OCR любого PNG32
Перетащите и отпустите или нажмите для выбора
Конфиденциально и безопасно
Все происходит в вашем браузере. Ваши файлы никогда не попадают на наши серверы.
Молниеносно
Никаких загрузок, никаких ожиданий. Конвертируйте в тот момент, когда вы перетаскиваете файл.
Действительно бесплатно
Не требуется учетная запись. Никаких скрытых платежей. Никаких уловок с размером файла.
Оптическое распознавание символов (OCR) преобразует изображения текста — сканы, фотографии со смартфона, PDF-файлы — в машиночитаемые строки и, все чаще, в структурированные данные. Современное OCR — это конвейер, который очищает изображение, находит текст, читает его и экспортирует богатые метаданные, чтобы последующие системы могли искать, индексировать или извлекать поля. Два широко используемых стандарта вывода: hOCR, микроформат HTML для текста и макета, и ALTO XML, схема, ориентированная на библиотеки/архивы; оба сохраняют позиции, порядок чтения и другие подсказки макета и поддерживаются популярными движками, такими как Tesseract.
Краткий обзор конвейера
Предварительная обработка. Качество OCR начинается с очистки изображения: преобразования в оттенки серого, удаления шума, пороговой обработки (бинаризации) и выравнивания. Канонические учебные пособия по OpenCV охватывают глобальную, адаптивную и пороговую обработку Оцу — основные методы для документов с неравномерным освещением или бимодальными гистограммами. Когда освещение меняется в пределах страницы (подумайте о снимках с телефона), адаптивные методы часто превосходят один глобальный порог; Оцу автоматически выбирает порог, анализируя гистограмму. Коррекция наклона не менее важна: выравниван ие на основе преобразования Хафа (преобразование Хафа для линий) в паре с бинаризацией Оцу является распространенным и эффективным рецептом в производственных конвейерах предварительной обработки.
Обнаружение и распознавание. OCR обычно делится на обнаружение текста (где находится текст?) и распознавание текста (что он говорит?). В естественных сценах и многих сканах полностью сверточные детекторы, такие как EAST , эффективно предсказывают четырехугольники на уровне слов или строк без тяжелых этапов предложения и реализованы в общих наборах инструментов (например, учебное пособие по обнаружению текста в OpenCV). На сложных страницах (газеты, формы, книги) важны сегментация строк/областей и определение порядка чтения:Kraken реализует традиционную сегментацию зон/строк и нейронную сегментацию базовой линии с явной поддержкой различных письменносте й и направлений (слева направо/справа налево/вертикально).
Модели распознавания. Классическая рабочая лошадка с открытым исходным кодом Tesseract (с открытым исходным кодом от Google, с корнями в HP) эволюционировала от классификатора символов до распознавателя последовательностей на основе LSTM и может выдавать PDF с возможностью поиска, выходные данные, дружественные к hOCR/ALTO, и многое другое из командной строки. Современные распознаватели полагаются на моделирование последовательностей без предварительно сегментированных символов. Коннективистская временная классификация (CTC) остается основополагающей, изучая выравнивания между последовательностями входных признаков и строками выходных меток; она широко используется в конвейерах для распознавания рукописного ввода и текста на сцене.
В последние несколько лет трансформеры изменили OCR. TrOCR использует кодировщик Vision Transformer и декодер Text Transformer, обученный на больших синтетических корпусах, а затем доработанный на реальных данных, с высокой производительностью на тестах печатного, рукописного и сценического текста (см. также документацию Hugging Face). Параллельно некоторые системы обходят OCR для последующего понимания: Donut (Document Understanding Transformer) — это кодировщик-декодер без OCR, который напрямую выводит структурированные ответы (например, JSON «ключ-значение») из изображений документов (репозиторий, карточка модели), избегая накопления ошибок, когда отдельный шаг OCR передает данные в систему извлечения информации.
Движки и библиотеки
Если вам нужно готовое решение для чтения текста на многих языках, EasyOCR предлагает простой API с более чем 80 языковыми моделями, возвращающий рамки, текст и достоверность — удобно для прототипов и нелатинских письменностей. Для исторических документов Kraken отличается сегментацией базовой линии и порядком чтения с учетом письменности; для гибкого обучения на уровне строк Calamari основан на наследии Ocropy (Ocropy) с распознавателями (multi-)LSTM+CTC и CLI для тонкой настройки пользовательских моделей.
Наборы данных и тесты
Обобщение зависит от данных. Для рукописного ввода база данных рукописного ввода IAM предоставляет разнообразные по авторам английские предложения для обучения и оценки; это давний эталонный набор для распознавания строк и слов. Для текста на сцене COCO-Text наложил обширные аннотации на MS-COCO с метками для печатного/рукописного, разборчивого/неразборчивого, письменности и полных транскрипций (см. также оригинальную страницу проекта). Эта область также в значительной степени зависит от синтетического предварительного обучения: SynthText in the Wild визуализирует текст на фотографиях с реалистичной геометрией и освещением, предоставляя огромные объемы данных для предварительного обучения детекторов и распознавателей (ссылка на код и данные).
Соревнования под эгидой ICDAR’s Robust Reading сохраняют обоснованность оценки. Последние задачи подчеркивают сквозное обнаружение/чтение и включают связывание слов во фразы, с официальным кодом, сообщающим точность/полноту/F-меру, пересечение над объединением (IoU) и метрики расстояния редактирования на уровне символов, что отражает то, что должны отслеживать практики.
Форматы вывода и последующее использование
OCR редко заканчивается простым текстом. Архивы и цифровые библиотеки предпочитают ALTO XML , потому что он кодирует физический макет (блоки/строки/слова с координатами) вместе с содержимым, и он хорошо сочетается с упаковкой METS. Микроформат hOCR , напротив, встраивает ту же идею в HTML/CSS, используя классы, такие как ocr_line и ocrx_word, что упрощает отображение, редактирование и преобразование с помощью веб-инструментов. Tesseract предоставляет оба варианта, например, генерируя hOCR или PDF с возможностью поиска прямо из командной строки (руководство по выводу PDF); оболочки Python, такие как pytesseract , добавляют удобства. Существуют преобразователи для перевода между hOCR и ALTO, когда в репозиториях есть фиксированные стандарты приема — см. этот тщательно подобранный список инструментов для формата файлов OCR.
Практическое руководство
- Начните с данных и чистоты. Если ваши изображения — это фотографии с телефона или сканы смешанного качества, вложитесь в пороговую обработку (адаптивную и Оцу) и выравнивание (Хафа) перед любой настройкой модели. Вы часто получите больше от надежного рецепта предварительной обработки, чем от замены распознавателей.
- Выберите правильный детектор. Для отсканированных страниц с обычными столбцами может быть достаточно сегментатора страниц (зоны → строки); для естественных изображений детекторы одного прохода, такие как EAST , являются сильными базовыми линиями и подключаются ко многим наборам инструментов (пример OpenCV).
- Выберите распознаватель, который соответствует вашему тексту. Для печатной латиницы Tesseract (LSTM/OEM) надежен и быстр; для нескольких письменностей или быстрых прототипов EasyOCR продуктивен; для рукописного ввода или исторических шрифтов рассмотрите Kraken или Calamari и планируйте тонкую настройку. Если вам нужна тесная связь с пониманием документов (извлечение пар «ключ-значение», VQA), оцените TrOCR (OCR) по сравнению с Donut (без OCR) на вашей схеме — Donut может устранить целый шаг интеграции.
- Измеряйте то, что имеет значение. Для сквозных систем сообщайте об обнаружении F-мера и распознавании CER/WER (оба основаны на расстоянии редактирования Левенштейна ; см. CTC); для задач с интенсивным использованием макета отслеживайте IoU/плотность и нормализованное расстояние редактирования на уровне символов, как в наборах для оценки ICDAR RRC .
- Экспортируйте богатые выходные данные. Предпочитайте hOCR /ALTO (или оба), чтобы сохранить координаты и порядок чтения — это жизненно важно для выделения результатов поиска, извлечения таблиц/полей и происхождения. CLI Tesseract и pytesseract делают это одной строкой.
Взгляд в будущее
Самая сильная тенденция — это конвергенция: обнаружение, распознавание, языковое моделирование и даже декодирование для конкретных задач объединяются в единые стеки трансформеров. Предварительное обучение на больших синтетических корпусах остается мультипликатором силы. Модели без OCR будут агрессивно конкурировать везде, где целью являются структурированные выходные данные, а не дословные транскрипции. Ожидайте также гибридных развертываний: легкий детектор плюс распознаватель в стиле TrOCR для длинного текста и модель в стиле Donut для форм и квитанций.
Дополнительная литература и инструменты
Tesseract (GitHub) · Документация Tesseract · Спецификация hOCR · Фон ALTO · Детектор EAST · Обнаружение текста OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Рукописный ввод IAM · Инструменты формата файлов OCR · EasyOCR
Часто задаваемые вопросы
Что такое OCR?
Оптическое распознавание символов (OCR) - это технология, используемая для преобразования различных типов документов, таких как отсканированные бумажные документы, PDF-файлы или изображения, снятые цифровой камерой, в данные, которые можно редактировать и искать.
Как работает OCR?
OCR сканирует входное изображение или документ, разбирает изображение на отдельные символы, а затем сравнивает каждый символ с базой данных форм символов, используя распознавание по образцу или распознавание по признакам.
Какие практические применения у OCR?
OCR используется в различных отраслях и приложениях, включая цифровизацию печатных документов, использование услуг перевода текста в речь, автоматизацию процесса ввода данных и помощь людям с нарушениями зрения в более качественном взаимодействии с текстом.
OCR всегда на 100% точен?
Несмотря на значительные усовершенствования технологии OCR, она не абсолютно надежна. Точность может варьироваться в зависимости от качества исходного документа и конкретных характеристик используемого ПО OCR.
Может ли OCR распознавать рукописный текст?
Хотя OCR в основном предназначен для распознавания печатного текста, некоторые продвинутые системы OCR также могут распознавать чистописание. Однако точность распознавания рукописного текста обычно ниже из-за вариативности индивидуальных стилей письма.
Может ли OCR обрабатывать несколько языков?
Да, многие программы OCR могут распознавать множество языков. Однако следует убедиться, что используемое вами программное обеспечение поддерживает конкретный язык.
В чем разница между OCR и ICR?
OCR - это аббревиатура от Optical Character Recognition (оптическое распознавание символов), которое используется для распознавания печатного текста, в то время как ICR, или Intelligent Character Recognition (интеллектуальное распознавание символов), это более продвинутая технология, которая используется для распознавания рукописного т екста.
Может ли OCR обрабатывать все шрифты и размеры текста?
OCR наиболее эффективен при обработке четких, легко читаемых шрифтов и стандартных размеров текста. Хотя он способен распознавать различные шрифты и размеры, его точность может снизиться при обработке нестандартных шрифтов или очень мелкого текста.
Каковы ограничения технологии OCR?
У OCR может быть проблемы при обработке документов с низким разрешением, сложных шрифтов, текста с плохим качеством печати, рукописного текста или документов, где текст плохо сочетается с фоном. Кроме того, хотя OCR может распознавать многие языки, он может не покрывать все языки идеально.
Может ли OCR сканировать цветной текст или цветной фон?
Да, OCR может сканировать цветной текст и фоны, хотя он наиболее эффективен при работе с комбинациями цветов с высоким контрастом, такими как черный текст на белом фоне. Если контраст между цветом текста и фона недостаточен, точность может снизиться.
Что такое формат PNG32?
Непрозрачный или бинарно прозрачный 32-битный RGBA
Формат изображения PNG32, расширение известного формата Portable Network Graphics (PNG), представляет собой особый режим в семействе PNG, оптимизированный для всесторонней глубины цвета и поддержки прозрачности. «32» в PNG32 соответствует количеству битов, используемых на пиксель, при этом этот формат выделяет по 8 бит на красный, зеленый, синий и альфа-каналы. Такая структура позволяет PNG32 отображать более 16 миллионов цветов (24 бита для RGB) и обеспечивать полный спектр настроек прозрачности (8 бит для альфа), что делает его предпочтительным выбором для детальных изображений, требующих плавных градиентов и эффектов прозрачности.
Формат PNG был разработан как открытая альтернатива, возникшая из-за необходимости преодолеть ограничения, связанные с более ранними форматами, такими как GIF, который поддерживает только 256 цветов и один уровень прозрачности (включено или выключено). Формат PNG, включая PNG32, поддерживает сжатие без потерь. Это означает, что несмотря на уменьшение размера файла при сохранении, изображение не теряет деталей или качества. Эта характеристика особенно важна для графических дизайнеров и фотографов, которым требуется, чтобы их цифровые работы сохраняли верность оригиналу.
Технические характеристики PNG32 определены в спецификации PNG (Portable Network Graphics), которая была первоначально разработана в середине 1990-х годов. Спецификация описывает структуру файла, включая заголовок, фрагменты и методы кодирования данных. Файлы PNG начинаются с 8-байтовой сигнатуры, за которой следует серия фрагментов. В изображениях PNG32 критические фрагменты включают IHDR, который содержит данные заголовка изображения, такие как ширина, высота, глубина цвета и тип цвета; PLTE, который является необязательным и содержит палитру цветов; IDAT, который содержит данные изображения; и IEND, который отмечает конец файла PNG.
Одной из выдающихся особенностей формата PNG32 является поддержка альфа-канала, который контролирует прозрачность каждого пикселя. В отличие от более простых методов прозрачности, которые позволяют пикселю быть либо полностью прозрачным, либо полностью непрозрачным, альфа-канал в PNG32 обеспечивает 256 уровней прозрачности. Это означает, что пиксель может иметь различную степень видимости, от полностью прозрачного до полностью непрозрачного, что позволяет создавать сложные композиции и наложения без ущерба для качества базовых изображений.
Сжатие в изображениях PNG32 достигается с помощью комбинации фильтров и алгоритма сжатия DEFLATE. Перед сжатием каждая строка изображения фильтруется для уменьшения ее сложности, что, по сути, упрощает сжатие. Выбор фильтра для каждой строки является динамическим: алгоритм выбирает наиболее эффективный вариант для минимизации размера файла. После фильтрации данные изображения сжимаются с помощью DEFLATE, алгоритма сжатия данных без потерь, который уменьшает размер файла без ущерба для качества изображения. Сочетание фильтрации и сжатия DEFLATE делает файлы PNG32 компактными, при этом изображения остаются четкими и ясными.
Формат PNG32 широко используется в различных приложениях, включая веб-дизайн, фотографию и графический дизайн, благодаря своей гибкости, качеству и возможностям прозрачности. В веб-дизайне изображения PNG32 час то используются для логотипов, значков и других элементов, требующих четких деталей и плавных краев прозрачности. Этот формат также распространен в приложениях, где качество изображения не может быть поставлено под угрозу, например, в цифровой фотографии и проектах графического дизайна. Возможность сохранения точности цветопередачи и мелких деталей при поддержке прозрачности делает PNG32 бесценным инструментом в этих областях.
Несмотря на свои преимущества, формат PNG32 имеет некоторые недостатки, особенно в размере файла. Из-за своей высокой глубины цвета и поддержки прозрачности файлы PNG32 могут быть значительно больше, чем файлы более простых форматов, таких как JPEG или исходный формат PNG без альфа-прозрачности. Это может привести к увеличению времени загрузки на веб-сайтах и более высокому использованию пропускной способности. Следовательно, хотя PNG32 идеально подходит для изображений, требующих высокой точности и прозрачности, он может быть не лучшим выбором для всех приложений, особенно там, где пропускная способность или дисковое пространство ограничены.
Чтобы решить некоторые проблемы, с вязанные с размером файла, к изображениям PNG32 можно применять различные методы оптимизации. Такие инструменты, как PNGCrush, OptiPNG и TinyPNG, используют разные стратегии для уменьшения размера файла без потери качества изображения. Эти инструменты анализируют изображение, чтобы удалить ненужные метаданные, настроить параметры сжатия и даже уменьшить глубину цвета в областях, где это не окажет существенного влияния на визуальное качество. Хотя эти оптимизации могут сделать файлы PNG32 более управляемыми, важно найти баланс между уменьшением размера файла и сохранением целостности визуального качества изображения.
Помимо использования в статических изображениях, возможности прозрачности PNG32 делают его отличным выбором для более сложных графических задач, таких как создание спрайтов для видеоигр или элементов наложения для видеопроизводства. Детальное управление прозрачностью позволяет беспрепятственно интегрировать изображения PNG32 в различные фоны и настройки, повышая визуальную привлекательность цифровых носителей. Его способность обрабатывать детализированную графику с плавной прозрачностью также делает его подходящим для передовых веб-приложений и интерактивных медиа, где пользовательский опыт и визуальное качество имеют первостепенное значение.
Широкая поддержка формата PNG32 различными программным обеспечением и платформами является еще одним ключевым преимуществом. Основные веб-браузеры, программное обеспечение для графического дизайна и инструменты редактирования изображений легко поддерживают PNG32, что делает его универсальным и легкодоступным форматом как для профессионалов, так и для любителей. Включение формата в стандартное отраслевое программное обеспечение гарантирует, что PNG32 остается надежным выбором для широкого спектра приложений, от простой веб-графики до сложных проектов цифрового искусства.
Заглядывая в будущее, можно сказать, что постоянная эволюция веб-технологий и стандартов цифровой обработки изображений может повлиять на роль и применение формата PNG32. С появлением новых форматов, таких как WebP и AVIF, которые предлагают качество, сравнимое с PNG32, но с лучшим сжатием и меньшими размерами файлов, могут произойти изменения в предпочтениях для определенных вариантов использования. Эти новые форматы предоставляют убедительные альтернативы, особенно для веб-приложений, где производительность и время загрузки имеют решающее значение. Однако надежность PNG32, широкая совместимость и превосходная обработка прозрачности обеспечивают его постоянную актуальность в областях, где эти атрибуты имеют решающее значение.
Образовательные ресурсы и сообщества также играют решающую роль в поддержании актуальности и использования формата PNG32. Благодаря учебным пособиям, форумам и документации как новые, так и опытные пользователи могут узнать о преимуществах и применении PNG32, а также о передовых методах его использования и оптимизации. Этот коллективный обмен знаниями помогает решать проблемы, связанные с размером файла и специфическими для приложения соображениями, гарантируя, что формат PNG32 остается предпочтительным выбором для высококачественных и прозрачных изображений.
В заключение, формат изображения PNG32 является значительным достижением в области цифровой обработки изображений, предлагая непревзойденную глубину цвета и функции прозрачности. Его технические характеристики, включая сжатие без потерь и поддержку альфа-канала, делают его универсальным выбором для широкого спектра приложений, от веб-дизайна до сложного цифрового искусства. Хотя соображения относительно размера файла и появление конкурирующих форматов создают проблемы, преимущества PNG32 с точки зрения качества и обработки прозрачности продолжают делать его важным форматом в области цифровых изображений. По мере развития технологии цифровой обработки изображений роль PNG32 будет меняться, но его вклад в создание высококачественных прозрачных изображений останется заметной главой в истории цифровой графики.
Поддерживаемые форматы
AAI.aai
Изображение AAI Dune
AI.ai
Adobe Illustrator CS2
AVIF.avif
Формат файла изображения AV1
BAYER.bayer
Сырое изображение Bayer
BMP.bmp
Изображение битовой карты Microsoft Windows
CIN.cin
Файл изображения Cineon
CLIP.clip
Маска изображения Clip
CMYK.cmyk
Сырые голубые, пурпурные, желтые и черные образцы
CUR.cur
Значок Microsoft
DCX.dcx
Многостраничный рисунок ZSoft IBM PC
DDS.dds
Изображение Microsoft DirectDraw Surface
DPX.dpx
Изображение SMTPE 268M-2003 (DPX 2.0)
DXT1.dxt1
Изображение Microsoft DirectDraw Surface
EPDF.epdf
Зашифрованный формат портативного документа
EPI.epi
Формат обмена Adobe Encapsulated PostScript
EPS.eps
Adobe Encapsulated PostScript
EPSF.epsf
Adobe Encapsulated PostScript
EPSI.epsi
Формат обмена Adobe Encapsulated PostScript
EPT.ept
Зашифрованный PostScript с предварительным просмотром TIFF
EPT2.ept2
Зашифрованный PostScript уровня II с предварительным просмотром TIFF
EXR.exr
Изображение с высоким динамическим диапазоном (HDR)
FF.ff
Farbfeld
FITS.fits
Гибкая система передачи изображений
GIF.gif
Формат обмена графическими данными CompuServe
HDR.hdr
Изображение с высоким динамическим диапазоном (HDR)
HEIC.heic
Высокоэффективный контейнер изображений
HRZ.hrz
Медленное сканирование телевизионного сигнала
ICO.ico
Значок Microsoft
ICON.icon
Значок Microsoft
J2C.j2c
Кодовый поток JPEG-2000
J2K.j2k
Кодовый поток JPEG-2000
JNG.jng
Графика JPEG Network
JP2.jp2
Синтаксис файла JPEG-2000
JPE.jpe
Формат Joint Photographic Experts Group JFIF
JPEG.jpeg
Формат Joint Photographic Experts Group JFIF
JPG.jpg
Формат Joint Photographic Experts Group JFIF
JPM.jpm
Синтаксис файла JPEG-2000
JPS.jps
Формат Joint Photographic Experts Group JPS
JPT.jpt
Синтаксис файла JPEG-2000
JXL.jxl
Изображение JPEG XL
MAP.map
База данных изображений с множественным разрешением (MrSID)
MAT.mat
Формат изображения MATLAB уровня 5
PAL.pal
Палмовый пиксмап
PALM.palm
Палмовый пиксмап
PAM.pam
Общий 2-мерный формат битмапа
PBM.pbm
Портативный формат битмапа (черно-белый)
PCD.pcd
Фото CD
PCT.pct
Apple Macintosh QuickDraw/PICT
PCX.pcx
ZSoft IBM PC Paintbrush
PDB.pdb
Формат просмотра базы данных Palm
PDF.pdf
Портативный формат документа
PDFA.pdfa
Порта тивный формат архива документов
PFM.pfm
Портативный формат с плавающей запятой
PGM.pgm
Портативный формат серого битмапа (оттенки серого)
PGX.pgx
Формат JPEG 2000 без сжатия
PICT.pict
Apple Macintosh QuickDraw/PICT
PJPEG.pjpeg
Совместная группа экспертов по фотографии формат JFIF
PNG.png
Портативная графика сети
PNG00.png00
Наследование PNG бит-глубины, типа цвета от исходного изображения
PNG24.png24
Непрозрачный или бинарно прозрачный 24-битный RGB (zlib 1.2.11)
PNG32.png32
Непрозрачный или бинарно прозрачный 32-битный RGBA
PNG48.png48
Непрозрачный или бинарно прозрачный 48-битный RGB
PNG64.png64
Непрозрачный или бинарно прозрачный 64-битный RGBA
PNG8.png8
Непрозрачный или бинарно прозрачный 8-битный индексный
PNM.pnm
Портативный любой битмап
PPM.ppm
Портативный формат пиксмапа (цвет)
PS.ps
Файл Adobe PostScript
PSB.psb
Формат большого документа Adobe
PSD.psd
Битмап Adobe Photoshop
RGB.rgb
Сырые образцы красного, зеленого и синего
RGBA.rgba
Сырые образцы красного, зеленого, синего и альфа
RGBO.rgbo
Сырые образцы красного, зеленого, синего и непрозрачности
SIX.six
Формат графики DEC SIXEL
SUN.sun
Файл Sun Rasterfile
SVG.svg
Масштабируемая векторная графика
TIFF.tiff
Формат файла изображения с тегами
VDA.vda
Изображение Truevision Targa
VIPS.vips
Изображение VIPS
WBMP.wbmp
Беспроводное изображение (уровень 0)
WEBP.webp
Формат изображения WebP
YUV.yuv
CCIR 601 4:1:1 или 4:2:2
Часто задаваемые вопросы
Как это работает?
Этот конвертер полностью работает в вашем браузере. Когда вы выбираете файл, он загружается в память и преобразуется в выбранный формат. Затем вы можете скачать преобразованный файл.
Сколько времени занимает преобразование файла?
Преобразования начинаются мгновенно, и большинство файлов преобразуются за считанные секунды. Более крупные файлы могут занимать больше времени.
Что происходит с моими файлами?
Ваши файлы никогда не загружаются на наши серверы. Они преобразуются в вашем браузере, а затем скачиваются. Мы никогда не видим ваши файлы.
Какие типы файлов я могу преобразовать?
Мы поддерживаем преобразование между всеми форматами изображений, включая JPEG, PNG, GIF, WebP, SVG, BMP, TIFF и другие.
Сколько это стоит?
Этот конвертер полностью бесплатен и всегда будет бесплатным. Поскольку он работает в вашем браузere, нам не нужно платить за серверы, поэтому мы не взимаем плату с вас.
Могу ли я преобразовать несколько файлов одновременно?
Да! Вы можете преобразовать сколько угодно фай лов одновременно. Просто выберите несколько файлов при их добавлении.