استخراج متن نیست. بازچاپِ اصل است.

رایج‌ترین کار. کسی یک اسکن یا یک PDF قفل‌شده برایتان فرستاده و حالا باید ویرایشش کنید، پُرش کنید، ترجمه‌اش کنید یا نیمی از آن را دوباره به کار ببرید. شما متن نمی‌خواهید؛ همان سند را می‌خواهید، این‌بار قابل ویرایش.

بخش بزرگی از تقاضای تبدیل در فارسی اصلاً اسکن نیست؛ PDFهای دیجیتالی است که ابزارهای قدیمی ساخته‌اند و متنشان به‌محض کپی‌کردن به مشتی حرفِ جدا و بی‌معنا بدل می‌شود. کار به جایی رسیده که مردم از صفحه‌ای کاملاً سالم عکس می‌گیرند تا متنی خواندنی به دست آورند.

سال‌ها آزمون گذشته را به سؤال‌هایی قابل ویرایش و جابه‌جایی بدل کنید — با فرمول‌ها، شکل‌های هندسی، چیدمان گزینه‌ها، کلید پاسخ و بارم‌بندی دست‌نخورده — تا بتوان دوباره در آزمون‌های تازه ترکیبشان کرد و بر پایهٔ مبحث برچسب زد.

جزوهٔ مهندسی و علوم، گران‌ترین چیزی است که می‌توان دوباره تایپ کرد، چون دفترهای تایپ بابت هر فرمول و هر جدول جداگانه پول می‌گیرند. هزینهٔ کار دستی، درست همین‌جا متمرکز است.

صورت‌های مالی، ریزنمرات، فهرست قیمت، نتایج آزمایشگاه، برگه‌های سرشماری — همهٔ حرف، همان جدول است؛ و همان چیزی است که OCR عمومی صافش می‌کند.

ترجمهٔ رسمی باید آینهٔ صفحهٔ اصل باشد: همان مُهرها، همان جدول نمرات، همان کادرهای امضا. مترجم امروز ناچار است پیش از آنکه دست به ترجمه ببرد، این صفحه‌آرایی را دستی از نو بسازد.

در این حوزه‌ها شمارهٔ صفحه تزیین نیست، شرط اعتبار است: ارجاع به جلد و صفحه داده می‌شود. متنی که مرز صفحه‌هایش را از دست بدهد، برای پژوهشگری که باید به آن استناد کند بی‌ارزش است.

رونویسی مواد دست‌نویس ده تا بیست برابر مواد چاپی هزینه دارد و برای خطوطِ نسخه‌های فارسی و عربی هیچ ابزار تجاری جدی‌ای وجود ندارد. بزرگ‌ترین شکاف کل این بازار همین‌جاست.