多语言 OCR – 甚至可在同一页面混排
OCR PDF 背后的 OCR 引擎 Tesseract 使用各自训练的模型识别每种语言。除扫描质量外，选择正确的语言是影响准确度的最大因素：只有选择了相应语言，带重音的字母、变音字母、西里尔字母、希腊字母、阿拉伯文和亚洲文字才能被正确识别。一个文档最多可选择四种语言。
如何识别多语言文档
- 上传文件 打开 OCR PDF，选择扫描的 PDF 或页面照片。
- 添加每一种语言 为文档中的每种语言点击“+ 添加语言”；删除未使用的语言。
- 开始 OCR 含有多种语言的页面会一次完成识别。
- 检查特殊字母 在识别出的文字中查看带重音或使用其他文字的姓名和词语。
语言与文字
可用语言
العربية, বাংলা, Български, Čeština, 简体中文, 繁體中文, Deutsch, Ελληνικά, English, فارسی, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Bahasa Melayu, Nederlands, Polski, Português, Română, Русский, Español, Svenska, ไทย, Türkçe, Українська, اردو, Tiếng Việt。
重音和特殊字母
é、ß、ñ、ø 或 ł 等字母只有在选择了相应语言时才能被可靠识别。只选英语时，它们常常会变成形状相似的普通字母。
双语文档
附有另一种语言附件的合同、多语言表格和词典：同时选择两种语言，它们就能在同一页面上被识别。
从右到左书写的文字
阿拉伯文及其他从右到左书写的文字在复制出的文本中保持其阅读顺序。
中文、日文和韩文
请选择准确的文字：简体中文和繁体中文是不同的模型。
语言越少越好
每增加一种语言都会让 OCR 变慢，并可能混淆相似的字母，因此只选择实际出现的语言。
须知
- 德文尖角体（Fraktur）等旧字体和历史拼写，现代语言模型的识别效果较差。
- 在任何语言中，手写文字的识别可靠性都远低于印刷文字。
多语言 OCR – 常见问题
一次可以使用多少种语言？
每个文档最多四种。它们可以出现在同一页面上。
有哪些可用语言？
العربية, বাংলা, Български, Čeština, 简体中文, 繁體中文, Deutsch, Ελληνικά, English, فارسی, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Bahasa Melayu, Nederlands, Polski, Português, Română, Русский, Español, Svenska, ไทย, Türkçe, Українська, اردو, Tiếng Việt。
我的语言不在列表中 – 该怎么办？
列表显示了我们 OCR 服务器上安装的所有语言。请联系我们，告诉我们您需要哪种语言。
为什么我的文字中缺少重音符号？
很可能没有选择该文字的语言。添加该语言后重新执行 OCR。
免费吗？
是的，无需注册，没有水印。文件在处理后删除，最迟一小时后删除。
识别您所用语言的文字
最多选择四种语言，用 OCR PDF 让您的扫描版 PDF 可搜索。
开始多语言 OCR