OCR PDF: tekst herkennen in scans
Laat de tekst op gescande pagina’s herkennen. MovaDoc legt die tekst onzichtbaar over elke pagina: de PDF ziet er hetzelfde uit, maar je kunt de tekst nu doorzoeken en kopiëren. Alles gebeurt op je eigen apparaat.
Verwerkt op je eigen apparaatEr gaat niets naar een server
Sleep een of meer PDF’s hierheen
PDF-bestanden
Bestanden worden op je apparaat geopend en nooit geüpload.
Zo werkt het
Kies de gescande PDF
Sleep het bestand naar het werkvlak of gebruik de knop. Je kunt er ook meerdere tegelijk kiezen.
Kies de talen
Vink de talen van het document aan (Nederlands, Engels, Duits, Frans, Spaans, Italiaans, Portugees, Pools, Zweeds, Deens, Noors, Turks, Indonesisch, Maleis, Arabisch, Hebreeuws, vereenvoudigd of traditioneel Chinees, Japans of Koreaans) en kies de kwaliteit. De eerste keer downloadt MovaDoc de gegevens voor de herkenning: ongeveer 0,5 tot 3 MB per taal.
Download de doorzoekbare PDF
De pagina’s zien er hetzelfde uit, met de herkende tekst onzichtbaar eroverheen: je kunt die nu doorzoeken en kopiëren. Je kunt ook alleen de tekst downloaden (.txt).
Veelgestelde vragen
Klopt de herkende tekst?
Dat hangt af van de scan. Scherpe, gedrukte tekst wordt bijna foutloos herkend; wazige scans of scans met een lage resolutie geven meer fouten. Scheve pagina’s (tot ongeveer 10°), pagina’s die op hun kant liggen en pagina’s die op hun kop staan, worden automatisch rechtgezet. Handschrift wordt niet herkend. Controleer altijd alles wat belangrijk is.
Worden mijn bestanden naar een server gestuurd?
Nee. De herkenning draait in je browser, met de Tesseract-engine. De eerste keer downloadt MovaDoc de engine en de taalgegevens van de eigen website (ongeveer 3 MB per taal), zodra je de tool gaat gebruiken (je tikt of klikt erop, of komt er met het toetsenbord) en voordat er ook maar één bestand wordt verwerkt; je PDF verlaat je apparaat nooit.
Wat verandert er aan de PDF?
Wat je ziet, blijft hetzelfde: de herkende tekst wordt onzichtbaar over elke pagina gelegd, precies op de plek van elk woord. Zo kun je de tekst selecteren, kopiëren en doorzoeken. In tabellen worden de woorden doorzoekbaar, maar gekopieerde tekst verliest de tabelvorm.
Werkt tekstherkenning zonder internet?
Ja, na de eerste keer: de herkenningsbestanden worden in je browser bewaard (in een privévenster alleen tot je het sluit). De eerste keer (en als je een andere taal of kwaliteit kiest) is internet nodig om ze te downloaden.
Welke talen worden herkend? En “Snel” of “Nauwkeurig”?
Nederlands, Engels, Duits, Frans, Spaans, Italiaans, Portugees, Pools, Zweeds, Deens, Noors, Turks, Indonesisch, Maleis, Arabisch, Hebreeuws, Chinees (vereenvoudigd en traditioneel), Japans en Koreaans, ook door elkaar in hetzelfde document. Bij Arabisch en Hebreeuws, die van rechts naar links worden geschreven, komt de onzichtbare tekst in leesvolgorde te staan: je kunt die net als andere tekst doorzoeken en kopiëren. Bij Chinees en Japans staan er in de onzichtbare tekst geen spaties tussen de tekens, zoals die talen ook worden geschreven. Andere schriften (Cyrillisch, Grieks…) worden niet gelezen, en dat meldt MovaDoc ook; verticaal geschreven tekst evenmin. “Snel” is lichter en genoeg voor scherpe gedrukte tekst; “Nauwkeurig” herkent kleine letters en zwakke scans beter, maar duurt langer. Op een computer duurt elke pagina ongeveer 5 tot 30 seconden, afhankelijk van de tekst; op een telefoon kan het een stuk langer duren.