PDF в текст (OCR)
Как получить редактируемый текст из скана PDF
Распознайте текст в отсканированном или цифровом PDF, проверьте его по оригиналу и сохраните в TXT, Markdown или DOCX. Можно обработать весь документ или выбранные страницы; исходный PDF остаётся без изменений.
Стоимость: Доступны бесплатные варианты. Для функций Pro или использования сверх бесплатного лимита могут потребоваться кредиты; подробнее — в руководстве ниже.
От скана к тексту: порядок действий
Загрузите PDF
Нажмите Выбрать PDF или перетащите документ размером до 200 МБ в область просмотра. В списке Загрузки доступны PDF, загруженные через другие инструменты сайта. За один запуск распознаётся один файл.
Определите нужные страницы
Пролистайте предпросмотр. Счётчик
4 / 12означает четвёртую страницу файла из двенадцати, даже если на самом листе напечатан другой номер. В Pages (optional) можно ввести1-3,7; пустое поле означает весь документ.Укажите язык документа
В поле Язык документа по умолчанию выбран Auto-detect. Он подходит и для страниц со смешанными языками. Если результат содержит ошибки в буквах, попробуйте выбрать конкретный язык, например Russian для русского текста.
Выберите формат
В Формат вывода исходно установлен Plain Text (.txt). Для заголовков, списков и таблиц, которые нужно перенести в редактор Markdown, выберите Markdown (.md). Это выбор представления распознанного текста, а не нового формата исходного PDF.
Проверьте расход и запустите распознавание
Под настройками показаны Выбранные страницы и единицы. Для 12 выбранных страниц требуется 2 единицы. Нажмите Extract text и оставьте страницу открытой до появления результата. На один запуск отводится до 30 минут.
Сверьте и сохраните результат
Прочитайте панель Extracted text, сравнивая имена, числа и даты с предпросмотром. Копировать помещает текст в буфер обмена, Download text скачивает
pdf-ocr.txtилиpdf-ocr.mdв UTF-8. Кнопка DOCX сохраняет редактируемый документ Word. Полученные файлы также сохраняются в общем файловом менеджере.
Язык, формат и выбор страниц
В панели Настройки три параметра. Они управляют распознаванием и выдачей текста, сохраняя сам PDF.
- Язык документа: Auto-detect
- Автоматический режим использует GLM-OCR от Z.ai. Этот сервис распознавания сам определяет язык и письменность; отдельная языковая подсказка ему не передаётся. Режим удобен, например, для документа, где русский основной текст соседствует с английскими названиями и цитатами.
- Язык документа: конкретный язык
- Доступны English, German, Spanish, French, Italian, Portuguese, Russian, Japanese, Chinese, Arabic и Hindi. При таком выборе распознавание выполняет Google Gemini, которому передаётся подсказка о языке, письменности и направлении чтения. Она помогает различать неоднозначные символы и границы слов. Фрагменты на других языках сохраняются на языке оригинала.
- Формат вывода: Plain Text (.txt)
- Обычный текст с переносами строк и абзацами, без разметки Markdown. Пункты списка становятся строками с
-. Распознанная таблица представляется строками, где ячейки разделены табуляцией: при вставке в электронную таблицу они могут попасть в отдельные столбцы. Подходит для писем, полей формы и дальнейшего поиска по тексту. - Формат вывода: Markdown (.md)
- Сохраняет структуру в виде разметки: заголовки с
#, списки, выделение и таблицы. Такой файл удобно открыть в редакторе Markdown или перенести в заметки. В обычном текстовом редакторе будут видны сами знаки разметки. Выбирайте формат по месту дальнейшей работы с текстом. - Pages (optional)
- Введите отдельные страницы или закрытые диапазоны через запятую:
5-10,1-3,7. Пустое поле выбирает все страницы. Используются позиции в файле, а не напечатанная нумерация. Страницы распознаются в порядке документа; повтор одного номера не увеличивает расход. У диапазона должны быть оба конца, например5-40. Если указана несуществующая страница, до обработки будет показано фактическое число страниц.
Как рассчитываются единицы распознавания
Одна единица покрывает до 10 выбранных страниц, с округлением вверх для каждого запуска. Письмо на одной странице и анкета на десяти страницах расходуют по 1 единице. Для 11 страниц нужны 2 единицы, для 37 — 4. Выбор 1-3,7 включает четыре страницы и требует 1 единицу; остальные страницы документа не входят в расчёт.
Учитывайте округление, если делите работу. Отчёт на 60 страниц можно обработать целиком за 6 единиц или тремя запусками по 20 страниц за те же 6 единиц. А два отдельных запуска по пять страниц потребуют суммарно 2 единицы вместо 1 за все десять. Для больших документов удобны группы, кратные десяти страницам: их легче проверять, не увеличивая расход из-за округления.
Бесплатный остаток учитывается в скользящих окнах за последний час и последние 24 часа. Для зарегистрированного пользователя расход привязан к аккаунту, для гостя — к IP-адресу. Доступен меньший из двух остатков. Если его не хватает, пользователь после входа может оплатить каждую дополнительную единицу одним кредитом. Также можно выбрать меньше страниц или дождаться, пока предыдущий расход выйдет из соответствующего временного окна.
Что проверить в скане перед распознаванием
Читаемость букв в изображении страницы влияет на качество полученного текста. Настройки языка не восстанавливают детали, потерянные при сканировании.
Начните с чёткого скана
Для сканирования печатного текста разумная отправная точка — 300 dpi. Проверьте, различимы ли мелкие буквы. Это совет по подготовке скана, а не обязательная настройка инструмента или гарантия результата. Низкое разрешение и размытые факсы затрудняют чтение небольших символов.
Поверните страницы правильно
Проверьте, что строки идут горизонтально, а листы не лежат боком или вверх ногами. Такие страницы можно сначала исправить через поворот PDF, затем передать на распознавание.
Выберите задачу по нужному результату
Если из большого отчёта нужны основные выводы, воспользуйтесь резюме PDF. OCR извлекает текст документа, а резюме сокращает его содержание.
Форматы, расход и хранение
- Входной формат
- PDF: отсканированный или цифровой документ
- Результат
- TXT или Markdown в UTF-8, DOCX и копирование текста в буфер обмена
- Размер файла
- До 200 МБ на PDF
- За один запуск
- Один PDF: весь документ или выбранные страницы
- Расход
- Одна единица на каждые 10 выбранных страниц, с округлением вверх за запуск
- Обработка
- На наших серверах с передачей PDF в GLM-OCR от Z.ai или Google Gemini; до 30 минут на запуск
- Водяной знак
- Не добавляется
- Хранение на сайте
- Загрузки и результаты удаляются автоматически через 48 часов у гостей и через 30 дней у бесплатных аккаунтов. Платные планы позволяют хранить файлы дольше.
Частые вопросы о распознавании PDF
Появится ли поиск по тексту в исходном PDF?
Нет. Результат выдаётся отдельным текстом, Markdown или документом Word. Исходный PDF остаётся прежним; текстовый слой для поиска в него не добавляется. Сохраните оригинал, если важно иметь точный вид страниц.
Можно ли распознать PDF бесплатно?
Да, в пределах бесплатного остатка единиц и без водяного знака. Один запуск расходует по 1 единице на каждые 10 выбранных страниц с округлением вверх; расход виден до нажатия Extract text. Если остатка мало, выберите меньше страниц, подождите восстановления доступных единиц или войдите и оплатите дополнительные единицы по одному кредиту.
Почему встречаются ошибки в буквах и числах?
Размытые, наклонённые или малоконтрастные сканы могут давать ошибки. Сверяйте имена, суммы, даты и номера с оригиналом: легко спутать 0 и O, 1 и l, сочетание rn и букву m, а также похожие латинские и кириллические символы. Для сравнения попробуйте переключить Язык документа между Auto-detect и конкретным языком: это меняет GLM-OCR на Gemini или обратно. Смена одного конкретного языка на другой оставляет Gemini. Каждый повторный запуск расходует единицы.
Передаётся ли документ внешнему сервису?
Да. Наш сервер передаёт PDF внешнему сервису распознавания: GLM-OCR от Z.ai в режиме Auto-detect или Google Gemini при выборе конкретного языка. При ограничении запросов к Gemini используется тот же запрос через OpenRouter. Указанные сроки удаления относятся к загрузкам и результатам на нашем сайте; они не описывают правила хранения внешних провайдеров.
Переводит ли OCR текст на выбранный язык?
Нет. Результат остаётся на языке оригинала. Язык документа помогает распознаванию неоднозначных символов, но не задаёт язык перевода. Если на одной странице есть русский и английский текст, оба фрагмента сохраняются на своих языках.
Какие документы не удаётся распознать?
До распознавания сервер должен прочитать число страниц. Если PDF требует пароль при открытии, сначала снимите его через разблокировку PDF, используя известный пароль. Если на выбранных страницах нет читаемого текста, например они пустые, задание завершится сообщением, что текст не извлечён.