Terapkan OCR pada PDF hasil pindaian
OCR PDF membaca PDF hasil pindaian atau berbasis gambar dan mengembalikan PDF yang bisa dicari dengan lapisan teks tersembunyi, atau teksnya sebagai berkas Markdown. Berkas asli tidak berubah.
Seret file ke sini, atau klik untuk memilih
Menerima PDF · maksimal 500.0 MB per file · hingga 20 file sekaligus
Anda juga dapat menempelkan file dengan Ctrl/Cmd+V atau dari menu papan klip.
OCR PDF membaca PDF hasil pindaian atau berbasis gambar dan mengembalikannya dalam dua bentuk. PDF yang bisa dicari memberi halaman yang sama dengan lapisan teks tak terlihat, sehingga Anda bisa mencari, memilih, dan menyalin teksnya. Markdown memberi teksnya sebagai berkas .md untuk catatan, repositori, dan pipeline. Berkas asli tidak pernah diubah.
PDF yang bisa dicari dibuat dengan Tesseract. Setiap halaman dirender pada 300 dpi, dikenali dalam bahasa yang Anda pilih, lalu ditulis kembali sebagai gambar halaman dengan teks hasil pengenalan tersembunyi di belakangnya. Jumlah halaman tetap sama. Karena setiap halaman dirender ulang, halaman yang sebelumnya sudah berisi teks asli menjadi gambar dengan lapisan teks, dan ukuran berkas bisa berbeda jauh dari aslinya. Pilih salah satu dari 12 bahasa di formulir; API juga menerima hingga empat bahasa yang digabung dengan tanda plus, seperti eng+fra. Paling banyak 50 halaman diproses dalam satu permintaan.
Keluaran Markdown memakai mesin lain, yang memadukan teks asli PDF dengan pengenalan optik pada halaman gambar. Paksa OCR (`ocrType=force-ocr`, bawaan portal) mengenali ulang setiap halaman, sedangkan Normal memakai teks yang sudah ada jika berkas memilikinya dan mengenali halaman yang hanya berisi gambar. Mesin ini tidak punya pengaturan bahasa, dan daftar bahasa tidak berlaku untuknya.
Pada kedua mode, akurasi mengikuti kualitas pindaian, kontras, dan kemiringan. Bila bisa, potong dan luruskan foto dari ponsel sebelum diunggah, karena foto halaman berbentuk trapesium menyia-nyiakan pengenalan pada latar belakang. OCR mengenali karakter; ia tidak menerjemahkan atau memperbaiki teks, dan tidak membersihkan atau meluruskan pindaiannya.
Tulisan tangan, huruf dekoratif, dan faks beresolusi rendah adalah masukan tersulit. Ketika sebuah karakter ambigu, seperti 1 dengan l atau 0 dengan O, mesin memilih bacaan yang paling mungkin lalu melanjutkan, dan tidak ada mode yang mengembalikan skor keyakinan. Periksa secara acak nama dan angka yang harus tepat. Pada Markdown, tabel menjadi garis tegak dan sel gabungan bisa kehilangan barisnya; halaman berkolom banyak dibaca dalam urutan yang disimpulkan mesin.
Jangan OCR dokumen yang tidak boleh Anda digitalkan atau distribusikan ulang. Tugas berjalan di sisi server, jadi unduh hasilnya segera. Kami tidak menyimpan pustaka OCR dari berkas Anda. Berkas yang dilindungi kata sandi dibukakan untuk Anda di halaman ini setelah Anda memasukkan kata sandinya; pemanggil API harus menjalankan Buka Kunci terlebih dahulu.
Fitur
- PDF yang bisa dicari dengan lapisan teks tersembunyi, atau teks Markdown
- PDF yang bisa dicari: Tesseract pada 300 dpi dalam 12 bahasa, hingga 50 halaman
- Markdown: teks asli plus pengenalan pada halaman gambar; mode Paksa atau Normal
- PDF asli tidak berubah
- API anonim di /api/v1/misc/ocr-pdf dengan outputFormat dan languages
Kapan memakai alat ini
- Membuat setumpuk kontrak hasil pindaian bisa dicari di arsip dokumen
- Menyalin sebuah paragraf dari halaman yang difoto atau dipindai
- Memberi hasil pindaian ke agen atau pipeline yang menginginkan Markdown
- Membuat struk hasil foto bisa dicari di aplikasi catatan
Bagaimana cara menerapkan OCR pada PDF hasil pindaian?
- Unggah PDF hasil pindaian atau jepretan kamera.
- Pilih PDF yang bisa dicari atau Markdown. Untuk PDF yang bisa dicari, pilih bahasa teksnya.
- Klik Proses lalu unduh hasilnya.
- Periksa nama dan angka secara acak sebelum mengandalkannya, dan coba cari di PDF satu kata yang Anda tahu ada di dalamnya.
Batasan dan kasus khusus
- Akurasi bervariasi menurut kualitas gambar; tulisan tangan dan huruf bergaya dikenali dengan buruk
- PDF yang bisa dicari: paling banyak 50 halaman, 300 dpi, satu gambar per halaman
- Markdown tidak punya pengaturan bahasa, skor keyakinan, atau keluaran per halaman
- Bukan penerjemahan, peluruskan, atau pembersihan pindaian
- Jumlah halaman yang sangat besar memerlukan waktu lebih lama
Contoh
- Pindaian kontrak 20 halaman dalam skala abu-abu menjadi PDF yang pencarian nomor pasalnya menemukan halamannya
- Halaman hasil pindaian dengan satu baris teks bahasa Inggris menghasilkan PDF yang baris itu bisa disalin
- Foto ponsel yang miring mungkin perlu diambil ulang sebelum OCR berguna
Privasi alat ini
Berkas diunggah melalui HTTPS, diproses di memori atau di direktori sementara berumur pendek pada server kami, lalu dihapus saat hasil Anda siap. Kami tidak menyimpan salinan untuk dijelajahi nanti, pelatihan, atau profil iklan. Lihat Kebijakan Privasi untuk rincian penyimpanan dan pengungkapan cookie AdSense.
Pertanyaan umum
- Bisakah saya mendapatkan PDF yang bisa dicari?
- Bisa. Pilih PDF yang bisa dicari di formulir. Setiap halaman dikenali dan ditulis kembali sebagai gambar dengan lapisan teks tersembunyi, sehingga teksnya bisa dicari dan disalin.
- Mengapa PDF yang bisa dicari tampak seperti hasil pindaian, bukan berkas asli saya?
- Setiap halaman dirender menjadi gambar sebelum dikenali, termasuk halaman yang sudah berisi teks asli. Lapisan teks berada di belakang gambar.
- Bahasa apa saja yang didukung?
- Formulir menawarkan Inggris, Jerman, Prancis, Spanyol, Portugis, Italia, Rusia, Arab, Tionghoa Sederhana, Tionghoa Tradisional, Jepang, dan Korea. Melalui API, hingga empat kode bisa digabung dengan tanda plus, seperti eng+fra.
- Berapa halaman yang bisa saya proses?
- Hingga 50 halaman untuk PDF yang bisa dicari. Berkas yang lebih panjang ditolak dengan pesan galat; bagi dulu.
- Apakah keluaran Markdown memakai pengaturan bahasa?
- Tidak. Mesin Markdown tidak punya parameter bahasa. Daftar bahasa hanya untuk PDF yang bisa dicari.
- Apakah OCR mengubah tampilan halaman?
- Tidak. Anda mendapat berkas baru; yang asli tidak berubah. PDF yang bisa dicari menampilkan setiap halaman sebagai gambar, seperti hasil pindaian.
- Apakah OCR bisa membaca tulisan tangan?
- Kurang baik. Kedua mesin menargetkan karakter cetak. Tulisan sambung, huruf dekoratif, dan faks beresolusi rendah sering kembali sebagai derau.
- Perlukah Paksa OCR pada PDF yang lahir digital?
- Biasanya tidak. Untuk Markdown, Normal memakai teks yang sudah ada dan melewati mesin pengenalan. Gunakan Paksa jika lapisan itu rusak.
Terakhir diperbarui:
Panggil dari kode
Setiap alat di situs ini adalah antarmuka REST biasa. Pemakaian anonim tidak butuh akun atau kunci API. Bisa dipakai dari browser, oleh pengembang, maupun agen AI.
curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
-F "[email protected]" \
-F "outputFormat=markdown" \
-F "ocrType=force-ocr" \
-F "languages=eng" \
-o output.pdfJuga tersedia sebagai alat MCP untuk klien agen yang memakai Model Context Protocol (JSON-RPC 2.0 lewat POST /mcp). Referensi API lengkap
Gunakan dari agen AI
SkillDengan skill ini, Claude Code, Codex, Cursor, dan agen AI lainnya bisa menjalankan "OCR PDF" untuk Anda: /skills/pdf123-ocr.md
File hanya dipakai untuk pemrosesan ini, lalu dihapus otomatis.