OmniDoc দলিল পৃথকীকৰণ / 2026 চনৰ গাইড
2026 চনত বিনামূলীয়া ডকুমেণ্ট এক্সট্ৰেকচন টুল কেনেকৈ বাছনি কৰিব
ডকুমেণ্ট এক্সট্ৰেকচনে PDF, এটা স্কেন বা অফিচ ফাইলক ষ্ট্ৰাকচাৰ্ড কন্টেণ্টলৈ পৰিৱৰ্তন কৰে: শিৰোনাম, অনুচ্ছেদ, তালিকা আৰু ছবিবোৰ পঢ়াৰ ক্ৰমত, Markdown আৰু JSON হিচাপে। বিনামূলীয়া সঁজুলিবোৰৰ মাজত সেই গঠনৰ কিমান অংশ বাচি থাকে তাত পাৰ্থক্য দেখুৱায়। আউটপুটৰ ওপৰত কোনো কাম আৰম্ভ কৰাৰ আগতে আপোনাৰ নিজৰ কোনো ফাইলৰ সৈতে এই আঠটা বিষয় পৰীক্ষা কৰক।
আপোনাৰ নিজৰ ফাইলটোৰে এইটো চেষ্টা কৰক2026 চনৰ নৱেম্বৰত হালনাথ
আউটপুটত পৰীক্ষা কৰিবলগীয়া 8টা বস্তু
শিৰোনামৰ স্তৰসমূহ
অধ্যায় আৰু বিভাগসমূহ হেডিং স্তৰ (#, ## in Markdown) হিচাপে ওলাব, সেইবাবে নকলাই লাইন হিচাপে নহয়, যাতে নথিখনৰ ৰূপৰেখা অক্ষত থাকে।
পঢ়াৰ ক্ৰম আৰু কলামসমূহ
দুটা বা তিনিটা কলামযুক্ত পৃষ্ঠাত, বিভিন্ন কলামৰ শাৰীসমূহ একেলগে লগ হ'ব নালাগে; শিৰোনাম, পাদটীকা আৰু পৃষ্ঠা সংখ্যা কোনো অনুচ্ছেদৰ মাজত থাকিব নালাগে।
তালিকা
তালিকাসমূহে তেওঁলোকৰ শাৰী আৰু কলামসমূহ, য'ত একত্ৰিত হেডাৰবোৰো অন্তৰ্ভুক্ত, ৰখি দিব লাগে, সংখ্যাৰ এটা পৰ্যায়লৈ নগ'লে।
স্কেন আৰু ফটো
এটা স্কেনত কোনো পাঠ্য স্তৰ নাথাকে। সঁজুলিটোৱে প্ৰথমে পাঠ্যটো (OCR) চিনি ল'ব লাগিব আৰু তাৰ পিছত লেআউট; মূলটোৰ সৈতে সংখ্যাবোৰ পৰীক্ষা কৰিব লাগিব।
ছবি আৰু সূত্ৰসমূহ
ছবিসমূহ পাঠ্যত তেওঁলোকৰ অৱস্থান চিহ্নিত কৰি ফাইল হিচাপে আমদানি কৰিব লাগিব; সূত্ৰসমূহ অপৰিবৰ্তিত অৱস্থাত থাকিব লাগিব।
আউটপুট ফৰ্মেটসমূহ
Markdown মানুহ আৰু AI সহায়কসমূহৰ বাবে উপযুক্ত; JSON যিটো পৰিচ্ছেদ আৰু টেবুলসমূহক পঢ়িবলগীয়া ক্ৰমত ৰাখে, সেয়া প্ৰ'গ্ৰাম, ডেটাবেছ আৰু পুনৰ প্ৰাপ্তিৰ বাবে উপযুক্ত (RAG)।
ফাইলৰ প্ৰকাৰ আৰু সীমা
ফাইল প্ৰতি পৃষ্ঠা, মাহিলী সীমা আৰু আপোনাৰ কাৰণে উপযুক্ত ফৰ্মেটসমূহ পৰীক্ষা কৰক: PDF, স্কেন, Word, PowerPoint, Excel, EPUB, HTML।
গোপনীয়তা
আপোনাৰ ফাইলটো কোনে দেখিব পাৰে আৰু আপোনাৰ একাউণ্ট থকা প্ৰয়োজন হ'ব নে নহয়, সেই বিষয়ে জানি লওক। যিটো ছাইটত তেনে কোৱা নাই, সেই ছাইটলৈ গোপনীয় নথিপত্ৰ আপলোড নকৰিব।
এই দিশসমূহত OmniDoc বিনামূলীয়া এক্সট্ৰেকচনে কি কৰে
OmniDoc বিনামূলীয়া নথি এক্সট্ৰেকচন হৈছে এটা ৱেব পৃষ্ঠা; আপুনি এটা বিনামূলীয়া OmniDoc একাউণ্টৰ সহায়ত ছাইন-ইন কৰে।
গঠন আৰু পঢ়াৰ ক্ৰম
অধ্যায়, অনুচ্ছেদ আৰু তালিকাবোৰে মূলটোৰ শ্ৰেণীবিন্যাস বজাই ৰাখে; পাঠ্যৰ দুই বা তিনিটা কলাম পঢ়াৰ ক্ৰমত একত্ৰিত হয়।
তালিকা আৰু ছবিবোৰ
তালিকাবোৰ Markdown তালিকা হিচাপে আৰু JSON ত পংক্তি আৰু স্তম্ভ হিচাপে ওলায়; ছবিবোৰ তেওঁলোকৰ অৱস্থান চিহ্নিত কৰি images/ ফ'ল্ডাৰত সংৰক্ষণ কৰা হয়।
আপুনি যি ডাউনলোড কৰে
এটা ZIP ফাইলত document.md (সম্পূৰ্ণ পাঠ্য Markdown হিচাপে), document.json (পঢ়াৰ ক্ৰমত গঠিত তথ্য), ছবিবোৰ আৰু এটা ফাইল তালিকা থাকে।
সীমা আৰু গোপনীয়তা
PDF প্ৰতি 501 পৃষ্ঠালৈকে আৰু কোনো মাহিলী সীমা নাই; বিনামূলীয়া অনুলিপি এটা কিউত থাকে। আপুনিহে আপুনি আপলোড কৰা ফাইলসমূহ আৰু তেওঁলোকৰ ফলাফলসমূহ দেখিব পাৰে।
কোনটো ফাইলৰ বাবে কোনটো পথ
| আপোনাৰ ফাইল | কি ব্যৱহাৰ কৰিবলৈ |
|---|---|
| গৱেষণা পত্ৰ (PDF, দুটা কলাম) | বিনামূলীয়া অনুলিপি: পঠন ক্ৰমত শিৰোনাম স্তৰসহ Markdown; জটিল সূত্ৰসমূহ মূলৰ সৈতে পৰীক্ষা কৰক। |
| স্কেন কৰা চুক্তি বা পৃষ্ঠাৰ ফটো | বিনামূলীয়া অনুলিপি, পাঠ্য চিনাক্তকৰণসহ (OCR); সংখ্যা আৰু তালিকাসমূহ মূলৰ সৈতে পৰীক্ষা কৰক। |
| তালিকাপূৰ্ণ প্ৰতিবেদন | বিনামূলীয়া অনুলিপি: Markdown তালিকা, আৰু JSONত শাৰী আৰু স্তম্ভসমূহ, এক্সেল বা স্ক্ৰিপ্টৰ বাবে সাজু। |
| Word, PowerPoint, Excel, EPUB বা HTML | বিনামূলীয়া অনুলিপিয়ে নথিৰ গঠন প্ৰত্যক্ষভাৱে পঢ়ে; কোনো পাঠ্য চিনাক্তকৰণৰ প্ৰয়োজন নাই। |
| জ্ঞান ভঁৰাল বা RAGৰ বাবে নথিপত্ৰসমূহ | প্ৰত্যাহৰণৰ বাবে document.json (পঢ়াৰ ক্ৰমত অনুচ্ছেদ আৰু তালিকাসমূহ) ব্যৱহাৰ কৰক আৰু AI সহায়কৰ বাবে document.md ব্যৱহাৰ কৰক। |
| পুৰণি .doc, .ppt আৰু .xls ফাইলসমূহ | প্ৰথমে সেইবোৰক .docx, .pptx বা .xlsx হিচাপে সংৰক্ষণ কৰক, তাৰ পিছত আপল'ড কৰক। |
প্ৰশ্নসমূহ
2026 চনত PDFক Markdown আৰু JSONলৈ ৰূপান্তৰ কৰিবলৈ বিনামূলীয়া টুল আছে নেকি?
হয়। OmniDoc বিনামূলীয়া নথি প্ৰত্যাহৰণে এটা PDF, স্কেন বা Office ফাইলক document.md, document.json, ছবিসমূহ আৰু ফাইল তালিকাৰ সৈতে ZIP লৈ ৰূপান্তৰ কৰে। প্ৰতি PDFত 501 পৃষ্ঠালৈকে; বিনামূলীয়া OmniDoc একাউণ্টৰ সৈতে সাইন ইন কৰক।
নথি প্ৰত্যাহৰণ কেনেকৈ পাঠ্যটো কপি কৰাৰ পৰা পৃথক?
পাঠ্য কপি কৰিলে আপুনি সাধাৰণ পাঠ্যহে পাব। নথি প্ৰত্যাহৰণে শিৰোনাম, অনুচ্ছেদ, তালিকা আৰু ছবিসমূহ আৰু সেইবোৰৰ মাজৰ সম্পৰ্কক এটা প্ৰোগ্ৰামে ব্যৱহাৰ কৰিব পৰা গঠনমূলক তথ্য হিচাপে ৰাখে।
এটা PDFৰ পৰা তালিকাসমূহ এক্সট্ৰেক্ট কৰিব পৰা যায়নে?
হয়। তালিকাসমূহ Markdown তালিকা আৰু JSONত পংক্তি আৰু স্তম্ভ হিচাপে ওলায়। সাধাৰণ মার্জড শিৰোনামবোৰ চিনাক্ত কৰা হয়; অতি জটিল তালিকাবোৰ মূল তালিকাৰ সৈতে পৰীক্ষা কৰক।
এইটো স্কেন কৰা PDF আৰু ফটোতো কাম কৰেনে?
হয়। স্কেন আৰু ছবিবোৰ প্ৰথমে পাঠ্য চিনাক্তকৰণৰ মাধ্যমেৰে যায় আৰু তাৰ পিছত সেইবোৰৰ লেআউট অনুসৰি সজোৱা হয়। সংখ্যা আৰু তালিকাবোৰ মূল নথিৰ সৈতে পৰীক্ষা কৰক; হাতেলিখা লিখনৰ ফলাফল লিখনশৈলীৰ ওপৰত নিৰ্ভৰ কৰে।
ফলাফলটো RAG বা AI সহায়কৰ বাবে ব্যৱহাৰ কৰিব পাৰিমনে?
হয়। document.md সৰাসৰি AI সহায়কত পেষ্ট কৰিব পৰা যায়; document.json-এ অনুচ্ছেদ আৰু তালিকাৰ গঠন ৰাখে আৰু পুনৰ উদ্ধাৰৰ বাবে উপযুক্ত (RAG)।