Text aus einem Screenshot kopieren

Lesen Sie gedruckten Text aus einem Foto, Screenshot oder Scan aus und laden Sie ihn als .txt-Datei herunter – oder als JSON mit Position und Erkennungssicherheit jedes Textblocks.

Dateien hier ablegen

.jpg, .jpeg, .png, .webp, .bmp, .gif, .avif · bis 100 MB

Dateien auswählen

Sprache des Texts

Weitere Einstellungen

Zweite SpracheSeitenlayoutAusgabeVorverarbeiten (Graustufen und Schwellenwert)

Text extrahieren: So geht’s

1
Bild hinzufügen
JPG, PNG, WebP, BMP, GIF oder AVIF, bis zu 20 Dateien. Das Format wird aus der Datei selbst gelesen. Auch mit falscher Endung landet sie deshalb im richtigen Decoder.
2
Sprache des Texts wählen
Für die meisten Scans genügt eine Sprache. Eine zweite oder dritte fügen Sie hinzu, wenn eine Seite die Sprachen tatsächlich mischt. Jede weitere Sprache kostet einen Download und etwas Genauigkeit.
3
Text extrahieren und .txt herunterladen
Sie erhalten den erkannten Text, die Zeichenzahl und die durchschnittliche Erkennungssicherheit. Brauchen Sie auch Koordinaten, stellen Sie die Ausgabe auf JSON um.

Eingestellt für Buttons und Menüs

Die Seite öffnet sich mit „Englisch“ unter „Sprache des Texts“ und, unter „Weitere Einstellungen“, mit „Verstreuter Text“ unter „Seitenlayout“. Dieser Modus sucht überall im Bild nach Wörtern und schreibt jedes Stück in eine eigene Zeile. Bei unserer Prüfung am 21. Oktober 2026 enthielt ein Screenshot einer Tool-Seite von PulsarKit mit 1280 × 800 Pixeln 103 Wörter. „Verstreuter Text“ fand 101 davon. „Automatisch erkennen“ fand 96, weil es die Buttons „Split PDF“ und „PDF to Word“ jeweils zu einem einzigen Wort zusammenzog. Beim dunklen Design derselben Seite kehrte sich das Ergebnis um: 98 gegen 101. Beide Modi behielten die Reihenfolge der Wörter auf dem Bildschirm bei.

Wann Sie zu „Automatisch erkennen“ wechseln

Bei einem Screenshot eines Blogartikels fanden beide Modi 317 der 321 Wörter, in der richtigen Reihenfolge. „Verstreuter Text“ setzte allerdings nach jeder Zeile eine Leerzeile, während „Automatisch erkennen“ die Zeilen jedes Absatzes zusammenhielt. Bei einem Raster mit vier Karten je Reihe las „Verstreuter Text“ quer hindurch und mischte Zeilen aus vier Beschreibungen. Der andere Modus hielt den Text jeder Karte zusammen. Bei einem Tool-Bildschirm mit zwei Fotos lieferte „Verstreuter Text“ 96 verirrte Wörter, meist aus den Fotos; „Automatisch erkennen“ lieferte 10. „Verstreuter Text“ passt also zu einem schlichten Bildschirm mit Menüs und Buttons. Bei Absätzen, Kartenrastern und allem mit einem Foto wechseln Sie den Modus oder schneiden das Foto vorher mit Bild zuschneiden heraus.

Was Sie bekommen und wie schnell

Klicken Sie auf „Text extrahieren“, und der Text kommt als .txt-Datei, benannt nach dem Screenshot: Unser Screenshot mit 80 kB ergab 652 Bytes Text. Die Seite zeigt die Datei, nicht den Text. Um ihn auf dem Bildschirm zu lesen, klicken Sie in der Zeile mit den nächsten Schritten auf „Groß-/Kleinschreibung“: Dort öffnet sich der Text im Bereich „Ausgangsdatei“. Beim ersten Durchlauf in einem Browser werden außerdem die Erkennungs-Engine und die englischen Sprachdaten heruntergeladen, bei unserer Prüfung etwa 4 MB. In Chrome auf einem Mac dauerte dieser erste Screenshot samt Download 1,2 bis 1,4 Sekunden. Danach brauchte jeder Screenshot zwischen 0,6 und 2,1 Sekunden. Zwei Screenshots auf einmal kamen als pulsarkit-batch.zip mit je einer .txt-Datei zurück.

Sprachen, Dateien und Datenschutz

Acht Sprachen stehen auf der Liste: Englisch, Russisch, Deutsch, Französisch, Spanisch, Chinesisch (vereinfacht), Arabisch und Japanisch. Für einen deutschen Screenshot wählen Sie unter „Sprache des Texts“ die Option „Deutsch“. „Zweite Sprache“ fügt für einen gemischten Screenshot eine weitere hinzu, bis zu drei insgesamt; andere Sprachen stehen nicht auf der Liste. PNG, JPG, WebP, BMP, GIF und AVIF nimmt die Seite mit je bis zu 100 MB an, 20 Dateien auf einmal. Ein Ausschnitt mit weniger als 1000 Pixeln an der längeren Seite wird trotzdem verarbeitet, mit dem Hinweis, dass kleine Buchstaben falsch gelesen werden können. Der Screenshot wird im Browser-Tab gelesen und verlässt das Gerät nie; heruntergeladen werden nur die Engine und die Sprachdaten. Ein gescanntes PDF gehört stattdessen in OCR PDF, das derzeit nur Englisch erkennt.

Weder Bild noch Text werden hochgeladen

Die Erkennungs-Engine und die Sprachdaten werden einmal heruntergeladen und dann im Cache Ihres Browsers gespeichert. Alles Weitere läuft lokal: Ihr Bild wird im Tab decodiert, im Tab erkannt, und auch die Textdatei entsteht im Tab. Nichts über den Inhalt wird irgendwohin gesendet – wichtig, wenn Sie gerade einen Vertrag, eine Gehaltsabrechnung oder einen Ausweis auslesen.

Häufige Fragen

Welche Sprachen werden unterstützt?

Englisch, Russisch, Deutsch, Französisch, Spanisch, vereinfachtes Chinesisch, Arabisch und Japanisch. Für wirklich gemischte Seiten können Sie bis zu drei Sprachen gleichzeitig kombinieren, doch eine einzige richtige Sprache ist fast immer genauer als zwei.

Wird mein Bild an einen Server gesendet?

Nein. Die OCR-Engine ist WebAssembly und läuft in Ihrem Browser. Der einzige Netzwerkverkehr ist der einmalige Download der Engine und der gewählten Sprachdaten; das Bild und der erkannte Text bleiben auf Ihrem Gerät.

Warum dauert der erste Durchlauf so viel länger?

Weil beim ersten Durchlauf die Engine heruntergeladen wird, rund 3 MB, dazu die Daten Ihrer Sprache, je nach Sprache zwischen 0,7 und 3 MB. Ihr Browser speichert beides im Cache, deshalb beginnt die Erkennung beim zweiten Durchlauf sofort.

Erkennt das Tool Handschrift?

Nicht zuverlässig. Die Modelle hier sind auf gedruckte Schrift trainiert, und Handschrift kommt entweder falsch oder unterhalb der Schwelle für die Erkennungssicherheit zurück. Sehr saubere Blockbuchstaben funktionieren manchmal, gewöhnliche Schreibschrift nicht. Behandeln Sie jedes handschriftliche Ergebnis als Entwurf, den Sie prüfen müssen, nie als fertige Abschrift.

Was mache ich, wenn kein Text gefunden wird?

Schalten Sie zuerst die Vorverarbeitung ein und versuchen Sie es erneut; das behebt die meisten Fälle mit ungleichmäßiger Beleuchtung. Hilft das nicht, liegt es meist an der Auflösung: Scannen oder fotografieren Sie neu, sodass die Buchstaben mindestens zwanzig Pixel hoch sind. Auch das Zuschneiden auf den reinen Text und die passende Sprache helfen mehr, als man erwartet.

Welche Auflösung brauche ich für ein gutes Ergebnis?

Zielen Sie auf Text, der etwa 20 bis 40 Pixel hoch ist; das entspricht ungefähr 300 DPI bei einem normalen Dokumentenscan. Darunter verschmelzen die Buchstaben, und die Genauigkeit fällt steil ab. Darüber zahlen Sie vor allem mit Zeit: Ein Bild wird nicht lesbarer, weil es 10000 Pixel breit ist, und alles über 12000 Pixel an einer Seite wird vor der Erkennung ohnehin verkleinert.

Kann ich die Position jedes Wortes bekommen?

Sie erhalten die Position jedes Blocks, denn das ist die Einheit, die die Engine meldet: seinen Text, seine Erkennungssicherheit und seinen Begrenzungsrahmen in Pixeln. Wählen Sie die JSON-Ausgabe statt reinem Text, dann ist der Download genau dieses Array und keine flache Textdatei.

Funktioniert das auf dem Handy?

Ja, mit zwei Einschränkungen. Beim ersten Durchlauf müssen mehrere Megabyte über Ihre aktuelle Verbindung geladen werden, und die Erkennung dauert auf einem Smartphone etwa dreimal so lange wie auf einem Laptop. Ein ganzseitiger Scan kann daher eine halbe Minute brauchen. Trotzdem läuft alles lokal.