Riconoscimento del testo (OCR)
Le Sue scansioni diventano testo — l’analisi resta sul Suo dispositivo.
I Suoi file non lasciano mai il Suo dispositivoDepositi qui un PDF o un’immagine
PDF scansionato o foto — JPG, PNG
Come riconoscere il testo di un PDF scansionato (OCR), passo dopo passo
L’OCR trasforma una scansione in testo utilizzabile, caricando un motore di riconoscimento direttamente nel Suo browser: il documento non viene mai inviato online.
Depositi un PDF scansionato o una foto
Trascini un PDF o un’immagine JPG/PNG nell’area di deposito, oppure clicchi per sfogliarla.
Scelga la lingua del documento
La scelga in «Lingua del documento»: prima le lingue del sito, poi più di cento altre, il cui modello viene scaricato al primo utilizzo. Il riconoscimento è molto meno affidabile se la lingua scelta non corrisponde al testo reale; «Seconda lingua» serve ai documenti bilingui.
Limiti l’intervallo di pagine, se il file è un PDF
Il campo accetta un intervallo come «1-3, 5, 8-10»; lasciato vuoto, vengono analizzate tutte le pagine.
Clicchi su «Avvia il riconoscimento»
Il motore di riconoscimento (circa 4 MB) si scarica una sola volta dai nostri server, insieme al modello della lingua; per una lingua non inclusa, il peso del modello è indicato prima dell’avvio. L’analisi vera e propria si svolge poi interamente sul Suo dispositivo.
Legga il risultato e la sua affidabilità
Il testo riconosciuto appare con il numero di parole e un’affidabilità media; un valore basso segnala una scansione probabilmente storta o di scarsa qualità.
Scarichi il testo o il PDF ricercabile
Il file .txt contiene il testo puro; il PDF ricercabile mantiene l’impaginazione originale con uno strato di testo invisibile sopra, che rende il documento selezionabile e ricercabile per parole chiave.
Nel PDF ricercabile, una pagina scansionata conserva la sua immagine d’origine e riceve un livello di testo invisibile valido per tutte le scritture, greco, cirillico, arabo o cinese compresi; una pagina che conteneva già del testo viene ricomposta come immagine, per non avere due livelli.
Domande frequenti
L’OCR di VellumPDF accetta sia PDF che foto?
Sì, può depositare un PDF scansionato oppure direttamente un’immagine in formato JPG o PNG. In entrambi i casi, lo strumento produce un PDF ricercabile il cui testo può essere selezionato e copiato.
In quali lingue funziona il riconoscimento del testo?
Più di cento lingue. Le lingue del sito sono incluse e fornite da VellumPDF; le altre (ceco, greco, ebraico, persiano…) si scelgono nello stesso elenco «Lingua del documento», e il loro modello viene scaricato una volta, al primo utilizzo. «Seconda lingua» tratta un documento bilingue. Scegliere la lingua giusta migliora nettamente l’affidabilità del risultato.
Il mio documento scansionato viene inviato a un servizio di intelligenza artificiale online?
No. Il motore di riconoscimento funziona nel Suo browser. Per le lingue del sito i suoi file provengono dal dominio di VellumPDF; per un’altra lingua viene scaricato solo il suo modello da raw.githubusercontent.com, l’archivio pubblico del progetto Tesseract, dopo un avviso sullo schermo. Questo download va in un solo senso: il documento non lascia il Suo dispositivo e nessun servizio di intelligenza artificiale viene chiamato.
Il modello di riconoscimento viene scaricato a ogni utilizzo, e quanto pesa?
Ogni lingua ha il proprio modello. Per le lingue del sito, ospitate da VellumPDF: da 0,4 a 3 MB compressi a seconda della lingua (circa 700 KB per il francese, quasi 3 MB per l’inglese); la normale cache del browser evita di riscaricarli. Per le altre lingue, tra 0,4 e 12 MB secondo la lingua, peso mostrato prima dell’avvio; una volta scaricato, il modello viene conservato dal browser e il secondo utilizzo non scarica più nulla.
Come faccio a sapere se il risultato è affidabile, per esempio su una scansione storta o di scarsa qualità?
Insieme al risultato viene mostrata una percentuale di affidabilità media, calcolata su tutte le parole riconosciute. Sotto il 70 % compare un avviso che segnala un riconoscimento incerto e una scansione forse inclinata o di bassa qualità — il segnale per rifare la scansione piuttosto che fidarsi del testo ottenuto.
Cosa succede se deposito un PDF protetto da password?
Il riconoscimento viene rifiutato subito, con un messaggio che spiega che un PDF cifrato non può essere sottoposto a OCR. È necessario prima rimuovere la protezione del documento prima di depositarlo qui.