OCR PDF — Ekstrak Teks dari Dokumen Scan Apapun
Ubah PDF berbasis gambar, hasil pindai, atau hasil foto kamera menjadi dokumen yang bisa dicari dan teksnya bisa disalin. Lebih dari 100 bahasa, tanpa perlu menginstal apa pun.
Unggah PDF Hasil Scan
Seret & lepas atau klik untuk memilih — hanya file PDF
Gratis: 10 MB · 2 halaman · 1/hari | Pro: 100 MB+ · Halaman tak terbatas · OCR batch
Mengapa OCR SmallPDF.us Unggul
Dibangun berdasarkan pengalaman bertahun-tahun dalam pemrosesan dokumen, pipeline OCR kami dirancang dari awal untuk akurasi, privasi, dan variasi dokumen dunia nyata.
Akurasi Karakter Tinggi
Pengenalan multi-pass menangani font campuran, halaman yang diputar, scan yang rusak, dan tata letak multi-kolom. Dokumen sumber bersih di 300 DPI+ secara konsisten menghasilkan hasil yang tajam dan sangat akurat.
100+ Bahasa Terdeteksi Otomatis
Latin, Sirilik, Arab, Ibrani, CJK (Cina, Jepang, Korea), Devanagari, Thai, dan lainnya — model karakter yang tepat diterapkan secara otomatis per halaman.
PDF Dapat Dicari Non-Destruktif
Tata letak, gambar, dan format asli Anda terjaga sempurna. Kami menambahkan lapisan teks transparan yang sejajar piksel agar pencarian, penyalinan, dan pembaca layar bekerja sempurna.
Antrian Prioritas untuk Pengguna Pro
Pengguna Pro melewati antrean standar sepenuhnya. Tugas OCR satu halaman selesai dalam kurang dari 3 detik, dan batch multi-halaman memproses halaman secara paralel.
Privasi Zero-Knowledge
TLS 1.3 saat transit, kontainer komputasi terisolasi per tugas, penghapusan otomatis dalam 1 jam (gratis) atau 72 jam (berbayar). Kami tidak membaca atau membagikan isi dokumen Anda.
Ekspor Word dan TXT (Pro)
Melampaui PDF yang dapat dicari. Ekspor hasil OCR sebagai .docx untuk diedit di Word, atau .txt untuk pipeline pengindeksan, penerjemahan, dan manajemen konten.
Cara Kerja — 3 Langkah Mudah
Unggah hasil pindai dan unduh PDF yang bisa dicari.
Unggah PDF Scan Anda
Seret dan lepas atau klik untuk menelusuri. Kami menerima PDF apa pun, termasuk kontrak, faktur, buku, formulir, dan hasil foto kamera.
Gratis: 10 MB · 2 halamanMesin OCR Memproses Halaman
Setiap halaman diluruskan, dihilangkan noise-nya, dideteksi bahasanya, dan diproses oleh model pengenalan karakter multibahasa kami. Koordinat teks dipetakan kembali ke geometri asli.
Deteksi bahasa otomatisUnduh PDF yang Dapat Dicari
Terima dokumen Anda dengan lapisan teks tak kasat mata yang sepenuhnya tertanam. Pencarian Ctrl+F, salin-tempel, dan pembaca layar kini berfungsi di mana saja.
Pro: juga .docx & .txtSiapa yang Menggunakan OCR PDF — dan Mengapa
Setiap hari, para profesional dari puluhan industri mengandalkan OCR yang akurat untuk membuka data yang terkunci dalam dokumen scan mereka.
Profesional Hukum
Ubah dokumen pengadilan yang di-scan, deposisi, dan kontrak menjadi PDF yang dapat dicari untuk pencarian kata kunci cepat dan referensi kutipan saat persiapan kasus.
Kesehatan & Medis
Digitalisasi catatan pasien tulisan tangan atau tercetak, hasil lab, dan resep — membuatnya dapat diakses oleh sistem EHR dan audit kepatuhan.
Penelitian Akademik
Ekstrak teks dari artikel jurnal yang di-scan, arsip sejarah, dan buku perpustakaan untuk mengaktifkan pencarian teks lengkap, manajemen kutipan, dan analisis NLP.
Keuangan & Akuntansi
OCR faktur, kuitansi, laporan bank, dan dokumen pajak untuk mengotomatiskan entri data ke perangkat lunak akuntansi dan menghilangkan kesalahan transkripsi manual yang mahal.
Dokumen Multibahasa
Proses kontrak berbahasa asing, dokumen imigrasi, atau korespondensi internasional dengan penuh keyakinan dalam 100+ bahasa OCR yang didukung.
Teknik & Arsitektur
Ekstrak spesifikasi, nomor suku cadang, dan pengukuran dari cetak biru dan gambar teknis yang di-scan untuk pelacakan revisi dan integrasi alur kerja BIM.
Apa yang sebenarnya terjadi saat menjalankan OCR
Cara OCR membaca hasil pindai Anda, dan apa yang memengaruhi akurasi.
Deteksi teks asli vs. hasil pindai
Beberapa PDF sudah berisi teks asli yang dapat dipilih — dalam kasus itu OCR tidak diperlukan. Alat kami hanya mendeteksi dan memproses gambar hasil pindai, membiarkan halaman yang sudah berisi teks digital tidak berubah.
Apa yang memengaruhi akurasi pengenalan
Akurasi OCR bergantung pada kualitas pindaian: resolusi (DPI) lebih tinggi lebih baik, kemiringan halaman lebih sedikit lebih baik, kontras yang lebih tinggi antara teks dan latar belakang lebih baik. Pindaian berkualitas rendah, resolusi rendah, atau halaman yang difoto miring dapat menyebabkan lebih banyak kesalahan pengenalan.
Memproses dokumen multibahasa
Anda dapat memproses dokumen dengan bahasa campuran dalam satu dokumen yang sama, tetapi untuk hasil terbaik kami menyarankan untuk menentukan bahasa dominan yang digunakan dalam dokumen. Karakter yang tidak cocok dengan bahasa yang ditentukan lebih mungkin dikenali secara salah.
PDF yang dapat dicari vs. file teks yang diekstrak
Anda dapat memilih di antara dua format output: PDF yang dapat dicari yang melapiskan lapisan teks tak terlihat di atas tampilan aslinya, atau file teks biasa yang hanya berisi teks yang dikenali. Pilih yang pertama untuk mengarsipkan dokumen, yang kedua untuk menggunakan kembali teksnya.
Keterbatasan dengan tulisan tangan
OCR dioptimalkan untuk mengenali teks cetak. Tulisan tangan, terutama huruf sambung atau tulisan yang berantakan, jauh lebih tidak akurat dibandingkan teks cetak — bahkan huruf balok yang rapi pun dapat memberikan hasil yang bervariasi.
Catatan tentang tabel dan data terstruktur
OCR mengenali teks tetapi tidak secara andal mempertahankan struktur baris/kolom tabel. Jika tujuan utama dokumen Anda adalah mengekstrak data tabular, alat khusus PDF ke Excel kami lebih cocok untuk merekonstruksi struktur tabel yang sebenarnya.
Pertanyaan yang Sering Diajukan
Jawaban singkat tentang batas, privasi, dan hasil.
OCR (Pengenalan Karakter Optik) memperlakukan setiap halaman PDF Anda sebagai gambar dan memprosesnya melalui pipeline multi-tahap: pelurusan, penghapusan noise, normalisasi kontras, kemudian model pengenalan karakter deep learning yang memetakan pola piksel ke karakter Unicode. Teks yang direkonstruksi tertanam sebagai lapisan tak kasat mata di atas visual asli, membuat dokumen sepenuhnya dapat dicari dan disalin tanpa mengubah satu piksel pun dari tata letak asli.
PDF apapun yang berisi gambar scan teks — dokumen dari scanner flatbed, foto kamera yang disimpan sebagai PDF, faks, formulir tercetak, atau scan mikrofilm arsip — akan mendapat manfaat dari OCR. Jika PDF Anda sudah berisi teks yang dapat dipilih (yaitu Anda dapat menandai kata-kata), itu adalah PDF 'native' dan OCR tidak diperlukan.
Untuk scan bersih dan resolusi tinggi di 300 DPI atau lebih, mesin kami mencapai akurasi karakter yang sangat tinggi pada dokumen skrip Latin standar. Akurasi secara alami bervariasi dengan kualitas scan: gambar buram, kontras rendah, atau sangat terdistorsi akan mendapat skor lebih rendah. Teks tulisan tangan sebagian didukung tetapi jauh lebih sulit dari teks cetak.
Privasi adalah dasar dari cara SmallPDF.us dibangun. Setiap unggahan dikirim dengan enkripsi TLS 1.3. File Anda diproses dalam kontainer komputasi terisolasi sekali pakai yang dihancurkan segera setelah tugas Anda selesai. File paket gratis dihapus permanen dalam 1 jam; file paket berbayar dalam 72 jam. Kami tidak membaca, mengindeks, membagikan, atau menjual isi dokumen Anda, dan kami menghapusnya sesuai jadwal di atas. Anda dapat memeriksa Kebijakan Privasi kami untuk detail lengkap.
Mesin OCR kami mendukung 100+ bahasa termasuk Inggris, Spanyol, Prancis, Jerman, Italia, Portugis, Belanda, Rusia, Arab, Cina (Sederhana & Tradisional), Jepang, Korea, Hindi, dan banyak lagi. Bahasa terdeteksi otomatis dari sampel halaman, tetapi pengguna berbayar juga dapat menentukan bahasa secara manual.
Pengguna paket gratis dapat memproses hingga 2 halaman per job OCR. Pengguna paket Pro dan Agency dapat melakukan OCR PDF dengan jumlah halaman tak terbatas dalam satu job, dan juga dapat mengirimkan hingga 10 file sekaligus melalui OCR batch.
Pengguna gratis menerima PDF yang dapat dicari — secara visual identik dengan aslinya tetapi dengan lapisan teks tak kasat mata yang tertanam yang memungkinkan pencarian Ctrl+F, salin-tempel, dan alat aksesibilitas. Pengguna Pro dan Agency juga dapat mengekspor teks yang diekstrak sebagai dokumen Word .docx yang diformat atau sebagai file .txt mentah untuk pipeline data, alat penerjemahan, atau sistem manajemen konten.
Pengenalan karakter optik membutuhkan komputasi yang besar: setiap halaman memerlukan waktu GPU yang cukup besar untuk pra-pemrosesan dan inferensi. Kami menyediakan 1 kali OCR gratis per hari agar layanan tetap cepat dan andal bagi semua pengguna. Upgrade ke Pro untuk OCR tanpa batas, akses antrean prioritas, dukungan file lebih besar, dan pemrosesan batch. Tugas Pro berjalan di antrean prioritas.
Apa itu OCR dan Mengapa PDF Anda Membutuhkannya?
OCR (Pengenalan Karakter Optik) adalah teknologi yang menjembatani kesenjangan antara PDF flat berbasis gambar dan dokumen yang hidup dan interaktif. Saat Anda men-scan kontrak kertas, memfoto kuitansi, atau menyimpan laporan tercetak sebagai PDF, file tersebut pada dasarnya adalah gambar — komputer melihat pola piksel, bukan huruf. OCR mengubah itu.
Hasilnya adalah <strong>PDF yang dapat dicari</strong>: secara visual identik dengan aslinya, tetapi dengan lapisan teks tak kasat mata yang sejajar sempurna di bawah gambar. Anda sekarang dapat mencari dalam kontrak 200 halaman dengan Ctrl+F, menyorot dan menyalin paragraf, atau membiarkan alat aksesibilitas menceritakan konten kepada pembaca tunanetra. Pengguna Pro melangkah lebih jauh, mengunduh teks yang diekstrak sebagai <strong>file Word .docx</strong> yang dapat diedit atau <strong>file .txt</strong> mentah.
Bagaimana SmallPDF.us Menghasilkan Hasil OCR yang Akurat
Akurasi dalam pemrosesan dokumen tidak dapat dikompromikan. Pipeline OCR kami melewati empat tahap yang terdefinisi dengan baik. Pertama, <strong>pra-pemrosesan</strong>: setiap halaman dianalisis untuk rotasi, noise, kontras, dan disegmentasi menjadi wilayah teks dan gambar non-teks. Kedua, <strong>deteksi bahasa</strong>: scan sampel mengidentifikasi apakah Anda bekerja dalam Latin, Sirilik, Arab, CJK, atau skrip lain dari 100+ yang didukung. Ketiga, <strong>mesin pengenalan</strong> menjalankan analisis karakter demi karakter. Terakhir, <strong>pasca-pemrosesan</strong> merekonstruksi kata dan kalimat sebelum menyematkan lapisan teks ke dalam PDF Anda.
Untuk hasil optimal, pastikan dokumen sumber Anda di-scan pada 300 DPI atau lebih tinggi dengan pencahayaan merata dan bebas bayangan. Dokumen pada 150 DPI atau di bawahnya, tekstur latar belakang berat, atau kemiringan ekstrem dapat menghasilkan akurasi yang lebih rendah. Dalam setiap kasus, visual asli dalam PDF Anda tetap sepenuhnya tidak tersentuh.
Buat PDF Anda Bisa Dicari
Unggah PDF hasil pindai dan unduh dokumen yang bisa dicari dan teksnya bisa disalin. Gratis untuk memulai.