OCR

पुराने एग्रीमेंट या दफ़्तर के रिकॉर्ड की स्कैन कॉपी सामने है, लेकिन उसमें सर्च करने पर कुछ नहीं मिलता और एक लाइन तक कॉपी नहीं होती। वजह सीधी है, वे पेज असल में तस्वीरें हैं और उनके अंदर टेक्स्ट जैसा कुछ है ही नहीं। OCR तस्वीर में दिख रहे अक्षरों को पहचानकर टेक्स्ट में बदलता है।

पहचान की भाषा एक लिस्ट में से चुननी होती है, जिसमें अंग्रेज़ी, कोरियन, जापानी और सरलीकृत चीनी शामिल हैं, पर हिंदी नहीं; देवनागरी में लिखे दस्तावेज़ों पर इसका नतीजा भरोसे लायक नहीं होता, इसलिए हिंदी रिकॉर्ड के लिए यह सही औज़ार नहीं है। नतीजा कितना सही आएगा, यह पूरी तरह स्कैन की क्वालिटी पर टिका है: 300 dpi रेज़ॉल्यूशन, सीधा रखा हुआ पन्ना और बिना परछाईं की एक जैसी रोशनी बड़ा फ़र्क़ डालती है। आउटपुट या तो सादा टेक्स्ट लिया जा सकता है, या ऐसी सर्च होने लायक PDF जिसमें तस्वीर के ऊपर अदृश्य टेक्स्ट लेयर जुड़ जाती है और पेज देखने में बिल्कुल वैसा ही रहता है।

हाथ की लिखावट, कम रेज़ॉल्यूशन की तस्वीरें, टेढ़े स्कैन और मुहर या लाइनों के ऊपर पड़े शब्द ग़लतियाँ काफ़ी बढ़ा देते हैं। इसलिए किसी ज़रूरी दस्तावेज़ के बाद नाम और अंक ख़ुद मिलाकर देख लें। पहचान का काम आपके ब्राउज़र में चलता है, यानी स्कैन किए दस्तावेज़ किसी सर्वर पर नहीं जाते।