Студия OCR документов и создания файлов PDF с поиском
Анализируйте и извлекайте текст из сканов и изображений прямо в браузере. Превращайте бумажные сканы в PDF с поиском с сохранением исходного качества, проверяйте показатели достоверности и экспортируйте данные локально.
- Без сети: 100% локальная обработка на стороне клиента
- Создание PDF с поиском и невидимым слоем текста
- Автоматическая проверка в pdfjs-dist и тест поиска
- Предобработка (устранение перекоса, бинаризация, резкость)
- Распознавание неоднозначных цифр, дат, ссылок и ПДн
Перетащите сюда JPG, PNG, WebP или PDF
Supports PDF, JPG, PNG, and WEBP. Multi-page PDFs will be inspected and rendered locally.
О студии OCR документов и создания файлов PDF с поиском
Сканированные документы и фотографии не позволяют выделять и копировать текст. Обычные веб-сервисы OCR подвергают риску конфиденциальные договоры, отправляя их на удаленные серверы.
Студия Solasu работает полностью на стороне клиента с помощью WebAssembly и Web Workers без передачи данных в сеть.
Инструмент рассчитывает координаты каждого слова (Bounding Box) и накладывает невидимый текстовый слой поверх исходного изображения, формируя полноценный Searchable PDF с сохранением исходного внешнего вида.
Абсолютная конфиденциальность и нулевая сетевая активность
Файлы обрабатываются исключительно в оперативной памяти вашего браузера. Ни один байт не передается на внешние серверы.
Движок OCR и языковые базы встроены локально, без динамических загрузок с внешних CDN и без использования постоянных хранилищ.
Создание PDF с поиском и сохранением качества скана
Исходное изображение страницы сохраняется без потерь, а поверх него встраивается прозрачный слой Unicode-текста.
В любом стандартном просмотрщике (Adobe Acrobat, Chrome) документ выглядит как оригинальный скан, позволяя выделять текст и искать через Ctrl+F.
Определение структуры и выборочное распознавание
Система автоматически определяет для каждой страницы, содержит ли она цифровой текст, скан или смешанные элементы.
Вы можете распознавать только страницы со сканами, не тратя ресурсы на страницы с уже существующим цифровым текстом.
Интегрированная предобработка изображений
Улучшайте качество нечетких сканов: градации серого, настройка яркости и контраста, бинаризация Оцу, повышение резкости и устранение перекоса (deskew).
Предварительный просмотр «до и после» позволяет оценить качество перед запуском распознавания.
Проверка качества и экспорт в различные форматы
Сгенерированный PDF проверяется движком pdfjs-dist прямо в памяти для подтверждения корректности текстового слоя.
Экспортируйте отредактированный текст в PDF с поиском, TXT, Markdown, структурированный JSON с координатами, защищенный CSV или отчет об аудите в PDF.
Часто задаваемые вопросы (FAQ)
Что такое OCR и как это работает в браузере?
OCR — оптическое распознавание текста. Инструмент компилирует открытый движок Tesseract в WebAssembly, выполняя вычисления локально в Web Worker без сторонних серверов.
Какие форматы изображений поддерживаются?
Поддерживаются файлы JPEG (.jpg, .jpeg), PNG (.png) и WebP (.webp), безопасно обрабатываемые в памяти браузера.
Как обрабатываются файлы PDF для OCR?
PDF.js отрисовывает страницы в растровые изображения высокого разрешения, движок OCR распознает текст, а библиотека pdf-lib формирует двухслойный PDF.
В чем разница между сканированным и текстовым PDF?
Текстовый PDF содержит цифровые шрифты, а сканированный — просто набор фотографий. Этот инструмент наделяет сканы функцией поиска.
Что такое PDF с возможностью поиска (Searchable PDF)?
Это PDF, где поверх исходного скана наложен невидимый текстовый слой с точным совпадением координат для поиска и копирования.
Как определяются координаты невидимого текста?
Движок вычисляет границы каждого слова (Bounding Box) и конвертирует их в систему координат PDF с инверсией вертикальной оси.
Что означает показатель достоверности (Confidence)?
Это объективная статистическая оценка движка от 0 до 100. Ни одна система OCR не гарантирует 100% точность, поэтому мы отображаем реальные данные.
Как выделяются зоны с низкой достоверностью?
Слова с показателем ниже 60 помечаются как 'Возможная неопределенность OCR' для удобства ручной проверки пользователем.
Можно ли отредактировать распознанный текст перед экспортом?
Да, вы можете исправить любые неточности в интерактивной панели, и изменения сразу попадут в готовый PDF и экспортируемые файлы.
Зачем нужна предварительная обработка изображений?
Перекосы, тени и слабый контраст ухудшают распознавание. Выравнивание строк и бинаризация существенно повышают процент верных совпадений.
Какое разрешение (DPI) выбрать для страниц PDF?
150–200 DPI оптимально для большинства документов. Для мелкого шрифта можно задать 300 DPI.
Поддерживается ли вертикальный текст?
Движок настроен на стандартное горизонтальное чтение; распознавание вертикального текста ограничено.
Распознается ли рукописный текст?
Модель обучена на печатных шрифтах. Рукописный текст обычно дает низкую достоверность и требует визуальной сверки.
Восстанавливаются ли сложные таблицы и колонки?
Инструмент выявляет таблицы и многоколоночный текст как кандидатов, но не обещает идеальной реконструкции электронных таблиц.
Как выявляются неоднозначные символы в цифрах?
Система находит буквенно-цифровые коды с легко путаемыми знаками (0/O, 1/I/l, 5/S, 8/B) и предупреждает пользователя.
Можно ли замаскировать конфиденциальные данные?
Да, слова можно заменить на [REDACTED], а на экспортируемом PDF наложить несмываемые черные прямоугольники.
Сохраняются ли мои документы на сервере?
Нет. Вся работа ведется исключительно в оперативной памяти вашего браузера без сохранения в хранилищах или передачи в сеть.
Работает ли инструмент без доступа к интернету?
Да, все бинарные файлы и словари языков встроены в сайт, обеспечивая надежную работу в офлайн-режиме.
Можно ли выбрать язык распознавания отдельно от интерфейса?
Да, язык распознавания (русский, английский, немецкий, французский, японский и др.) не зависит от языка интерфейса.
Как проверяется созданный PDF с поиском?
Сразу после генерации файл повторно открывается через pdfjs-dist для проверки наличия текстового слоя и сверки страниц.
Доступен ли инструмент на смартфонах?
Интерфейс адаптирован под мобильные устройства, однако для обработки объемных файлов рекомендуется настольный компьютер.
Каковы ограничения по объему документов?
Обработка ведется постранично с освобождением памяти. Установлен безопасный лимит до 100 страниц и 50 МБ на файл.