Cara Menerjemahkan PDF yang Dipindai dengan OCR

Masalah dengan PDF yang Dipindai

Ketika Anda memindai dokumen kertas dan menyimpannya sebagai PDF, file tersebut hanya berisi gambar halaman — tanpa teks yang bisa dipilih atau disalin. Alat terjemahan biasa gagal total karena tidak ada yang bisa diterjemahkan: teks hanya ada sebagai piksel.

Ini mempengaruhi berbagai dokumen: kontrak yang dinotarisasi, sertifikat resmi, catatan sejarah, cetakan fax, dan dokumen apapun yang tiba dalam bentuk kertas lalu didigitalisasi.

Cara Kerja OCR + Terjemahan AI

Solusinya berupa proses dua tahap: pengenalan karakter optik (OCR) lalu terjemahan mesin neural.

1. Analisis OCR — mesin memindai setiap halaman piksel demi piksel, mengidentifikasi bentuk karakter, dan merekonstruksi lapisan teks.
2. Deteksi tata letak — kolom, tabel, header, dan footer diidentifikasi dan dipetakan.
3. Ekstraksi teks — teks yang direkonstruksi dibersihkan: artefak tanda hubung, kebisingan baris, dan ketidaksempurnaan pemindaian dikoreksi.
4. Terjemahan AI — teks bersih diteruskan ke model terjemahan neural yang disesuaikan untuk konteks dokumen.
5. Rekonstruksi format — teks yang diterjemahkan ditata dalam struktur dokumen asli dan diekspor sebagai PDF.

Persyaratan Kualitas Gambar

Akurasi OCR bergantung langsung pada mutu pindaian. Kondisi berikut memberi hasil terbaik:

• Resolusi — 300 DPI atau lebih. Di bawah 100 DPI akurasi turun drastis.
• Orientasi — halaman harus lurus. Koreksi kemiringan otomatis bekerja hingga ~10°.
• Kontras — teks gelap pada latar terang. Tinta pudar atau latar belakang berwarna mengurangi akurasi.
• Tanpa tulisan tangan — teks cetak dikenali dengan akurasi tinggi; anotasi tulisan tangan diekstrak di mana terbaca.
• Format file — PDF, JPG, PNG, dan TIFF diterima.

Langkah demi Langkah: Terjemahkan PDF yang Dipindai

1. Unggah PDF yang dipindai — sistem mendeteksi secara otomatis bahwa ini adalah dokumen berbasis gambar.
2. Pilih bahasa sumber (opsional) — deteksi otomatis bekerja untuk sebagian besar skrip.
3. Pilih bahasa target — lebih dari 100 bahasa tersedia.
4. OCR mengekstrak teks — pratinjau konten yang dikenali ditampilkan.
5. AI menerjemahkan — teks yang diekstrak diterjemahkan dengan konteks dokumen penuh.
6. Unduh PDF yang diterjemahkan — file output mempertahankan dimensi halaman dan kolom yang sama dengan pemindaian asli.

Jenis dokumen pindaian yang umum

• Kontrak berakta notaris — dokumen bertanda tangan dan bercap yang tidak bisa diketik ulang tanpa kehilangan keasliannya
• Sertifikat resmi — akta kelahiran dan pernikahan, ijazah, serta sertifikat profesi dari instansi resmi
• Berkas dan dokumen pengadilan — arsip perkara lama dan salinan putusan
• Rekam medis — berkas pasien, hasil laboratorium, dan surat rujukan dari sistem lama
• Laporan keuangan — rekening koran lama dan laporan audit yang dicetak sebelum era arsip digital
• Manual teknis — dokumentasi produk dari produsen yang hanya menyediakan salinan cetak