OCR — Image to Text

No. Text recognition runs entirely in your browser using WebAssembly (the tesseract.js OCR engine). The image itself never leaves your device. The only network request is a one-time download of the language pack the first time you use a given language — after that, your browser caches it and no further requests are made.

The tool ships with a curated set of common languages — English, Spanish, French, German, Portuguese, Italian, Hindi, Chinese (Simplified), Japanese, Arabic, and Russian. Pick the language that matches the text in your image before extracting for the best accuracy.

OCR accuracy depends heavily on image quality. Low resolution, blurry photos, low contrast, skewed angles, and handwriting all reduce accuracy. For best results, use a well-lit, high-resolution, straight-on photo or screenshot of printed text, and check the confidence score shown after extraction.

Yes. The output appears in an editable text box, so you can correct any recognition errors before copying or downloading it as a .txt file.

बहुत साफ़-सुथरी और अलग-अलग स्पष्ट रूप से लिखी हुई हैंडराइटिंग के लिए यह संभव है, लेकिन इस टूल के पीछे चलने वाला OCR इंजन Tesseract मुख्य रूप से प्रिंटेड और टाइप किए गए टेक्स्ट पर ट्रेंड किया गया है, न कि हैंडराइटिंग पर, इसलिए हस्तलिखित नोट्स पर एक्यूरेसी किसी प्रिंटेड पेज या टाइप किए गए स्क्रीनशॉट की तुलना में साफ़ तौर पर कम और कम अनुमानित (less predictable) होती है। कर्सिव या जुड़ी हुई हैंडराइटिंग खास तौर पर मुश्किल होती है, क्योंकि इंजन का कैरेक्टर सेगमेंटेशन स्टेप उम्मीद करता है कि अक्षरों के बीच साफ़ गैप हो। अगर आपको नियमित रूप से हस्तलिखित नोट्स को डिजिटाइज़ करना है, तो एक्सट्रैक्शन के बाद एडिटेबल टेक्स्ट बॉक्स में आपको एक प्रिंटेड डॉक्यूमेंट, रसीद, या स्कैन किए गए फॉर्म की तुलना में ज़्यादा मैन्युअल सुधार करना पड़ेगा। असल में हैंडराइटिंग पर केंद्रित पहचान के लिए, इस जैसे सामान्य-उद्देश्य वाले प्रिंटेड-टेक्स्ट इंजन की तुलना में एक विशेष हैंडराइटिंग-OCR मॉडल कहीं बेहतर प्रदर्शन करेगा।

जब आप इस टूल पर किसी भाषा को पहली बार इस्तेमाल करते हैं, तो आपके ब्राउज़र को उस भाषा का ट्रेंड रिकग्निशन डेटा — आमतौर पर कुछ मेगाबाइट्स — एक CDN से डाउनलोड करना पड़ता है, तभी Tesseract उसमें टेक्स्ट पहचानना शुरू कर पाता है। यह डाउनलोड सिर्फ़ एक बार होता है; उसके बाद ब्राउज़र फ़ाइल को कैश कर लेता है, इसलिए उसी भाषा का इस्तेमाल करने वाला हर आगे का एक्सट्रैक्शन लगभग तुरंत शुरू होता है, बिना किसी और नेटवर्क एक्टिविटी के। किसी दूसरी भाषा पर पहली बार स्विच करने से उस भाषा के लिए एक और वन-टाइम डाउनलोड शुरू होता है। अगर आपका पहला एक्सट्रैक्शन धीमा लगे, तो यह सिर्फ़ यह शुरुआती सेटअप लागत है, कुछ गलत होने का संकेत नहीं — और यह इस टूल का इकलौता नेटवर्क रिक्वेस्ट है, क्योंकि इमेज को खुद प्रोसेस किया जाता है और कभी अपलोड नहीं किया जाता।

हां — यह सिर्फ़ फ्लैटबेड-स्टाइल स्कैन तक सीमित नहीं है। रसीदों, स्ट्रीट साइन, रेस्टोरेंट मेन्यू, प्रोडक्ट लेबल, और व्हाइटबोर्ड की फोटो, ये सभी काम करती हैं, बशर्ते टेक्स्ट कैमरे के हिसाब से ठीक-ठाक फोकस में हो, बराबर रोशनी वाला हो, और ज़्यादा तिरछा न हो। असली दुनिया की फोटो आमतौर पर एक साफ़ डिजिटल स्कैन की तुलना में कॉन्फिडेंस मेट्रिक पर कम स्कोर करती हैं, क्योंकि इनमें कुछ ऐसे वेरिएबल आ जाते हैं जो स्कैनर में नहीं होते — छाया, चमक (glare), झुर्रीदार रसीद जैसी घुमावदार सतहें, और शूटिंग एंगल से आने वाली परस्पेक्टिव विकृति। फोटो खींचने से पहले रसीद को समतल करना, ऊपर की लाइट से सीधी चमक (glare) से बचना, और कैमरे को सतह के जितना हो सके समानांतर रखना — ये सब इस तरह के रोज़मर्रा, गैर-डॉक्यूमेंट टेक्स्ट पर नतीजों को मापने लायक तरीके से बेहतर बनाते हैं।

कोई भी आम इमेज फॉर्मेट जिसे आपका ब्राउज़र दिखा सकता है, काम करता है, जिसमें JPG, PNG, WebP, और BMP शामिल हैं — टूल वही स्वीकार करता है जो आप स्टैंडर्ड इमेज फ़ाइल के रूप में सिलेक्ट या ड्रैग करके डालते हैं। यहां किसी सर्वर-साइड अपलोड लिमिट की चिंता नहीं है क्योंकि कुछ भी अपलोड नहीं होता, लेकिन बहुत बड़ी, हाई-रिज़ॉल्यूशन इमेज को प्रोसेस होने में ज़्यादा समय लगता है, क्योंकि रिकग्निशन आपकी डिवाइस के अपने प्रोसेसर पर चलता है, और बेहद बड़ी फ़ाइलों को ब्राउज़र में लोड होने में भी शुरुआत में ज़्यादा समय लग सकता है। ज़्यादातर रोज़मर्रा के इस्तेमाल के लिए — स्क्रीनशॉट, फोन से खींची फोटो, सिंगल-पेज स्कैन — फ़ाइल साइज़ कोई व्यावहारिक चिंता नहीं है; यह सिर्फ़ असामान्य रूप से बड़ी, हाई-मेगापिक्सल इमेज के लिए ही मायने रखता है।

एक ही पास में नहीं — आप एक्सट्रैक्ट करने से पहले एक भाषा चुनते हैं, और इंजन उसी भाषा के ट्रेंड किए गए कैरेक्टर और वर्ड पैटर्न का इस्तेमाल करके इमेज को समझता है। अगर किसी डॉक्यूमेंट में दो भाषाएं मिली-जुली हों (जैसे, किसी विदेशी-भाषा फॉर्म पर अंग्रेज़ी कैप्शन), तो वह भाषा चुनें जो आपको सबसे ज़्यादा चाहिए वाले टेक्स्ट में हावी है, क्योंकि इंजन अक्सर मिलती-जुलती लिपि (script) के अलग-अलग शब्दों को सही ढंग से पहचान लेता है, भले ही भाषा सेटिंग पूरी तरह मेल न खाए। ऐसे डॉक्यूमेंट के लिए जो सचमुच और काफ़ी हद तक अलग-अलग लिपियों के साथ द्विभाषी (bilingual) हो, आमतौर पर हर भाषा को अलग-अलग चुनकर दो बार एक्सट्रैक्शन चलाना और दोनों नतीजों की तुलना करना बेहतर रहता है।