Зачем конвертировать PDF в TXT?
Отсканированные PDF часто содержат только изображения страниц, поэтому их текст нельзя выделить, найти поиском или скопировать в другой документ. ToolGPT читает до 20 страниц за один запрос, а если попросить абзацы, строки объединяются, и текст аккуратно вставляется в документ.
Как ToolGPT читает текст
Распознавание выполняется в вашем браузере с помощью Tesseract — движка OCR с открытым исходным кодом, поэтому файл PDF не отправляется в сервис OCR. Чтобы ассистент мог отвечать на вопросы о результате, первые 2000 символов распознанного текста передаются ИИ в вашем чате.
Он читает печатный английский текст. Рукописный текст, другие языки и очень мелкий или размытый текст распознаются плохо или не распознаются вовсе. За один раз он читает не больше 20 страниц или фото, поэтому для более длинного PDF ToolGPT спросит, какие страницы вам нужны.
О формате PDF
PDF (Portable Document Format), созданный Adobe, сохраняет вёрстку, шрифты и изображения документа одинаковыми на любом экране и принтере. Это привычный формат для анкет, договоров, счетов, инструкций и отсканированных бумаг. PDF трудно редактировать, а отсканированный PDF часто содержит только изображения страниц, поэтому его текст нельзя выделить или найти поиском.
О формате TXT
TXT — простой текстовый файл: только символы, без шрифтов, изображений и форматирования. Его может открыть любой компьютер, телефон и текстовый редактор, а его содержимое аккуратно вставляется в документы, письма и другие программы. Сохранить вёрстку, например колонки, таблицы или полужирный текст, он не может.