PDF hasil pindaian terlihat seperti dokumen, tetapi berperilaku seperti foto. Tekan Ctrl+F dan tidak ada yang ditemukan; coba salin satu kalimat dan yang terpilih justru seluruh halaman sebagai gambar. Optical character recognition (OCR), atau pengenalan karakter optik, mengatasi hal ini dengan membaca huruf-huruf di dalam gambar dan mengubahnya menjadi teks sungguhan.
Alat OCR PDF dari S-PDF menggunakan mesin Tesseract 5 untuk mengenali teks, lalu menempatkannya sebagai lapisan tak terlihat tepat di atas gambar halaman aslinya. Tidak ada yang berubah secara visual: tanda tangan, stempel, logo, dan catatan tulisan tangan tetap berada di tempatnya. Namun kini Anda bisa mencari isi dokumen, memilih dan menyalin teks, serta memungkinkan pembaca layar dan fitur pencarian file melihat isinya.
Cara OCR PDF dalam 4 langkah
- Unggah hasil pindaian atau gambar Tambahkan PDF hasil pindaian, atau gambar dokumen dalam format JPG, PNG, WebP, GIF, BMP, atau TIFF.
- Pilih bahasa dokumen Pilih bahasa yang digunakan dalam teks. Untuk dokumen campuran, pilih hingga tiga bahasa, misalnya Indonesia dan Inggris.
- Biarkan atau ubah opsi teks Lewati halaman yang sudah berisi teks aktif secara default, sehingga halaman digital dibiarkan apa adanya dan hanya halaman hasil pindaian yang diproses.
- Jalankan OCR dan unduh Halaman diproses secara paralel dan Anda bisa memantau progresnya halaman demi halaman. Unduh hasilnya, yang diberi nama
dokumen_ocr.pdf.
Mengapa menggunakan S-PDF untuk OCR PDF
- Tampilan halaman tetap samaTeks yang dikenali tidak terlihat, sehingga hasil pindaian tampak persis seperti sebelumnya.
- 34 bahasaDari Indonesia, Inggris, dan Arab hingga Jepang dan Hindi, dengan hingga tiga bahasa dalam satu dokumen.
- Gambar juga diterimaFoto dan gambar pindaian dalam format JPG, PNG, WebP, GIF, BMP, atau TIFF menjadi PDF yang bisa dicari.
- Halaman digital dilewatiHalaman yang sudah berisi teks asli dibiarkan apa adanya secara default.
- Progres langsung terlihatHalaman diproses secara paralel dan Anda bisa memantau progresnya halaman demi halaman.
- Dihapus setelah satu jamHasil pindaian Anda dihapus otomatis satu jam setelah tindakan terakhir Anda.
Bahasa yang didukung
Pilih dari 34 bahasa: Inggris, Prancis, Spanyol, Jerman, Italia, Portugis, Belanda, Arab, Turki, Rusia, Ukraina, Polandia, Ceko, Rumania, Swedia, Denmark, Norwegia, Finlandia, Yunani, Ibrani, Hindi, Bengali, Urdu, Persia, Indonesia, Melayu, Vietnam, Thai, Tionghoa (Sederhana), Tionghoa (Tradisional), Jepang, Korea, Hungaria, dan Bulgaria.
Selalu pilih bahasa yang benar-benar digunakan dalam dokumen. OCR menggunakan alfabet dan kosakata setiap bahasa untuk membedakan karakter yang tampak mirip, jadi memilih bahasa yang salah akan menghasilkan lebih banyak kesalahan, terutama pada huruf beraksen dan aksara non-Latin. Untuk kontrak dwibahasa atau buku pelajaran yang berisi kutipan, tambahkan juga bahasa kedua (dan ketiga).
Tips agar pengenalan teks akurat
OCR hanya bisa membaca apa yang terlihat jelas. Beberapa kebiasaan berikut membuat perbedaan besar:
- Pindai pada 300 dpi. Resolusi yang lebih rendah membuat huruf kecil kabur; resolusi yang jauh lebih tinggi membuat file lebih besar tanpa membantu pengenalan.
- Jaga halaman tetap lurus. Letakkan kertas rata di kaca pemindai, atau ambil foto ponsel tepat dari atas.
- Usahakan kontras yang baik. Teks gelap di atas halaman bersih dengan pencahayaan merata memberikan hasil terbaik. Fotokopi yang pudar dan bayangan menyebabkan kesalahan.
- Tulisan tangan punya keterbatasan. Teks tulisan tangan kurang dikenali dengan baik; OCR dirancang untuk teks cetak.
Bahkan dengan hasil pindaian yang sempurna, periksa kembali detail penting seperti nama, nominal, dan tanggal. OCR sangat andal untuk teks cetak, tetapi tidak ada mesin yang sempurna.
Apa yang bisa dilakukan setelah OCR
PDF yang bisa dicari sering kali sudah cukup: Anda bisa menemukan kata apa pun, menyalin kutipan, dan fitur pencarian file di komputer Anda bisa mengindeks isinya. Jika ingin mengedit teksnya, konversi file hasil OCR dengan PDF ke Word; untuk tabel dan rekening koran hasil pindaian, PDF ke Excel memindahkan angka-angkanya ke spreadsheet. Masih perlu mendigitalkan dokumen kertas? Pindai ke PDF mengubah foto ponsel menjadi PDF yang kemudian bisa Anda proses dengan OCR.
Pertanyaan yang sering diajukan
Apakah OCR PDF gratis?
Ya. Pengguna gratis bisa menjalankan 5 tugas OCR per hari dengan hingga 10 file, 50 MB per tugas, dan 100 halaman per file, tanpa daftar dan tanpa watermark. Pro (US$5 per bulan atau US$50 per tahun) memungkinkan hingga 1.000 halaman per file, 50 file, dan 500 MB per tugas.
Apakah OCR akan mengubah tampilan PDF saya?
Tidak. Lapisan teksnya tidak terlihat dan berada di atas gambar halaman asli, sehingga halaman tampak persis sama seperti sebelumnya.
Bagaimana cara mengetahui apakah PDF saya perlu di-OCR?
Buka file tersebut dan coba cari sebuah kata atau pilih satu baris teks. Jika pencarian tidak menemukan apa pun atau Anda hanya bisa memilih seluruh halaman sebagai gambar, berarti itu hasil pindaian dan OCR akan membantu.
Bisakah saya meng-OCR dokumen dengan dua bahasa?
Bisa. Pilih hingga tiga bahasa sekaligus, misalnya Indonesia dan Inggris, dan mesin OCR akan mempertimbangkan semuanya saat membaca halaman.
Apakah OCR bisa membaca tulisan tangan?
Hasilnya kurang baik. Mesinnya dibuat untuk teks cetak, jadi catatan tulisan tangan biasanya tidak dikenali dengan andal.
Bisakah saya meng-OCR file JPG atau foto?
Bisa. Gambar JPG, PNG, WebP, GIF, BMP, dan TIFF diterima, dan hasilnya berupa PDF yang bisa dicari.
Bisakah saya mengedit teks setelah OCR?
PDF hasil OCR tetap mempertahankan tampilan aslinya. Untuk mengedit isi teksnya, konversi PDF yang bisa dicari itu dengan PDF ke Word, atau gunakan PDF ke Excel untuk tabel.
Apakah dokumen hasil pindaian saya tetap privat?
File dikirim melalui HTTPS, disimpan di folder privat yang tidak bisa diakses dari web, tidak pernah dibagikan atau digunakan untuk keperluan lain, dan dihapus otomatis satu jam setelah tindakan terakhir Anda. Anda bisa langsung menghapusnya dengan tombol Hapus file saya sekarang.
Terakhir diperbarui oleh Tim S-PDF.