने वाला उसे वापस नहीं ला सकता।

पहचानने वाला, उसका WebAssembly core और हर भाषा मॉडल इसी साइट से परोसे जाते हैं, किसी सार्वजनिक CDN से नहीं मँगाए जाते। किसी payslip, medical letter या निजी बातचीत को screenshot से पढ़ने वाले को यह किसी तीसरे पक्ष को घोषित नहीं होना चाहिए।

Recognition आपके ब्राउज़र में होती है, कोई अकाउंट नहीं है, और टेक्स्ट कभी store नहीं किया जाता।