استوديو التعرف الضوئي على المستندات وتحويلها إلى PDF قابل للبحث
تحليل واستخراج النصوص من الوثائق الممسوحة ضوئياً محلياً بالكامل داخل المتصفح. تحويل المستندات إلى ملفات PDF قابلة للبحث مع الحفاظ على المظهر الأصلي وفحص دقة التعرف وتصدير البيانات المهيكلة بأمان تام.
- بدون شبكة: معالجة محلية بالكامل في جهازك
- إنشاء ملفات PDF قابلة للبحث بطبقة نص غير مرئية
- تحقق تلقائي عبر PDF.js واختبار البحث الفوري
- معالجة مسبقة للصور (تعديل الميل، التباين، التوضيح)
- رصد الأرقام الملتبسة والتواريخ والروابط والبيانات الحساسة
اسحب وأفلت ملفات JPG أو PNG أو WebP أو PDF هنا
Supports PDF, JPG, PNG, and WEBP. Multi-page PDFs will be inspected and rendered locally.
حول استوديو التعرف الضوئي على المستندات وتحويلها إلى PDF قابل للبحث
لا تتيح الوثائق الورقية الممسوحة ضوئياً والصور إمكانية البحث أو نسخ النصوص بشكل افتراضي. تنطوي العديد من أدوات التعرف الضوئي عبر الإنترنت على مخاطر تسريب البيانات بسبب رفع المستندات إلى خوادم سحابية خارجية.
يعمل استوديو Solasu بالكامل داخل متصفح جهازك باستخدام WebAssembly وWeb Workers دون إرسال أي بايت عبر الإنترنت.
يقوم النظام بحساب إحداثيات الكلمات بدقة ويضع طبقة نص غير مرئية ومتطابقة تماماً فوق صورة المسح الضوئي الأصلية، لإنتاج ملف PDF قابل للبحث مع إمكانية تصحيح النصوص وتعتيم البيانات الحساسة.
خصوصية كاملة وتشغيل محلي بدون شبكة
تتم معالجة الملفات في الذاكرة العشوائية لمتصفحك فقط. لا يتم نقل أي نص أو صورة أو بيانات وصفية إلى خوادم خارجية إطلاقاً.
تم تضمين محرك OCR ونماذج اللغات محلياً دون الحاجة إلى تنزيلات ديناميكية من شبكات CDN خارجية ودون استخدام مساحات التخزين الدائمة.
إنشاء PDF قابل للبحث مع الحفاظ على جودة المسح الأصلية
يتم الاحتفاظ بصورة المسح الضوئي عالية الدقة كما هي، مع وضع طبقة نصية يونيكود شفافة فوق إحداثيات كل كلمة مطبوعة.
عند فتح المستند في قارئ PDF القياسي (مثل Adobe Acrobat أو Chrome)، يبدو كالمستند الأصلي تماماً مع دعم البحث وتحديد النصوص ونسخها.
فحص تلقائي للهيكل والتعرف الانتقائي للصفحات
يحدد النظام تلقائياً لكل صفحة ما إذا كانت تحتوي على نصوص رقمية جاهزة، أو صور ممسوحة فقط، أو محتوى مختلط.
يمكنك معالجة الصفحات الممسوحة فقط وتخطي الصفحات الرقمية مسبقاً، مما يوفر وقت المعالجة وجهد الجهاز.
معالجة مسبقة ذكية لتحسين جودة التعرف
تحسين وضوح الصور الضعيفة من خلال التدرج الرمادي، وضبط السطوع والتباين، وتعديل الميل التلقائي (deskew)، وإزالة الضوضاء وتوضيح الحواف.
معاينة فورية تقارن الصورة قبل المعالجة وبعدها للتأكد من جاهزيتها قبل بدء محرك التعرف.
تحقق دقيق من الجودة وتصدير متعدد الصيغ
يتم فحص ملف PDF الناتج فوراً في الذاكرة عبر مكتبة pdfjs-dist للتحقق من سلامة طبقة النص وتطابق عدد الصفحات.
تصدير النتائج المصححة بصيغ متعددة: PDF قابل للبحث، نص عادي (TXT)، ماركداون (Markdown)، ملف JSON مهيكل، ملف CSV آمن، صفحة HTML، أو تقرير تدقيق PDF شامل.
الأسئلة الشائعة (FAQ)
ما هو OCR وكيف يعمل داخل المتصفح؟
تقنية OCR تحلل بكسلات الصور للتعرف على أشكال الحروف وتحويلها إلى نصوص رقمية. تعمل هذه الأداة عبر ترجمة محرك Tesseract إلى WebAssembly ليعمل محلياً بالكامل.
ما هي صيغ الصور المدعومة؟
تدعم الأداة صور JPEG (.jpg, .jpeg) وPNG (.png) وWebP (.webp)، مع معالجة الصور عالية الدقة في ذاكرة المتصفح بأمان.
كيف تتم معالجة ملفات PDF؟
تقوم مكتبة PDF.js بتحويل صفحات PDF إلى صور Canvas عالية الجودة، ثم يحللها محرك OCR ويعيد pdf-lib بناء ملف PDF قابل للبحث بطبقتين.
ما الفرق بين PDF الممسوح ضوئياً وPDF النصي؟
ملف PDF النصي يحتوي على خطوط رقمية قابلة للتحديد، بينما الممسوح ضوئياً مجرد صور ثابتة. تضيف هذه الأداة طبقة بحث للملفات الممسوحة.
ما هو ملف PDF القابل للبحث (Searchable PDF)؟
هو ملف يجمع بين صورة الوثيقة الأصلية وطبقة نصوص شفافة توضع فوق الكلمات تماماً لتتيح البحث والنسخ.
كيف يتم ضبط إحداثيات النص غير المرئي؟
يحسب المحرك المربعات المحيطة (Bounding Box) لكل كلمة ويحولها بدقة إلى إحداثيات نقاط PDF مع قلب المحور الرأسي.
ماذا تعني نسبة الثقة في OCR؟ وهل الدقة مضمونة 100%؟
نسبة الثقة (0-100) هي مقياس إحصائي يقدمه المحرك. لا يمكن لأي نظام OCR ضمان الدقة المطلقة بنسبة 100%، لذا نعرض الأرقام الحقيقية بموضوعية.
كيف يتم التعامل مع الكلمات ذات الثقة المنخفضة؟
تُميز الكلمات التي تقل ثقتها عن 60 كـ 'احتمال عدم يقين في OCR' لتسهيل مراجعتها وتصحيحها يدوياً.
هل يمكنني تعديل النص المستخرج قبل التصدير؟
نعم، يمكنك تصحيح أي كلمة أو سطر مباشرة من لوحة المراجعة، وتنعكس التعديلات تلقائياً في الملفات المصدرة.
ما فائدة المعالجة المسبقة للصور؟
ميلان الورقة والظلال يقللان دقة التعرف. المعالجة المسبقة وتعديل الميل والانعكاس تجعل الحروف أكثر وضوحاً للمحرك.
ما هي دقة العرض (DPI) المناسبة لصفحات PDF؟
دقة 150 إلى 200 DPI مثالية لأغلب المستندات، ويمكن اختيار 300 DPI للخطوط الدقيقة جداً.
هل يدعم النظام النصوص العمودية؟
المحرك محسن للنصوص الأفقية المعتادة، ودعمه للنصوص العمودية محدود.
ما مدى دقة التعرف على خط اليد؟
المحرك مدرب على الحروف الطباعية المطبوعة، وتكون دقة خط اليد منخفضة وتتطلب مراجعة بشرية.
هل يتم استرجاع الجداول والأعمدة بدقة؟
يتم رصد مناطق الجداول والأعمدة كمرشحات مقترحة، دون ضمان إعادة بناء جداول الحسابات المعقدة بالكامل.
كيف يتم كشف الالتباس بين الأرقام والحروف المتشابهة؟
يقوم النظام بفحص الرموز المختلطة التي تحتوي على أحرف وأرقام متشابهة (مثل 0 وO أو 1 وl) لتنبيه المستخدم.
هل يمكن حجب وتعتيم المعلومات الحساسة؟
نعم، يمكنك استبدال الكلمات بـ [REDACTED] وتطبيق مربعات سوداء دائمة تحجب البكسلات الأصلية في نسخة PDF المصدرة.
هل يتم رفع مستنداتي أو تخزينها على خوادم؟
أبداً. المعالجة تتم حصرياً في ذاكرة جهازك المؤقتة دون أي اتصال بالإنترنت أو تخزين دائم.
هل تعمل الأداة بدون اتصال بالإنترنت؟
نعم، جميع الأكواد ونماذج اللغات مدمجة محلياً، مما يتيح للأداة العمل دون اتصال بعد تحميل الصفحة.
هل يمكن اختيار لغة OCR مختلفة عن لغة الواجهة؟
نعم، لغة قراءة المستند مستقلة تماماً عن لغة الواجهة (تدعم العربية، الإنجليزية، اليابانية، الألمانية، الفرنسية، وغيرها).
كيف يتم التحقق من صحة ملف PDF المنشأ؟
فور توليد الملف، يُعاد فتحه في الذاكرة عبر pdfjs-dist للتحقق من تطابق الصفحات ووجود طبقة النص القابلة للبحث.
هل يمكن استخدام الأداة على الهواتف الذكية؟
نعم، الواجهة متجاوبة بالكامل مع الهواتف والأجهزة اللوحية، ويُفضل استخدام الكمبيوتر للملفات الكبيرة.
ما هي حدود حجم المستندات وعدد الصفحات؟
تتم معالجة الصفحات واحدة تلو الأخرى لتوفير الذاكرة، مع حد أقصى آمن يبلغ 100 صفحة و50 ميغابايت للمستند الواحد.