स्क्रीनशॉट से टेक्स्ट कॉपी करें

फोटो, स्क्रीनशॉट या स्कैन से छपा हुआ टेक्स्ट पढ़ें और उसे .txt फाइल में डाउनलोड करें। या JSON में, जिसमें हर ब्लॉक की जगह और भरोसे का स्तर भी हो।

फाइलें यहां छोड़ें

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

फाइलें चुनें

टेक्स्ट की भाषा

और सेटिंग

दूसरी भाषापेज का लेआउटआउटपुटप्रीप्रोसेस करें (ग्रेस्केल और थ्रेशोल्ड)

कैसे टेक्स्ट निकालें

1
अपनी इमेज जोड़ें
JPG, PNG, WebP, BMP, GIF या AVIF, 20 फाइलें तक। फॉर्मेट फाइल के अंदर से पहचाना जाता है, इसलिए गलत एक्सटेंशन होने पर भी फाइल सही डिकोडर तक पहुंचती है।
2
टेक्स्ट की भाषा चुनें
ज्यादातर स्कैन के लिए एक भाषा काफी है। दूसरी या तीसरी भाषा तभी जोड़ें, जब पेज पर सचमुच कई भाषाएं मिली हों। हर अतिरिक्त भाषा के लिए एक डाउनलोड होता है और सटीकता थोड़ी घटती है।
3
“टेक्स्ट निकालें” पर क्लिक करें और .txt डाउनलोड करें
आपको पहचाना गया टेक्स्ट, अक्षरों की संख्या और औसत भरोसा मिलता है। अगर निर्देशांक भी चाहिए, तो आउटपुट JSON पर कर दें।

बटन और मेन्यू के लिए तैयार सेटिंग

पेज “टेक्स्ट की भाषा” में अंग्रेजी चुनी हुई और “और सेटिंग” के अंदर “पेज का लेआउट” में “बिखरा हुआ टेक्स्ट” चुना हुआ खुलता है। यह मोड तस्वीर में कहीं भी शब्द ढूंढता है और हर टुकड़े को अलग लाइन में लिखता है। 21 अक्टूबर 2026 की हमारी जांच में PulsarKit के एक टूल पेज के 1280 × 800 वाले स्क्रीनशॉट में 103 शब्द थे। “बिखरा हुआ टेक्स्ट” ने उनमें से 101 ढूंढे। “अपने आप पहचानें” ने 96 ढूंढे, क्योंकि उसने Split PDF और PDF to Word बटनों को एक-एक शब्द में चिपका दिया। उसी पेज की डार्क थीम पर नतीजा उलट गया: “बिखरा हुआ टेक्स्ट” को 98 शब्द मिले और “अपने आप पहचानें” को 101। दोनों मोड ने शब्दों को स्क्रीन वाले क्रम में रखा।

“अपने आप पहचानें” पर कब जाएं

ब्लॉग पोस्ट के स्क्रीनशॉट पर दोनों मोड ने 321 में से 317 शब्द सही क्रम में ढूंढे। पर “बिखरा हुआ टेक्स्ट” ने हर लाइन के बाद एक खाली लाइन डाली, जबकि “अपने आप पहचानें” ने हर पैराग्राफ की लाइनें साथ रखीं। एक पंक्ति में चार कार्ड वाले ग्रिड पर “बिखरा हुआ टेक्स्ट” सीधा आर-पार पढ़ता गया और चार ब्योरों की लाइनें आपस में मिला दीं। दूसरे मोड ने हर कार्ड का टेक्स्ट एक साथ रखा। दो फोटो वाली एक टूल स्क्रीन पर “बिखरा हुआ टेक्स्ट” ने 96 फालतू शब्द लौटाए, ज्यादातर फोटो से; “अपने आप पहचानें” ने 10। इसलिए “बिखरा हुआ टेक्स्ट” मेन्यू और बटन वाली सादी स्क्रीन के लिए ठीक है। पैराग्राफ, कार्ड ग्रिड और फोटो वाली किसी भी स्क्रीन के लिए मोड बदलें, या पहले फोटो क्रॉप करें में फोटो वाला हिस्सा काटकर अलग कर दें।

क्या मिलता है, और कितनी जल्दी

“टेक्स्ट निकालें” दबाएं, और टेक्स्ट स्क्रीनशॉट के नाम वाली .txt फाइल के रूप में आता है: हमारे 80 KB के स्क्रीनशॉट से 652 बाइट का टेक्स्ट मिला। पेज फाइल दिखाता है, टेक्स्ट नहीं। उसे स्क्रीन पर पढ़ने के लिए अगले कदमों की लाइन में “केस कन्वर्टर” दबाएं: टेक्स्ट उसके “मूल” पैन में खुलता है। ब्राउजर में पहली बार चलाने पर पहचान का इंजन और अंग्रेजी का डेटा भी डाउनलोड होता है, हमारी जांच में लगभग 4 MB। Mac पर Chrome में उस पहले स्क्रीनशॉट में डाउनलोड समेत 1.2 से 1.4 सेकंड लगे। उसके बाद हर स्क्रीनशॉट में 0.6 से 2.1 सेकंड लगे। एक साथ डाले गए दो स्क्रीनशॉट pulsarkit-batch.zip के रूप में लौटे, हर एक की अपनी .txt के साथ।

भाषाएं, फाइलें और गोपनीयता

सूची में आठ भाषाएं हैं: अंग्रेजी, रूसी, जर्मन, फ्रेंच, स्पेनिश, चीनी (सरलीकृत), अरबी और जापानी। मिली-जुली भाषा वाले स्क्रीनशॉट के लिए “दूसरी भाषा” एक और भाषा जोड़ती है, कुल तीन तक; बाकी भाषाएं सूची में नहीं हैं, हिंदी भी नहीं। हर PNG, JPG, WebP, BMP, GIF या AVIF फाइल 100 MB तक की हो सकती है, एक बार में 20 फाइलें। लंबी साइड पर 1000 पिक्सल से छोटी कटी हुई तस्वीर भी चलती है, इस चेतावनी के साथ कि छोटे अक्षर गलत पढ़े जा सकते हैं। स्क्रीनशॉट ब्राउजर टैब के अंदर ही पढ़ा जाता है और डिवाइस से बाहर नहीं जाता; सिर्फ इंजन और भाषा का डेटा डाउनलोड होता है। स्कैन की गई PDF के लिए इसकी जगह PDF में OCR करें है, जो फिलहाल सिर्फ अंग्रेजी पढ़ता है।

न इमेज अपलोड होती है, न टेक्स्ट

पहचानने वाला इंजन और भाषा का डेटा एक बार डाउनलोड होकर आपके ब्राउजर में कैश हो जाते हैं। उसके बाद सब कुछ लोकल चलता है: इमेज टैब में डिकोड होती है, टैब में पहचानी जाती है, और टेक्स्ट फाइल भी टैब में ही बनती है। सामग्री के बारे में कुछ भी कहीं नहीं भेजा जाता। यह तब अहम है, जब आप कोई कॉन्ट्रैक्ट, सैलरी स्लिप या पहचान पत्र पढ़ रहे हों।

अक्सर पूछे जाने वाले सवाल

इमेज से टेक्स्ट किन भाषाओं में निकलता है?

अंग्रेजी, रूसी, जर्मन, फ्रेंच, स्पेनिश, सरल चीनी, अरबी और जापानी। सचमुच मिली-जुली भाषाओं वाले पेज के लिए एक साथ तीन भाषाएं तक जोड़ी जा सकती हैं। फिर भी एक सही भाषा लगभग हमेशा दो भाषाओं से ज्यादा सटीक रहती है।

क्या मेरी इमेज सर्वर पर भेजी जाती है?

नहीं। OCR इंजन WebAssembly है, जो आपके ब्राउजर के अंदर चलता है। नेटवर्क पर सिर्फ एक बार इंजन और आपकी चुनी भाषा का डेटा डाउनलोड होता है। तस्वीर और पहचाना गया टेक्स्ट आपके डिवाइस पर ही रहते हैं।

पहली बार इतना समय क्यों लगता है?

क्योंकि पहली बार इंजन डाउनलोड होता है, लगभग 3 MB, और साथ में आपकी भाषा का डेटा, भाषा के हिसाब से 0.7 से 3 MB तक। आपका ब्राउजर दोनों को कैश कर लेता है, इसलिए दूसरी बार पहचान तुरंत शुरू हो जाती है।

क्या यह हाथ की लिखावट पढ़ता है?

भरोसे लायक नहीं। यहां के मॉडल छपे अक्षरों पर ट्रेन किए गए हैं, और लिखावट या तो गलत पढ़ी जाती है या भरोसे की सीमा से नीचे रह जाती है। बहुत साफ, अलग-अलग लिखे बड़े अक्षर कभी-कभी पढ़े जाते हैं; साधारण घसीट लिखावट नहीं। हाथ से लिखे टेक्स्ट का नतीजा जांचने लायक ड्राफ्ट मानें, कभी पक्की नकल नहीं।

इमेज में टेक्स्ट न मिले तो क्या करें?

पहले प्रीप्रोसेस विकल्प चालू करके दोबारा आजमाएं; असमान रोशनी वाले ज्यादातर मामले इससे ठीक हो जाते हैं। अगर इससे मदद न मिले, तो आम वजह रिजॉल्यूशन है: दोबारा स्कैन करें या फोटो लें, ताकि अक्षर कम से कम बीस पिक्सल ऊंचे हों। सिर्फ टेक्स्ट वाला हिस्सा क्रॉप करना और सही भाषा चुनना भी उम्मीद से ज्यादा मदद करता है।

अच्छे नतीजे के लिए कितना रिजॉल्यूशन चाहिए?

कोशिश करें कि टेक्स्ट लगभग 20 से 40 पिक्सल ऊंचा हो, जो साधारण डॉक्यूमेंट स्कैन में करीब 300 DPI होता है। इससे कम पर अक्षर आपस में मिलने लगते हैं और सटीकता तेजी से गिरती है। इससे ज्यादा पर आप ज्यादातर समय की कीमत चुकाते हैं: 10000 पिक्सल चौड़ी होने से इमेज ज्यादा पढ़ने लायक नहीं बनती, और किसी भी तरफ 12000 पिक्सल से बड़ी इमेज पहचान से पहले वैसे भी छोटी कर दी जाती है।

क्या हर शब्द की जगह मिल सकती है?

आपको हर ब्लॉक की जगह मिलती है, क्योंकि इंजन इसी इकाई में बताता है: उसका टेक्स्ट, उसका भरोसा और पिक्सल में उसका बाउंडिंग बॉक्स। सादे टेक्स्ट की जगह JSON आउटपुट चुनें, तब डाउनलोड में सपाट फाइल नहीं, बल्कि यही array मिलेगी।

क्या यह फोन पर चलता है?

हां, दो बातों के साथ। पहली बार आपके मौजूदा कनेक्शन पर कई मेगाबाइट डाउनलोड करने होते हैं। और फोन पर पहचान में लैपटॉप से लगभग तीन गुना समय लगता है, इसलिए पूरे पेज के स्कैन में आधा मिनट लग सकता है। फिर भी सब कुछ लोकल ही चलता है।