JPG na Word

Pismo z urzędu skarbowego, decyzja z ZUS, aneks do umowy najmu z czynszem 2450 zł — ważne sprawy w Polsce wciąż przychodzą na papierze. Robisz zdjęcie, a potem zostaje przepisywanie. Tu nie musisz. Na polskiej stronie odczyt startuje z polskim modelem, więc ą, ę, ł i ż wychodzą jako ą, ę, ł i ż, a nie jako a, e, l i z zgadnięte przez model angielski. Dostajesz edytowalny plik Word, a zdjęcie z twoim PESEL-em nie opuszcza urządzenia.

Czym jest konwerter JPG na Word?

Konwerter JPG na Word odczytuje wydrukowany tekst ze zdjęcia i oddaje ci plik .docx, w którym te słowa są wpisane jako akapity do edycji. Sfotografuj list, upuść zdjęcie na stronę i pobierz plik Word, który możesz zmieniać, cytować i wysłać. To narzędzie czyta w karcie twojej przeglądarki. Zdjęcie zostaje na twoim urządzeniu.

Ta definicja brzmi oczywiście, ale wyniki wyszukiwania tak jej nie traktują. Pod tą samą nazwą sprzedaje się dwie różne rzeczy. Pierwsza pakuje twoje zdjęcie do pliku .docx: plik się otwiera, zdjęcie siedzi na środku strony, a nie da się edytować ani jednego słowa. Druga uruchamia optyczne rozpoznawanie znaków (OCR). Ustala, które skupiska ciemnych pikseli są którymi literami, i wpisuje te litery do dokumentu jako prawdziwy tekst. Szukasz tylko tej drugiej.

Wyobraź sobie osobę, dla której powstała ta strona. Przyszedł list od właściciela mieszkania. Robisz mu zdjęcie na kuchennym stole, bo chcesz zacytować dwa akapity, poprawić jedną datę i odpisać jeszcze dziś wieczorem. Przepisywanie całej strony na telefonie to dokładnie to, czego chcesz uniknąć. Żeby zamienić JPG na Word, upuszczasz to zdjęcie na stronę i czekasz kilka sekund.

Jak działa zamiana JPG na Word

Upuszczasz, wybierasz albo wklejasz obraz. Potem dzieje się pięć rzeczy, wszystkie na twoim urządzeniu:

1. Sprawdzane są bajty, nie nazwa. O tym, czym jest plik, decyduje jego pierwsze 12 bajtów. JPEG zaczyna się od FF D8 FF, PNG od 89 50 4E 47, a WebP ma WEBP w nagłówku. PNG przemianowany na .jpg zostanie odczytany jako PNG, którym jest. GIF albo PDF dostaje jasny komunikat, że to nie obraz, który ta strona potrafi otworzyć.
2. Obraz jest otwierany i mierzony. Zdjęcie z telefonu ma zwykle około 4032 × 3024 pikseli. Limity rozmiaru są sprawdzane właśnie tutaj, zanim pobierze się silnik OCR, więc za dużą panoramę nie płacisz żadnym pobieraniem.
3. Tesseract czyta obraz. Tesseract to otwartoźródłowy silnik OCR skompilowany do działania w przeglądarce. Zwraca tekst i wskaźnik pewności od 0 do 100.
4. Linie znów stają się akapitami. Ten krok większość konwerterów pomija, a następna sekcja pokazuje, dlaczego jest ważny.
5. Powstaje plik .docx. Letter albo A4, marginesy jednego cala (2,54 cm) z każdej strony i oryginalne zdjęcie pod tekstem, chyba że je wyłączysz.

Do odczytu pobierany jest tylko sam silnik. Skrypt Tesseracta, jego rdzeń WebAssembly i model językowy przychodzą z publicznego CDN, kiedy pierwszy raz używasz danego języka, a przeglądarka zapisuje je w pamięci podręcznej. Na polskiej stronie wybór w „Language on the page” od razu ustawia się na „Polish”, więc ładuje się polski model, około 5 MB, i to on czyta ą, ę, ł i ż, a nie model angielski. Twoje zdjęcie nigdy nie jest częścią tego ruchu.

Od linii OCR z powrotem do akapitów: przykład krok po kroku

OCR opisuje stronę tak, jak ją widzi: jedna linia wyniku na każdy wiersz druku. Wlej to prosto do Worda, a każdy wydrukowany wiersz stanie się osobnym akapitem. Dokument się otwiera i wygląda dobrze. Potem usuwasz słowo w drugiej linii i nic się nie przesuwa, bo na końcu każdej linii strony stoi twardy podział akapitu. Ręczne poprawianie tego na całej stronie trwa dłużej niż przepisanie.

Dlatego narzędzie odbudowuje akapity, zanim zapisze plik. Oto pismo o podwyżce czynszu tak, jak oddaje je OCR — dziewięć linii tekstu — i to, gdzie trafia każda z nich:

Wynik to 47 słów w 4 akapitach, a strona mówi ci to wprost (po angielsku, bo taki jest interfejs narzędzia): „9 lines off the page became 4 paragraphs you can edit, with the photo underneath at 6.5 in × 4.88 in.” Czyli: 9 linii ze strony zamieniło się w 4 akapity do edycji, a zdjęcie pod nimi ma 16,5 × 12,4 cm. „ubezpie-” i „czenia” wracają jako „ubezpieczenia”. „e-” i „mailem” wracają jako „e-mailem”. Dwa dywizy na końcu linii, dwie przeciwne decyzje i obie są dobre.

Spójrz jednak na ostatni wiersz. Po „Z poważaniem” nie ma ani przecinka, ani kropki — w polskim liście tak się to pisze — więc nic nie mówi narzędziu, że akapit się tu kończy, i zwrot grzecznościowy łączy się z podpisem w jeden akapit. W Wordzie rozdzielisz je jednym Enterem. Wolimy powiedzieć ci o tym tutaj, niż żeby wyszło to dopiero w pliku.

Czego nie musisz oddawać

Konwertery obrazu na Word, które wychodzą wysoko w tym wyszukiwaniu, mają znajomy schemat. Wgrywasz zdjęcie na serwer, o którym nic nie wiesz. Czekasz w kolejce. Potem przychodzi haczyk: limit 5 MB, chyba że zapłacisz, dzienny limit, konto, zanim zrobisz więcej niż jedną konwersję, albo sam OCR schowany za płatnym planem. Czasem plik Word przychodzi tylko mailem, więc oddajesz jeszcze adres.

Nic z tego nie jest wymogiem technicznym. Rozpoznawanie działa bez problemu w karcie przeglądarki. Wysyłka jest tam, bo model biznesowy potrzebuje twojego pliku na swoim serwerze, a bramki są tam, bo bramką sprzedaje się subskrypcję. Za zdjęcie umowy najmu, paska wypłaty albo pisma z banku to sporo do oddania obcemu w zamian za trochę pisania.

To narzędzie nie ma kolejki, okresu przechowywania ani serwera, na którym mogłoby trzymać twoje zdjęcie. Przyjmuje pliki do 25 MB, tak samo dla wszystkich, i działa tak samo, czy jesteś studentem ze zdjęciem strony z podręcznika, freelancerem z wydrukowanym briefem od klienta, czy kimś w dużej firmie, kto musi przepisać jedną stronę. To całe narzędzie, a nie próbka większego.

Kiedy zamiana JPG na Word wychodzi źle

Na płaskim, dobrze oświetlonym, zrobionym na wprost zdjęciu zwykłego druku Tesseract trafia na tyle blisko, że poprawiasz kilka znaków na stronę. Kiedy wynik jest gorszy, przyczyną prawie zawsze jest zdjęcie, a naprawa zwykle trwa chwilę. Jeśli twoja konwersja nie wyszła dobrze, spróbuj najpierw tego:

Narzędzie mówi ci też, kiedy nabrać podejrzeń. Jeśli pewność Tesseracta wyjdzie poniżej 70, dostajesz uwagę (po angielsku, jak cały interfejs), na przykład „OCR was about 69% sure of what it read, which is low — read the document through before you send it.” Czyli: OCR był pewny odczytu w około 69%, to mało, przeczytaj dokument przed wysłaniem. Liczba jest zaokrąglana w dół, więc 69,6 pokazuje się jako 69, nigdy jako uspokajające 70. Jeśli dłuższy bok obrazu ma mniej niż 1000 pikseli, dostajesz ostrzeżenie, że druk jest za mały, żeby odczytać go pewnie. Od około 300 DPI, czyli mniej więcej 2500 pikseli na szerokość strony A4, OCR staje się niezawodny.

Jedną pułapkę warto znać. Prawdziwy wyraz złożony, który akurat łamie się przy prawym marginesie, jak „biało-” na końcu pełnej linii i „czerwony” pod nim, traci łącznik i wraca jako „białoczerwony”. Reguła nie odróżni go od słowa podzielonego przez zecera. Przejrzyj każde złożenie, które stało na krawędzi strony.

Format papieru, zdjęcie pod tekstem i limity

Zdjęcie trafia domyślnie pod tekst, więc wątpliwa linia i oryginał są na tej samej stronie. Jest skalowane tak, żeby zmieściło się w marginesach, i nigdy nie jest powiększane, bo powiększenie zdjęcia tylko wzmacnia rozmycie. Format papieru startuje na amerykańskim „Letter” w każdej wersji językowej strony, więc do polskich pism przełącz „Paper size” na „A4”. Tak układają się typowe obrazy:

Zrzut ekranu jest wyjątkiem: ogranicza go wysokość strony, a nie szerokość, więc na A4, wyższym arkuszu (21 × 29,7 cm wobec 21,6 × 27,9 cm dla Letter), wychodzi większy. Wyłącz zdjęcie przełącznikiem „Put the original photo under the text”, a dostaniesz plik z samym tekstem, dużo mniejszy — właśnie taki, jakiego chcesz, jeśli słowa idą gdzieś dalej.

Limity biorą się z tego, ile mieści jedna karta przeglądarki, a nie z cennika. Plik, zdekodowany obraz, kopia pikseli w silniku OCR i gotowy .docx są w pamięci jednocześnie. Dlatego: 25 MB na plik, 50 megapikseli i 65 535 pikseli na każdym boku. Zdjęcie 48 MP z telefonu się mieści. Panorama 12 000 × 5000 już nie, a narzędzie mówi to (po angielsku), zanim cokolwiek pobierze: „That image is 60 megapixels, and a browser tab can decode about 50.” Czyli: ten obraz ma 60 megapikseli, a karta przeglądarki zdekoduje około 50.

Powiązane narzędzia do zdjęć, skanów i PDF-ów

Zrzuty ekranu PNG też działają: skopiuj jeden i wklej go w dowolnym miejscu strony, a odczyt obrazu na Word ruszy sam. Jeśli telefon zapisał zdjęcie jako HEIC, niektóre przeglądarki otworzą je tutaj, a niektóre nie. Jeśli twoja nie potrafi, przepuść je najpierw przez HEIC na JPG. Obrazy WebP działają bezpośrednio, a WebP na JPG czeka, jeśli coś innego potrzebuje JPEG-a.

Do zeskanowanego PDF-a OCR PDF robi ten sam odczyt na wszystkich stronach za jednym razem. Jeśli PDF ma już tekst do zaznaczenia, pomiń OCR całkiem: PDF na Word wyciąga prawdziwe znaki, a czytanie prawdziwych znaków zawsze wygrywa z czytaniem ich obrazu. Wyciągnij tekst z PDF robi to, gdy chcesz tylko czysty tekst.

Jeśli zdjęcie ma zostać zdjęciem, właściwym narzędziem jest JPG na PDF. Kiedy skończysz edycję, Word na PDF zablokuje układ przed wysłaniem.

Najczęstsze pytania

Dlaczego pierwsza konwersja jest wolniejsza niż kolejne?

Kiedy pierwszy raz używasz danego języka, przeglądarka pobiera silnik OCR i model tego języka. Angielski, hiszpański, francuski, portugalski, włoski i polski mają po około 5 MB, niemiecki około 8 MB, a rosyjski około 9 MB. Potem są w pamięci podręcznej, więc następne zdjęcie w tym samym języku pomija pobieranie i od razu przechodzi do odczytu. Sam odczyt to prawdziwe obliczenia na twoim urządzeniu, więc gęsta strona zajmuje kilka sekund, na telefonie trochę dłużej.

Dlaczego dwie linie mojego listu trafiły do jednego akapitu?

Prawie zawsze dlatego, że pierwsza z nich nie kończy się znakiem kończącym zdanie. Zwrot grzecznościowy jak „Z poważaniem” z podpisem pod spodem albo blok adresu bez kropek zostają sklejone, bo nic w tych liniach nie mówi „tu kończy się akapit”. Postaw w Wordzie kursor za „Z poważaniem” i naciśnij Enter. Pusta linia między nimi na wydrukowanej stronie utrzymałaby je osobno.

Czy po przełączeniu na A4 zdjęcie jest czytane jeszcze raz?

Nie. Narzędzie trzyma skan w karcie, więc zmiana z „Letter” na „A4” albo włączenie lub wyłączenie zdjęcia przebudowuje plik Word w mgnieniu oka, bez ponownego OCR. Zmiana języka to co innego: zaczyna nowy odczyt, bo te same piksele czyta wtedy inny model.

Czy mogę zamienić JPG na Word dla kilku zdjęć naraz?

Nie za jednym razem. Każda konwersja bierze jeden obraz i daje jeden plik .docx nazwany tak samo, więc IMG_4471.JPG wraca jako IMG_4471.docx. Trzystronicowy list zamień strona po stronie, a potem wklej strony drugą i trzecią do pierwszego pliku. To kilka sekund więcej, a każda strona po drodze przechodzi własną kontrolę pewności.

Moje zdjęcie wygląda ostro. Dlaczego dostaję ostrzeżenie, że jest za małe?

Bo ostre na ekranie to nie to samo co wystarczająco dużo pikseli na literę. Obraz, który ma 800 pikseli na dłuższym boku, wygląda dobrze jako miniatura, ale każdy znak ma tylko kilka pikseli wysokości i Tesseract zaczyna zgadywać. Ostrzeżenie pojawia się poniżej 1000 pikseli. Zrób zdjęcie jeszcze raz, bliżej, albo wyeksportuj je w pełnym rozmiarze. Powiększanie małego obrazu nie pomaga, bo dodaje piksele, ale nie szczegóły.

Czy jest konto, dzienny limit albo płatny plan?

Nie ma konta, dziennego licznika ani planów. Odczyt dzieje się na twoim urządzeniu, więc kolejna konwersja nic nas nie kosztuje. Microapp utrzymują członkowie, a w przypadku wszystkich pozostałych reklamy — a nie bramka przed tym, po co tu jesteś. I 10% wszystkiego, co zarabia Microapp, idzie na cele charytatywne, prosto z przychodu, zanim cokolwiek innego, z audytem co kwartał.