Nur gedruckter Text. Die Sprachwahl ist am wichtigsten; der erste Durchlauf lädt die Erkennungs-Engine und ihr Modell, danach funktioniert das Tool offline.
Was dieses OCR-Tool macht
Lege ein Foto eines Dokuments, einen Screenshot, eine gescannte Seite oder ein Foto eines Schilds ab, und der Text darin erscheint als markierbarer Text neben dem Bild. Zwölf Sprachen stehen zur Wahl: Englisch, vereinfachtes und traditionelles Chinesisch, Japanisch, Koreanisch, Spanisch, Französisch, Deutsch, Portugiesisch, Russisch, Italienisch und Vietnamesisch. Englisch wird immer zusammen mit der gewählten Sprache gelesen, sodass ein chinesischer Vertrag mit englischen Namen und Zahlen als ein Dokument herauskommt. Jedes Bild hat eine eigene Spracheinstellung und ein eigenes bearbeitbares Ergebnisfeld, damit du einzelne Zeichen vor dem Kopieren korrigieren kannst.
Gelesen wird von zwei Engines, je nach gewählter Sprache. Englisch, vereinfachtes Chinesisch, Spanisch, Französisch, Deutsch, Portugiesisch und Italienisch gehen an PP-OCRv6 von PaddleOCR: Ein Netz findet jede Textzeile, ein zweites liest Zeile für Zeile, und beide Modelle zusammen sind 6,3 MB groß. Traditionelles Chinesisch, Japanisch, Koreanisch, Russisch und Vietnamesisch gehen an Tesseract, weil dieses PP-OCR-Modell weder Kana noch Hangul noch Kyrillisch im Zeichensatz hat und viele gängige traditionelle Zeichen fehlen. Beide Engines laufen in einem Worker-Thread Ihres Browsers, werden einmal geladen und danach zwischengespeichert. Das Bild selbst verlässt Ihr Gerät nie, was bei Ausweisen, Verträgen und Arztbriefen wichtig ist.
So verwenden Sie das Tool
Füge die Bilder hinzu, ziehe sie herein oder füge sie ein. Wähle unter jedem Bild die Sprache des Textes, der wichtigste Einzelfaktor für die Genauigkeit, und klicke auf Erkennen; beim ersten Mal wird auch die Engine geladen. Zum Vergleichen die Sprache wechseln und erneut auf Erkennen klicken. Bearbeite das Ergebnis direkt und kopiere es oder lade es als .txt herunter. Ab zwei Bildern erscheinen unten Gesamten Text kopieren und Alles als eine .txt herunterladen.
Bei Englisch, vereinfachtem Chinesisch, Spanisch, Französisch, Deutsch, Portugiesisch und Italienisch hebt das Zeigen auf eine Ergebniszeile deren Rahmen im Bild hervor, und ein Klick auf einen Rahmen im Bild markiert die zugehörige Zeile. Zeilen werden entlang der Neigung der Seite gruppiert, und eine zweispaltige Seite wird Spalte für Spalte gelesen. Zeilenumbrüche behalten folgt den gedruckten Zeilen; Zu Absätzen verbinden macht daraus Fließtext zum Einfügen in ein Dokument. Kam ein Dokument als PDF, nutze zuerst PDF zu Bild und schicke die Seiten mit einem Klick hierher. Schiefe Fotos werden nach Bild drehen und Bild zuschneiden besser gelesen.
Häufige Stolperfallen
OCR liest gedruckten Text; Handschrift, Zierschriften und Text auf unruhigem Hintergrund kommen verstümmelt heraus, und daran ändert kein Browser-Tool etwas. Die Genauigkeit hängt vor allem vom Foto ab: Füllen Sie den Rahmen mit der Seite, halten Sie sie flach und gerade, sorgen Sie für gutes, gleichmäßiges Licht, vermeiden Sie Schatten und Reflexionen und verkleinern Sie das Bild vor dem Ablegen nicht – ein 12-Megapixel-Foto einer A4-Seite ist ideal, ein 600-Pixel-Vorschaubild hoffnungslos. Die falsche Sprache ist die andere große Ursache für Unsinn: Eine japanische Seite als Chinesisch gelesen oder eine französische als Englisch ergibt plausibel aussehenden Müll.
Tabellen kommen als Textzeilen ohne Gitter heraus. Zahlen mit wenig Text drumherum (Rechnungen, Zählerstände) werden gut gelesen, sind aber immer eine Prüfung wert, denn eine 6 und eine 8 sehen auch für eine Maschine ähnlich aus. Die erste Nutzung auf einem Gerät lädt die Engine und ein Sprachmodell, braucht also einmal eine Internetverbindung; danach funktioniert das Tool offline. Große Stapel auf dem Handy können langsam sein; ein paar Sekunden pro Seite sind normal.
Hintergrund: So wird der Text erkannt
PP-OCR arbeitet in zwei Schritten. Ein kleines Erkennungsnetz markiert die Pixel, die zu Text gehören, und jede markierte Fläche wird zu einem geneigten Rechteck, sodass auch ein um einige Grad schief aufgenommenes Foto gerade Zeilen liefert. Jede Zeile wird ausgeschnitten, auf 48 Pixel Höhe skaliert und von einem Lesenetz erkannt, das 6.905 Zeichen kennt: vereinfachtes Chinesisch, lateinische Buchstaben mit Akzenten, Ziffern und Satzzeichen. Danach werden die Zeilen in Lesereihenfolge gebracht. Die Zeilen folgen der Neigung der ganzen Seite, ein leerer senkrechter Zwischenraum mit langen Zeilen auf beiden Seiten gilt als Spaltengrenze, und ein Abstand, der deutlich größer ist als der übliche Zeilenabstand, wird zum Absatzwechsel.
Vor dem Wechsel haben wir beide Engines auf 28 Testbildern laufen lassen: 13 sauber gerenderte Texte, dieselben Bilder verkleinert, um 2,5° gedreht, verrauscht und als JPEG niedriger Qualität gespeichert, dazu zwei volle A4-Seiten. Bei Chinesisch sank die mittlere Zeichenfehlerrate von 18,6 % mit Tesseract auf 1,3 % mit PP-OCR, bei den fotoähnlichen Fassungen von 22,2 % auf 2,0 %. Eine weiße Überschrift auf orangefarbenem Verlauf kam bei Tesseract leer zurück und bei PP-OCR vollständig richtig. Sauberes Englisch, Französisch, Deutsch und Spanisch lasen beide nahezu fehlerfrei. Auf unserem Testrechner braucht ein Screenshot mit einthreadigem WebAssembly 0,3 bis 0,7 Sekunden, eine dicht bedruckte A4-Seite 6 bis 8 Sekunden. Tesseract, das die übrigen fünf Sprachen weiter liest, ist ein je Sprache trainiertes LSTM-Netz; die Modelle sind der Satz tessdata_best, auf 8-Bit-Ganzzahlen quantisiert, und jedes Bild wird vor dem Lesen in Graustufen umgewandelt und auf etwa 2.000 Pixel vergrößert.
Wann Sie Bild-in-Text brauchen
Einen Absatz aus einem Screenshot kopieren, den Ihnen jemand geschickt hat. Ein fotografiertes Whiteboard, eine Folie oder eine Buchseite in Notizen verwandeln. Den Text aus einem gescannten Brief oder einem alten PDF holen, das nur aus Bildern besteht. Eine Adresse, eine Bestellnummer oder eine Seriennummer aus einem Foto extrahieren. Belege und Rechnungen für die Buchhaltung digitalisieren. Eine Speisekarte, ein Schild oder ein Etikett in einer anderen Schrift lesen, um es in einen Übersetzer einzufügen.
Auf dieser Website sieht die Kette so aus: Foto bei Bedarf drehen und zuschneiden, Text hier erkennen, und bei PDFs zuerst über PDF in Bild gehen. Ein aus Fotos bestehendes Dokument lässt sich mit Bild in PDF zusammenstellen, sobald der Text geprüft ist.
Häufig gestellte Fragen
Werden meine Bilder hochgeladen?
Nein. Die Erkennung läuft in Ihrem Browser, je nach Sprache mit PP-OCR oder Tesseract, beide als WebAssembly kompiliert. Das Bild verlässt Ihr Gerät nie. Engine und Modell werden einmal geladen und zwischengespeichert; danach funktioniert das Tool offline.
Welche Sprachen werden unterstützt?
Englisch, vereinfachtes Chinesisch, traditionelles Chinesisch, Japanisch, Koreanisch, Spanisch, Französisch, Deutsch, Portugiesisch, Russisch, Italienisch und Vietnamesisch. Asiatische Sprachen lassen sich in einem Durchgang mit Englisch kombinieren.
Kann das Tool Handschrift lesen?
Nein – nur gedruckten Text. Handschrift, Zierschriften und Text über unruhigem Hintergrund werden weder von diesem noch von einem anderen browserbasierten OCR zuverlässig gelesen.
Wie erreiche ich eine bessere Genauigkeit?
Wählen Sie die richtige Sprache, verwenden Sie ein scharfes, gleichmäßig beleuchtetes, gerades Foto in voller Auflösung und schneiden Sie auf den Text zu. Kleine oder unscharfe Bilder werden automatisch vergrößert, lassen sich aber nicht nachschärfen.
Kann ich ein PDF per OCR erfassen?
Wandeln Sie die Seiten mit dem Tool „PDF in Bild“ um und schicken Sie sie hierher; jede Seite wird zu einem editierbaren Textblock.
Artikel zu diesem Tool
Blog →Mehr Bild-Tools
11 Tools →
Hintergrund entfernenAutomatisch freistellen; Haare, Fell, feine Kanten bleiben
BildkompressorJPG, PNG, WebP mit Qualitätsregler verkleinern; ZIP-Stapel
BildkonverterPNG, JPG, WebP, AVIF, GIF, BMP, SVG im Stapel konvertieren
Bildgröße ändernAuf Breite × Höhe oder Prozent skalieren, ohne Verzerrung
Bild zuschneidenAuf Seitenverhältnis oder exakte Pixel zuschneiden
Bild drehenUm 90°, 180° oder beliebig drehen, kippen oder spiegeln
