OCR gratuit
OCR extrait du texte modifiable de photos, de captures d’écran et de PDF numérisés grâce au moteur open source Tesseract, dans 19 langues combinables. Améliorez les numérisations pâles ou inclinées, redressez les pages couchées, vérifiez les mots signalés comme incertains, puis téléchargez un PDF interrogeable, un fichier Word, du texte brut ou du JSON. Plusieurs fichiers sont lus comme un seul document.
- Langues:
- 19, combinables
- Sortie:
- PDF interrogeable, Word, TXT, JSON
- Moteur:
- Tesseract.js 7
- Prix:
- Gratuit
- Fonctionne:
- En local, dans votre navigateur
- Envoi de fichiers:
- Aucun : ils ne quittent jamais votre appareil
- Compte:
- Inutile
Réponses rapides
Mon document est-il envoyé en ligne ?
Non. Tesseract, le moteur d’OCR open source, s’exécute dans votre navigateur en WebAssembly. Seuls le moteur et les modèles de langue sont téléchargés depuis ce site ; vos fichiers ne quittent jamais votre appareil.
Qu’est-ce qu’un PDF interrogeable ?
Un PDF identique à votre numérisation, mais doté d’une couche invisible de texte reconnu : vous pouvez y faire des recherches, sélectionner et copier des mots, et le faire lire à voix haute. Les pages d’un PDF existant sont conservées telles quelles.
Pour l'instant, l'interface de l'outil est en anglais.
Traité sur votre appareil : vos fichiers ne sont jamais envoyés. Comment ça marche
Activité réseau dans cet onglet
Ce que cette page a demandé depuis que vous avez ouvert le site dans cet onglet. Un envoi est toute requête qui transmet des données : POST, PUT, PATCH ou une requête avec un corps.
Aucun envoi : cette page n'a rien transmis.
Aucune requête réseau pour l'instant.
Pour voir toutes les requêtes, ouvrez les outils de développement du navigateur (onglet Réseau).
Comment utiliser l'outil OCR
- Déposez des photos, des captures d’écran ou des PDF numérisés (plusieurs fichiers sont lus comme un seul document, dans l’ordre).
- Choisissez les langues du texte et, si besoin, les options de nettoyage, puis cliquez sur Recognize text (reconnaître le texte).
- Corrigez le texte si vous le souhaitez, vérifiez dans l’aperçu de la page les mots surlignés à faible confiance, puis téléchargez un PDF interrogeable, un fichier Word, du texte brut ou du JSON.
Crédits et open source
Basé sur des bibliothèques open source. Merci aux personnes qui font vivre ces projets.
- Tesseract.js© Project Naptha (Jerome Wu, Kevin Kwok, Guillermo Webster); Tesseract OCR by Google and contributors · Apache-2.0
- PDF.js© Mozilla Foundation and contributors · Apache-2.0
- pdf-lib© Andrew Dillon · MIT
- docx© Dolan Miu · MIT
API de la plateforme web utilisées : File API, Canvas 2D, createImageBitmap, Web Workers, Clipboard API, URL API.
- tessdata (best_int LSTM models) par Google / Tesseract OCR contributors (Apache-2.0)
Textes complets des licences : mentions tierces · tous les crédits
Questions fréquentes
Comment obtenir de meilleurs résultats ?
Sélectionnez les bonnes langues (et seulement celles-là), utilisez des numérisations d’au moins 300 DPI et essayez Black & white (noir et blanc) pour les textes pâles ou les fonds colorés. Activez « Fix sideways or upside-down pages » (redresser les pages couchées ou à l’envers) pour les numérisations pivotées. Les mots surlignés dans l’aperçu sont ceux dont le moteur n’était pas sûr.
Lit-il l’écriture manuscrite ?
Seulement une écriture soignée, proche des caractères d’imprimerie, et pas de façon fiable. Tesseract est entraîné sur du texte imprimé.
Quelles langues sont prises en charge ?
Anglais, espagnol, français, allemand, italien, portugais, néerlandais, polonais, turc, indonésien, vietnamien, russe, ukrainien, arabe, hindi, chinois (simplifié et traditionnel), japonais et coréen. Vous pouvez en combiner plusieurs dans un même document.