Der Brief vom Finanzamt, die Nebenkostenabrechnung mit 312,40 € Nachzahlung, die Rechnung vom Handwerker: In Deutschland kommt das Wichtige immer noch auf Papier. Wer widersprechen oder einen Betrag übernehmen will, tippt ab. Hier nicht. Fotografier den Brief, und das Werkzeug liest ihn mit dem deutschen Modell, das auf dieser Seite schon eingestellt ist.
Das Foto verlässt dabei nie dein Gerät. Bei Post mit Steuer-ID und IBAN ist das gelebte DSGVO: Was nie hochgeladen wird, liegt auch auf keinem fremden Server.
Was ist ein JPG-in-Word-Konverter?
Ein JPG-in-Word-Konverter liest den gedruckten Text in einem Foto und gibt dir eine .docx zurück, in der diese Wörter als bearbeitbare Absätze stehen. Fotografier einen Brief, zieh das Foto auf die Seite und lade eine Word-Datei herunter, die du ändern, zitieren und verschicken kannst. Dieser hier liest in deinem Browser-Tab. Das Foto bleibt auf deinem Gerät.
Die Definition klingt selbstverständlich, aber die Suchergebnisse sehen das anders. Unter demselben Namen werden zwei verschiedene Dinge verkauft. Das eine packt dein Bild in eine .docx: Die Datei geht auf, das Foto sitzt mitten auf der Seite, und du kannst kein einziges Wort bearbeiten. Das andere lässt optische Zeichenerkennung (OCR) laufen. Es findet heraus, welche Haufen dunkler Pixel welche Buchstaben sind, und schreibt diese Buchstaben als echten Text ins Dokument. Nur das zweite ist das, wonach du gesucht hast.
Stell dir vor, für wen diese Seite gebaut ist. Ein Brief von der Hausverwaltung ist gekommen. Du hast ihn auf dem Küchentisch fotografiert, weil du zwei Absätze zitieren, ein Datum korrigieren und heute Abend noch antworten willst. Eine ganze Seite auf dem Handy abzutippen ist genau das, was du vermeiden willst. Um hier ein JPG in Word umzuwandeln, ziehst du das Foto auf die Seite und wartest ein paar Sekunden.
So funktioniert JPG in Word
Du ziehst, wählst oder fügst ein Bild ein. Danach passieren fünf Dinge, alle auf deinem eigenen Gerät:
- Geprüft werden die Bytes, nicht der Name. Die ersten 12 Bytes der Datei entscheiden, was sie ist. Ein JPEG beginnt mit
FF D8 FF, ein PNG mit89 50 4E 47, und ein WebP trägtWEBPim Header. Ein in.jpgumbenanntes PNG wird als das PNG gelesen, das es ist. Ein GIF oder ein PDF bekommt klar gesagt, dass es kein Bild ist, das diese Seite öffnen kann. - Das Bild wird geöffnet und vermessen. Ein Handyfoto hat etwa 4.032 × 3.024 Pixel. Die Größengrenzen werden genau hier geprüft, bevor die OCR-Engine geladen wird. Ein zu großes Panorama kostet dich also keinen Download.
- Tesseract liest es. Tesseract ist eine quelloffene OCR-Engine, kompiliert für den Browser. Sie liefert den Text und einen Konfidenzwert von 0 bis 100.
- Aus Zeilen werden wieder Absätze. Diesen Schritt lassen die meisten Konverter aus, und der nächste Abschnitt zeigt, warum er zählt.
- Die .docx wird geschrieben. Letter oder A4, Ränder von einem Zoll (2,54 cm) auf allen Seiten, und das Originalfoto unter dem Text, außer du schaltest es aus.
Für das Lesen wird nur die Engine selbst geladen. Das Skript von Tesseract, sein WebAssembly-Kern und das Sprachmodell kommen beim ersten Mal von einem öffentlichen CDN, danach hält dein Browser sie im Cache. Das deutsche Modell ist etwa 8 MB groß, und es ist hier schon ausgewählt, weil die Sprachauswahl der Sprache dieser Seite folgt. Dein Foto ist nie Teil dieses Datenverkehrs.
Von OCR-Zeilen zurück zu Absätzen: ein durchgespieltes Beispiel
OCR gibt eine Seite so wieder, wie es sie sieht: eine Ausgabezeile pro gedruckter Zeile. Kipp das direkt in Word, und jede gedruckte Zeile wird ein eigener Absatz. Das Dokument geht auf und sieht richtig aus. Dann löschst du ein Wort in der zweiten Zeile, und nichts rückt nach, weil am Ende jeder Zeile der Seite ein harter Absatzumbruch steht. Das auf einer ganzen Seite von Hand zu reparieren dauert länger als Abtippen.
Also baut das Tool die Absätze wieder auf, bevor es die Datei schreibt. Hier ist ein Brief zur Mieterhöhung, so wie die OCR ihn liefert, neun Zeilen Text, und wo jede Zeile landet:
| Zeile, wie die OCR sie las | Zeichen | Was mit ihr passiert |
|---|---|---|
| Sehr geehrter Herr Alvarez, | 27 | Absatz 1 (danach folgt eine Leerzeile) |
| Ihre Miete steigt ab dem 1. März von 1.180 € auf 1.240 € | 56 | Beginnt Absatz 2 |
| im Monat. Die Erhöhung deckt die Verlängerung der Gebäude- | 58 | Längste Zeile ihres Blocks. Angehängt; Trennstrich entfernt, weil die Zeile bis an den Rand reicht und die nächste klein beginnt |
| versicherung und die neue Heizungsanlage. | 41 | Angehängt; eine Leerzeile beendet Absatz 2 |
| Bitte senden Sie das beiliegende Formular unterschrieben | 56 | Beginnt Absatz 3; längste Zeile ihres Blocks |
| bis zum 14. Februar zurück oder per E- | 38 | Angehängt; Bindestrich bleibt, weil die nächste Zeile mit einem Großbuchstaben beginnt |
| Mail an die Hausverwaltung. | 27 | Beendet Absatz 3 |
| Mit freundlichen Grüßen | 23 | Beginnt Absatz 4 |
| Dana Weber | 10 | An „Mit freundlichen Grüßen“ angehängt |
Heraus kommen 53 Wörter in 4 Absätzen, und die Seite sagt dir das, auf Englisch: „9 lines off the page became 4 paragraphs you can edit, with the photo underneath at 6.5 in × 4.88 in.“ Also: Aus 9 Zeilen wurden 4 bearbeitbare Absätze, das Foto sitzt darunter mit 16,5 × 12,4 cm. Aus „Gebäude-“ und „versicherung“ wird „Gebäudeversicherung“. Aus „E-“ und „Mail“ wird „E-Mail“. Zwei Striche am Zeilenende, zwei gegensätzliche Entscheidungen, und beide stimmen.
Die „E-“-Zeile ist übrigens lang genug, um als Silbentrennung durchzugehen: 38 Zeichen, die Grenze liegt bei 33,6. Entscheidend ist der Großbuchstabe darunter. Wer ein Wort am Rand trennt, macht in der nächsten Zeile klein weiter. Ein großes „M“ heißt, dass hier ein neues Wort beginnt und der Strich dazugehört. Mit den großgeschriebenen Substantiven im Deutschen kommt das ständig vor, und die Regel fängt es ab.
Die Regel in einem Atemzug: Eine Leerzeile beendet immer einen Absatz. Eine Zeile, die einen Satz beendet und kürzer ist als 60 % der längsten Zeile ihres Blocks, beendet ihn auch, denn so sieht die letzte Zeile eines gedruckten Absatzes aus. Ein Strich am Zeilenende fällt nur weg, wenn seine Zeile diese 60-%-Marke erreicht und die nächste Zeile klein beginnt. Alles andere wird mit einem Leerzeichen verbunden.
Schau dir aber die letzte Zeile an. „Mit freundlichen Grüßen“ steht im Deutschen ganz ohne Satzzeichen, also markiert nichts das Ende des Absatzes, und Grußformel und Name landen im selben Absatz. In Word ist das ein Druck auf die Eingabetaste. Das sagen wir dir lieber hier, als dass du es in der Datei findest.
Was du nicht hergeben musst
Die Bild-in-Word-Konverter, die für diese Suche ranken, folgen einem vertrauten Muster. Du lädst das Foto auf einen Server, über den du nichts weißt. Du wartest in einer Warteschlange. Dann kommt der Haken: 5 MB Obergrenze, außer du zahlst, ein Tageslimit, ein Konto, bevor du mehr als eine Datei umwandeln darfst, oder die OCR selbst hinter einem Bezahlplan. Manchmal kommt die Word-Datei nur per E-Mail, du gibst also auch noch eine Adresse her.
Nichts davon ist technisch nötig. Die Erkennung läuft problemlos in einem Browser-Tab. Der Upload ist da, weil das Geschäftsmodell deine Datei auf seinem Server braucht, und die Schranken sind da, weil man mit einer Schranke ein Abo verkauft. Für das Foto eines Mietvertrags, einer Gehaltsabrechnung oder eines Briefs von deiner Bank ist das eine Menge, die du einem Fremden gibst, nur um dir etwas Tipparbeit zu sparen.
Dieses Tool hat keine Warteschlange, keine Aufbewahrungsfrist und keinen Server, auf dem dein Foto liegen könnte. Es nimmt Dateien bis 25 MB, für alle gleich, und es funktioniert genauso für die Studentin mit einer fotografierten Lehrbuchseite, den Freelancer mit dem ausgedruckten Briefing eines Kunden oder jemanden in einem Konzern, der nur eine Seite abgetippt braucht. Das ist das ganze Tool, keine Kostprobe von einem größeren.
Wenn beim Umwandeln von JPG in Word Unsinn herauskommt
Bei einem flachen, gut ausgeleuchteten, gerade aufgenommenen Foto normaler Druckschrift kommt Tesseract so nah heran, dass du eine Handvoll Zeichen pro Seite korrigierst. Ist das Ergebnis schlechter, liegt es fast immer am Foto, und das ist meist schnell behoben. Wenn deine Umwandlung nicht gut geworden ist, probier zuerst das:
| Was du siehst | Wahrscheinliche Ursache | Probier das |
|---|---|---|
| Ganze Zeilen Unsinn | Seite schräg fotografiert | Direkt von oben fotografieren, gerade zur Seite |
| Buchstaben laufen ineinander | Unscharf | Auf den Text tippen, um scharf zu stellen, dann auslösen |
| Zeilen fehlen | Schatten oder Spiegelung auf der Seite | Lampe verschieben, oder das Papier |
| „No text came back“ (kein Text erkannt) | Handschrift, oder eine Seite, die stark schief liegt | Gerade ausrichten und besser ausleuchten; Handschrift wird nicht gelesen |
| Umlaute als falsche Buchstaben gelesen | Falsche Sprache gewählt | Die Sprache der Seite wählen und neu lesen lassen |
| Zwei Spalten durcheinander | Mehrspaltiges Layout | Auf eine Spalte pro Umwandlung zuschneiden |
Das Tool sagt dir auch, wann du misstrauisch sein solltest. Kommt die Konfidenz von Tesseract unter 70 zurück, bekommst du einen Hinweis wie diesen, auf Englisch: „OCR was about 69% sure of what it read, which is low — read the document through before you send it.“ Also: Die OCR war sich zu etwa 69 % sicher, das ist wenig, lies das Dokument durch, bevor du es verschickst. Die Zahl wird abgerundet, 69,6 wird also zu 69 und nie zu beruhigenden 70. Ist die lange Seite des Bilds kürzer als 1.000 Pixel, warnt dich das Tool, dass die Schrift zu klein ist, um zuverlässig gelesen zu werden. Um 300 DPI, etwa 2.500 Pixel über die Breite einer A4-Seite, wird OCR verlässlich.
Eine Eigenheit solltest du kennen. Ein echtes Kompositum mit Bindestrich, das zufällig am rechten Rand umbricht, etwa „DSGVO-“ am Ende einer vollen Zeile und „konform“ darunter, verliert seinen Strich und kommt als „DSGVOkonform“ zurück. Die Regel kann das nicht von einem Wort unterscheiden, das am Rand getrennt wurde. Überflieg jedes Kompositum, das am Seitenrand stand.
Papierformat, das Foto darunter und die Grenzen
Das Foto kommt standardmäßig unter den Text, so stehen eine zweifelhafte Zeile und das Original auf derselben Seite. Es wird in die Ränder eingepasst und nie vergrößert, denn ein aufgeblasenes Foto zeigt nur seine Unschärfe größer. Wichtig für Post in Deutschland: Das Tool startet auf „Letter“, dem US-Format (21,6 × 27,9 cm). Für A4 (21 × 29,7 cm) stellst du „Paper size“ auf „A4“. So landen gängige Bilder bei Rändern von 2,54 cm:
| Bild | Pixel | Auf Letter | Auf A4 |
|---|---|---|---|
| Handyfoto, quer | 4.032 × 3.024 | 16,5 × 12,4 cm (6,5 × 4,88 in) | 15,9 × 11,9 cm (6,27 × 4,7 in) |
| Handyfoto, hoch | 3.024 × 4.032 | 16,5 × 22,0 cm (6,5 × 8,67 in) | 15,9 × 21,2 cm (6,27 × 8,36 in) |
| Letter-Seite, mit 300 DPI gescannt | 2.550 × 3.300 | 16,5 × 21,4 cm (6,5 × 8,41 in) | 15,9 × 20,6 cm (6,27 × 8,11 in) |
| Hoher Handy-Screenshot | 1.170 × 2.532 | 10,6 × 22,9 cm (4,16 × 9 in) | 11,4 × 24,6 cm (4,48 × 9,69 in) |
Der Screenshot tanzt aus der Reihe: Ihn begrenzt die Höhe der Seite, nicht die Breite, also wird er auf A4, dem höheren Blatt, größer. Schaltest du das Foto aus, bekommst du eine reine Textdatei. Die ist viel kleiner und genau richtig, wenn die Wörter sowieso woandershin sollen.
Die Grenzen kommen von dem, was ein Browser-Tab halten kann, nicht von einer Preisseite. Die Datei, das dekodierte Bild, die Pixelkopie der OCR-Engine und die fertige .docx liegen gleichzeitig im Speicher. Also: 25 MB pro Datei, 50 Megapixel und 65.535 Pixel pro Seite. Ein 48-MP-Handyfoto passt. Ein Panorama mit 12.000 × 5.000 Pixeln nicht, und das Tool sagt es dir auf Englisch, bevor es irgendetwas herunterlädt: „That image is 60 megapixels, and a browser tab can decode about 50.“ Also: Das Bild hat 60 Megapixel, ein Browser-Tab schafft etwa 50.
Verwandte Tools für Fotos, Scans und PDFs
PNG-Screenshots gehen auch: Kopier einen, füg ihn irgendwo auf der Seite ein, und das Lesen startet von selbst. Hat dein Handy das Foto als HEIC gespeichert, können manche Browser es hier öffnen und manche nicht. Kann deiner es nicht, schick es zuerst durch HEIC zu JPG. WebP-Bilder funktionieren direkt, und WebP zu JPG ist da, wenn etwas anderes ein JPEG braucht.
Für ein gescanntes PDF liest PDF-OCR alle Seiten in einem Durchgang. Hat das PDF schon markierbaren Text, lass die OCR ganz weg: PDF zu Word holt die echten Zeichen heraus, und echte Zeichen schlagen immer ein Bild von ihnen. Text aus PDF extrahieren macht das, wenn du nur reinen Text willst.
Soll das Foto ein Foto bleiben, ist JPG zu PDF das richtige Werkzeug. Bist du mit dem Bearbeiten fertig, fixiert Word zu PDF das Layout, bevor du es verschickst.
Häufige Fragen
Warum ist die erste Umwandlung langsamer als die danach?
Wenn du eine Sprache zum ersten Mal nutzt, lädt dein Browser die OCR-Engine und das Modell dieser Sprache. Englisch, Spanisch, Französisch, Portugiesisch, Italienisch und Polnisch sind je etwa 5 MB groß, Deutsch etwa 8 MB und Russisch etwa 9 MB. Danach liegen sie im Cache, und das nächste Foto in derselben Sprache überspringt den Download und wird sofort gelesen. Das Lesen selbst ist echte Rechenarbeit auf deinem Gerät, eine dichte Seite dauert also ein paar Sekunden, auf dem Handy etwas länger.
Warum sind zwei Zeilen meines Briefs im selben Absatz gelandet?
Fast immer, weil die erste nicht mit einem Satzzeichen endet. Eine Grußformel wie „Mit freundlichen Grüßen“ mit dem Namen darunter oder ein Adressblock ohne Punkte wird verbunden, weil nichts in diesen Zeilen „hier endet der Absatz“ sagt. Setz in Word den Cursor hinter „Grüßen“ und drück die Eingabetaste. Eine Leerzeile zwischen den beiden Zeilen auf dem Papier hätte sie getrennt gehalten.
Wenn ich auf A4 umstelle, liest es das Foto neu?
Nein. Das Tool behält den Scan im Tab. Stellst du „Paper size“ von „Letter“ auf „A4“ um oder schaltest das Foto ein oder aus, entsteht die Word-Datei im Nu neu, ohne dass die OCR noch einmal läuft. Die Sprache zu wechseln ist etwas anderes: Das startet ein neues Lesen, weil dann ein anderes Modell dieselben Pixel liest.
Kann ich mehrere Fotos auf einmal von JPG in Word umwandeln?
Nicht in einem Rutsch. Jede Umwandlung nimmt ein Bild und gibt dir eine .docx mit demselben Namen, aus IMG_4471.JPG wird also IMG_4471.docx. Bei einem dreiseitigen Brief wandelst du jede Seite um und fügst Seite zwei und drei in die erste Datei ein. Das sind ein paar Sekunden mehr, und jede Seite bekommt unterwegs ihre eigene Konfidenzprüfung.
Mein Foto sieht scharf aus. Warum heißt es, es sei zu klein?
Weil scharf auf dem Bildschirm nicht dasselbe ist wie genug Pixel pro Buchstabe. Ein Bild mit 800 Pixeln an der langen Seite sieht als Vorschau gut aus, aber jedes Zeichen ist nur ein paar Pixel hoch, und Tesseract fängt an zu raten. Die Warnung kommt unter 1.000 Pixeln. Fotografier näher oder exportier in voller Größe. Ein kleines Bild hochzuskalieren hilft nicht, weil es Pixel hinzufügt, aber keine Details.
Gibt es ein Konto, ein Tageslimit oder eine Bezahlstufe?
Kein Konto, kein Tageszähler, keine Stufe. Das Lesen passiert auf deinem Gerät, eine weitere Umwandlung kostet uns also nichts. Microapp wird von Mitgliedern bezahlt und für alle anderen von Werbung, nicht von einer Schranke vor dem, wofür du gekommen bist. Und 10 % von allem, was Microapp einnimmt, gehen an gemeinnützige Zwecke, vorab abgezogen und vierteljährlich geprüft.