किताब स्कैन करें और उसे मुफ़्त में पढ़कर सुनें (2026 गाइड)
स्कैन किया हुआ पन्ना एक इमेज है, टेक्स्ट नहीं — और इस वर्कफ़्लो की हर नाकामी इसी एक तथ्य से निकलती है। यहाँ हैं वे तीन स्थितियाँ जिनमें आप हो सकते हैं, वह Acrobat एरर जो ज़्यादातर लोगों को रोक देता है, पाठ्यपुस्तकें वहाँ क्यों बिगड़ती हैं जहाँ उपन्यास नहीं, और वह कैप्चर चेकलिस्ट जो कुछ भी अपलोड करने से पहले सब कुछ तय कर देती है।
"आपके हाथ में जो पन्ना है, वह अभी दस्तावेज़ नहीं बना है। जो कुछ भी गड़बड़ होता है, वह उसी चरण में होता है जिसे ज़्यादातर गाइड छोड़ देती हैं।"
आपके पास कोई छपी हुई किताब है, या ऐसी PDF जो किताब की फ़ोटो जैसी ही होती है, और आप उसे पढ़ने की बजाय सुनना चाहते हैं। इसके लिए टूल मुफ़्त हैं और सेट अप करने में करीब दो मिनट लगते हैं। लोग हार इसलिए मानते हैं कि समस्या text-to-speech में नहीं होती, बल्कि शब्द कागज़ से बाहर निकल ही नहीं पाते।
यह गाइड उन तीन स्थितियों को कवर करती है जिनमें आप हो सकते हैं, उस एक एरर मैसेज को जो ज़्यादातर लोगों को रोक देता है, और उस ख़ास वजह को कि पाठ्यपुस्तकें उपन्यासों से ज़्यादा बार क्यों फ़ेल होती हैं। यहाँ बताया गया प्रोडक्ट का व्यवहार 16 अक्टूबर 2026 को ReadLoudly के अपने कोड से जाँचा गया था; जहाँ कोई सीमा संख्या के रूप में है, वह संख्या उसी कॉन्फ़िगरेशन फ़ाइल से ली गई है जो उसे लागू करती है।
मुख्य बातें
- स्कैन एक इमेज है, टेक्स्ट नहीं। इस पूरे वर्कफ़्लो की हर नाकामी इसी बात से निकलती है। कोई भी रीडर एक शब्द बोले, इससे पहले optical character recognition (OCR) चलना ज़रूरी है।
- Acrobat का "Warning: Empty Page" कोई बग नहीं है। Acrobat बस यह बता रहा है कि उसे कोई text layer नहीं मिली। Reflow मोड और untagged फ़ाइलें भी अलग-अलग कारणों से यही मैसेज देती हैं।
- पाठ्यपुस्तकें वहाँ फ़ेल होती हैं जहाँ उपन्यास सफल रहते हैं, और वजह है मल्टी-कॉलम लेआउट। कमज़ोर recognition कॉलमों के बीच की खाली जगह को पार करके सीधा पढ़ता चला जाता है और धाराप्रवाह बकवास पैदा करता है।
- सपाट पन्ना, एक-सी रोशनी, और अपने हाथ की परछाईं नहीं। Recognition की क्वालिटी आपके कुछ भी अपलोड करने से पहले ही तय हो जाती है।
- DRM से सुरक्षित Kindle या लाइब्रेरी की ebook इस तरीके से बिल्कुल नहीं चल सकती। उसके लिए उसी प्लेटफ़ॉर्म की अपनी नैरेशन सुविधा इस्तेमाल करें। यही ईमानदार जवाब है, जिस पर आगे चर्चा है।
संक्षिप्त जवाब
हाँ, और यह मुफ़्त है। अपने फ़ोन से पन्ना स्कैन करें या स्कैन की हुई PDF अपलोड करें, optical character recognition को इमेज को असली टेक्स्ट में बदलने दें, फिर प्ले दबाएँ। ReadLoudly में recognition का चरण शामिल है और यह किसी पेड टियर के पीछे नहीं है: OCR फ़्री प्लान का हिस्सा है, और गेस्ट भी इसे इस्तेमाल कर सकते हैं। फ़्री प्लान एक बार में दस्तावेज़ के 10 पन्ने प्रोसेस करता है, और तैयार होने पर आप अगले 10 लोड कर सकते हैं, जो एक अध्याय के लिए मायने रखता है और आगे बताया गया है। इमेज रीडर में फ़ोटो या स्कैन्ड PDF रीडर में स्कैन की हुई फ़ाइल अपलोड करें, और टेक्स्ट सुनने लायक होकर वापस आ जाता है।
समझने लायक बात यह है कि यह कभी-कभी काम क्यों नहीं करता, क्योंकि यही फ़र्क है बस में सुन सकने वाले अध्याय और बीस मिनट की ख़ामोशी के बीच।
तीन स्थितियों में से आपकी कौन-सी है
इन्हें सँभालने के तरीके सचमुच अलग हैं, और इन्हें एक साथ मिला देना ही वह कारण है कि आम सलाह काम नहीं करती।
| आपके पास क्या है | क्या होना ज़रूरी है | शुरुआत कहाँ से करें |
|---|---|---|
| छपी हुई किताब जो आपके सामने मेज़ पर रखी है | कैप्चर करें, फिर पहचानें, फिर बोलें | फ़ोन कैमरा → इमेज रीडर |
| स्कैन की हुई PDF जो किसी ने भेजी हो, या लाइब्रेरी का स्कैन | पहचानें, फिर बोलें | स्कैन्ड PDF रीडर |
| सामान्य PDF जिसमें आप टेक्स्ट सेलेक्ट कर सकते हैं | सीधे बोलें। recognition की ज़रूरत नहीं | PDF रीडर |
| DRM वाली ebook Kindle या किसी लाइब्रेरी ऐप से | कुछ नहीं — फ़ाइल को थर्ड-पार्टी टूल खोल ही नहीं सकते | उसी प्लेटफ़ॉर्म की अपनी नैरेशन |
अगर आपको पक्का नहीं पता कि शुरुआती तीन में से आपके पास कौन-सी है, तो तीस सेकंड का टेस्ट आगे कैसे पहचानें कि PDF स्कैन की हुई है में है। पहले वही टेस्ट कीजिए। इससे सबसे ज़्यादा समय बचता है।
1. किताब आपके सामने है
यह सवाल का सबसे आम रूप है और इसे हल करना सबसे तेज़ है। आपको फ़्लैटबेड स्कैनर, स्कैनिंग ऐप या किसी भी चीज़ की सब्सक्रिप्शन की ज़रूरत नहीं है — एक फ़ोन और इमेज रीडर काफ़ी हैं।
इस काम का टूल: ReadLoudly इमेज रीडर यही काम करता है। शॉट अपलोड करें और यह पन्ना आपको पढ़कर सुनाता है — JPG, PNG, iPhone की HEIC, TIFF, WEBP और BMP सब चलते हैं, और ReadLoudly का OCR पन्ने को टेक्स्ट में बदल देता है।
पूरा अध्याय करना है? पहले हर पन्ने की फ़ोटो लें और उन्हें एक-एक करके नहीं, बल्कि एक साथ अपलोड करें, ताकि आपको एक लगातार सुनना मिले और रीडर पूरे सेट में आपकी जगह याद रखे। ध्यान रहे कि फ़्री प्लान एक बार में 10 पन्ने प्रोसेस करता है और अगले 10 लोड करने देता है, इसलिए लंबे अध्याय में कुछ बार लोड करना पड़ेगा; पेड प्लान पूरा दस्तावेज़ प्रोसेस करते हैं।
यह काम करेगा या नहीं, यह सब अपलोड से पहले, कैप्चर के समय तय हो जाता है — सपाट पन्ना, एक-सी रोशनी, हर फ़्रेम में एक पन्ना। वह चेकलिस्ट आगे है, और उस पर तीस सेकंड का ध्यान देना सार्थक है क्योंकि खराब खींचे गए पन्ने को बाद का कोई सॉफ़्टवेयर नहीं सुधार पाता।
2. आपके पास पहले से स्कैन की हुई PDF है
कोर्स रीडर, इंटरलाइब्रेरी स्कैन, किसी सहपाठी की खींची और एक्सपोर्ट की हुई अध्याय की फ़ोटो — ये PDF के रूप में आती हैं जो दस्तावेज़ जैसी दिखती हैं पर फ़ोटो एल्बम जैसा व्यवहार करती हैं। फ़ाइल को स्कैन्ड PDF रीडर में अपलोड करें और ReadLoudly का OCR प्लेबैक से पहले पन्नों को टेक्स्ट में बदल देता है।
तीन व्यावहारिक सीमाएँ, तीनों उसी कॉन्फ़िगरेशन में जाँची गई हैं जो इन्हें लागू करता है, किसी मार्केटिंग पेज से नहीं ली गईं:
- फ़्री प्लान एक बार में 10 पन्ने प्रोसेस करता है। असल में यही सीमा आड़े आती है, और यह पन्नों की गिनती है, फ़ाइल का साइज़ नहीं: फ़्री प्लान पर 40 पन्नों का अध्याय अपलोड करेंगे तो आप उसे 10-10 के बैच में पूरा करेंगे और तैयार होने पर अगले 10 लोड करेंगे। पेड प्लान पूरा दस्तावेज़ प्रोसेस करते हैं। अगर आप दस पन्नों से लंबी कोई चीज़ स्कैन कर रहे हैं, तो फ़ोटो खींचना शुरू करने से पहले यह बात जान लें।
- अपलोड साइज़ की सीमा 50 MB है बिना अकाउंट और फ़्री प्लान पर, जो Core पर 200 MB, Plus पर 350 MB और Pro पर 500 MB तक बढ़ती है। व्यवहार में आप साइज़ की सीमा से बहुत पहले 10 पन्नों की सीमा से टकराएँगे।
- Recognition में सादे टेक्स्ट एक्सट्रैक्शन से ज़्यादा समय लगता है। स्कैन किए गए पन्ने को रैस्टराइज़ करके पढ़ना पड़ता है; सामान्य PDF को वहीं का वहीं पार्स कर लिया जाता है। पहली बार खोलने पर पन्नों की संख्या के अनुपात में इंतज़ार की उम्मीद रखें, बाद में नहीं।
अगर आप हिस्सों में काम करना चाहें, तो उसे बाँट लें। पेज-स्प्लिटिंग गाइड बताती है कि फ़ाइल को कहीं अपलोड किए बिना यह कैसे करें, और वैसे भी एक बार में एक अध्याय सुनने के लिए बेहतर इकाई है।
कैसे पहचानें कि PDF स्कैन की हुई है (30 सेकंड में)
फ़ाइल को किसी भी PDF व्यूअर में खोलें और कर्सर से कोई वाक्य सेलेक्ट करके देखें।
- नीली हाइलाइट अलग-अलग शब्दों के साथ चलती है → असली text layer मौजूद है। कोई भी रीडर इसे बोल देगा। सामान्य PDF रीडर इस्तेमाल करें।
- कुछ हाइलाइट नहीं होता, या पूरे पन्ने पर एक साथ नीला बॉक्स आ जाता है → यह एक इमेज है। पहले recognition चलाना होगा।
दूसरी पुष्टि, अगर चाहें: Ctrl+F दबाएँ और स्क्रीन पर साफ़ दिख रहे किसी शब्द को खोजें। जो शब्द साफ़ दिख रहा है उसका न मिलना निर्णायक है — वह शब्द सिर्फ़ पिक्सल के रूप में मौजूद है।
एक मिला-जुला मामला लोगों को उलझा देता है: ऐसी फ़ाइल जिस पर recognition पहले ही चल चुका है, जहाँ text layer है पर खराब है। सेलेक्शन काम करता है, सर्च ज़्यादातर काम करती है, और प्लेबैक में कभी-कभी बेतुके शब्द आते हैं। उस फ़ाइल में text layer का अभाव नहीं, बल्कि खराब text layer है, और बेहतर कैप्चर पर recognition दोबारा चलाना ही असली इलाज है।
"Warning: Empty Page" — इस मैसेज का असली मतलब
ज़्यादातर लोग इसी दीवार से टकराते हैं, और यही शब्द सर्च करने पर सीधा जवाब नहीं, दस साल पुराने फ़ोरम थ्रेड मिलते हैं। यह रहा सीधा जवाब।
Adobe Acrobat का Read Out Loud "Warning: Empty Page" तब बोलता है जब उसे वह पन्ना पढ़ने को कहा जाए और उस पर टेक्स्ट न मिले। पन्ना खाली नहीं है — आप उसे देख सकते हैं। Acrobat का मतलब है टेक्स्ट से खाली। Read Out Loud सिर्फ़ वही बोल सकता है जो टेक्स्ट के रूप में मौजूद हो, और स्कैन तब तक टेक्स्ट नहीं होता जब तक recognition न चल जाए।
एक ही मैसेज के पीछे तीन अलग कारण हैं, और उनके हल अलग हैं:
| कारण | कैसे पता चले | हल |
|---|---|---|
| कोई text layer ही नहीं | कर्सर कुछ सेलेक्ट नहीं करता; Ctrl+F को कुछ नहीं मिलता | Recognition चलाएँ। मुफ़्त Acrobat Reader यह नहीं कर सकता; OCR वाला रीडर कर सकता है |
| Reflow मोड चालू है | मैसेज ऐसी फ़ाइल पर आता है जिसका टेक्स्ट आप सेलेक्ट कर सकते हैं | Reflow बंद करके दोबारा आज़माएँ। टेस्ट करने में कुछ खर्च नहीं होता, इसलिए पहले यही करें |
| पहचानी गई पर untagged | टेक्स्ट ठीक से सेलेक्ट होता है; पढ़ने का क्रम गलत है, या पन्ने फिर भी खाली पढ़े जाते हैं | दस्तावेज़ को auto-tag करें (WebAIM की Acrobat गाइड बताती है कि untagged PDF को accessible नहीं माना जाएगा), या Acrobat को ही छोड़ दें — structure tree Acrobat की समस्या है, टेक्स्ट की नहीं |
उन थ्रेड्स में बार-बार आने वाली एक व्यावहारिक बात जानने लायक है: Acrobat का Read Out Loud पुराना है। यह आधुनिक speech synthesis से पहले का है, यह कोई compliant text-to-speech रीडर नहीं है, और यूज़र्स ने बताया है कि जिन फ़ाइलों को Read Out Loud खाली बताता है, उन्हें स्क्रीन रीडर बिना शिकायत संभाल लेते हैं। अगर आप recognition चला चुके हैं और Acrobat फिर भी मना कर रहा है, तो फ़ाइल शायद ठीक है और रीडर समस्या है। Structure tree पर एक और घंटा खर्च करने से पहले उसे कहीं और खोलकर देखें।
पाठ्यपुस्तकें क्यों बिगड़ती हैं जबकि उपन्यास नहीं
उपन्यास में टेक्स्ट का एक कॉलम होता है। पाठ्यपुस्तक में दो या तीन होते हैं, अक्सर एक साइडबार, एक चित्र का कैप्शन और एक pull quote उसी क्षैतिज पट्टी के लिए होड़ करते हैं। Recognition को सिर्फ़ अक्षर पहचानने नहीं, बल्कि पढ़ने का क्रम तय करना होता है, और यह सुनने में जितना लगता है उससे कठिन समस्या है।
जब वह क्रम गलत पकड़ता है, तो कॉलमों के बीच की खाली जगह पार करके सीधा पढ़ता है: पहले कॉलम की पहली पंक्ति, फिर दूसरे कॉलम की पहली पंक्ति, फिर वापस। अलग-अलग शब्द सही होते हैं। वाक्य बेमतलब होते हैं। इससे भी बुरा यह कि यह धाराप्रवाह बकवास होती है, इसलिए आवाज़ आत्मविश्वास भरी लगती है और आपको पता चलने से पहले एक पैराग्राफ़ निकल जाता है।
तीन बातें इसे कम करती हैं:
- एक इमेज में एक पन्ना, कभी आमने-सामने के दोनों पन्ने नहीं। दो पन्नों की फ़ोटो इंजन को चार कॉलम और बीच की जिल्द की परछाईं समझने के लिए दे देती है।
- पन्ने को कैमरे के सामने सीधा रखें। झुकाव ही कॉलम की सीमा को तिरछी रेखा बना देता है, और तिरछी रेखा ही पार हो जाती है।
- पूरा अध्याय शुरू करने से पहले पहला पैराग्राफ़ कान से जाँच लें। तीस सेकंड सुनने से पता चल जाता है कि पढ़ने का क्रम सही रहा या नहीं। अगर नहीं रहा, तो आगे बढ़ने की बजाय उस पन्ने की फ़ोटो और सपाट करके दोबारा लें।
अंदर से ReadLoudly Tesseract का LSTM इंजन 300 dpi पर उसके automatic page-segmentation मोड के साथ चलाता है, जो एक ही ब्लॉक मान लेने की बजाय कॉलम की संरचना का अनुमान लगाता है। Tesseract का डॉक्यूमेंटेशन कहता है कि यह कम से कम 300 dpi की इमेज पर सबसे अच्छा चलता है और पन्ना बहुत तिरछा होने पर line segmentation "reduces significantly", इसीलिए नीचे की कैप्चर चेकलिस्ट मायने रखती है। यह अच्छा है, अचूक नहीं: तीन कॉलम वाले पन्ने की बुरी तरह मुड़ी हुई फ़ोटो फिर भी इसे हरा देगी, और बाज़ार का कोई इंजन भरोसे से इससे नहीं बच पाता।
अगर आपकी पाठ्यपुस्तक स्कैन नहीं, बल्कि पहले से साफ़ डिजिटल फ़ाइल है, तो इनमें से कुछ भी लागू नहीं होता, और कान से पढ़ाई करने के व्यापक फ़ायदे हमारी टेक्स्टबुक ऑडियो रीडर गाइड में हैं।
पन्ना सही तरीके से स्कैन करना (जो हिस्सा सब कुछ तय करता है)
Recognition की सटीकता कैप्चर के समय तय होती है। खराब रोशनी में तिरछे कोण से खींचे गए पन्ने को बाद का कोई सॉफ़्टवेयर नहीं सुधार सकता, और Google की Drive हेल्प अपने टेक्स्ट कन्वर्ज़न के लिए यही सलाह देती है: तीखी इमेज, एक-सी रोशनी और साफ़ कंट्रास्ट इस्तेमाल करें, और मानकर चलें कि सूचियाँ, टेबल और कॉलम छूट जाएँगे। पूरी चेकलिस्ट:
करें
- पन्ने को सपाट दबाएँ; अपना हाथ टेक्स्ट वाले हिस्से से दूर रखें
- बगल से आती दिन की रोशनी, या एक तरफ़ रखा लैंप
- फ़ोन पन्ने के समानांतर रखें, तिरछा नहीं
- फ़्रेम में एक पूरा पन्ना
- पूरा अध्याय करने से पहले एक पैराग्राफ़ कान से जाँचें
न करें
- एक फ़्रेम में दो पन्नों की फ़ोटो लेना
- छत की ऐसी लाइट के नीचे खड़े होना जिससे अपनी ही परछाईं पड़े
- जिल्द की ढलान को टेक्स्ट में घुसने देना
- चमकदार या कोटेड कागज़ पर फ़्लैश इस्तेमाल करना
- एक पन्ना टेस्ट किए बिना पूरे अध्याय की फ़ोटो खींचना
हाथ की लिखावट की अलग चेतावनी ज़रूरी है। Recognition इंजन ज़्यादातर छपे हुए टाइप पर ट्रेन होते हैं, और हाथ से लिखे लेक्चर नोट्स पर नतीजे हस्तलेख कितना सुथरा है उसके हिसाब से काम चलाऊ से लेकर पढ़ने लायक न होने तक होते हैं। छपा हुआ टेक्स्ट भरोसेमंद मामला है; हस्तलेख को ऐसा बोनस मानें जो कभी-कभी काम कर जाता है।
कानूनी रूप से आप क्या नहीं कर सकते, और ईमानदार विकल्प
अगर किताब Kindle से खरीदी हुई है या Libby जैसे ऐप से लाइब्रेरी से उधार ली गई है, तो ऊपर की कोई बात लागू नहीं होती, और कोई थर्ड-पार्टी टूल यह नहीं बदल सकता, यह टूल भी नहीं।
वे फ़ाइलें एन्क्रिप्टेड होती हैं। कोई रीडर उन्हें खोल नहीं सकता। यह एक कानूनी सीमा है, किसी फ़ीचर की कमी नहीं, और जो भी इसके उलट वादा करे वह आपसे कॉपी प्रोटेक्शन हटाने को कह रहा है। संयुक्त राज्य अमेरिका में Copyright Act की धारा 1201 कहती है "No person shall circumvent a technological measure that effectively controls access to a work protected under this title", हालाँकि नियम और छूटें देश-देश में अलग हैं। असल में काम आने वाले जवाब:
- Kindle के अपने ऐप और डिवाइस पर बिल्ट-इन नैरेशन है, हालाँकि प्रकाशक इसे हर शीर्षक के लिए बंद कर सकते हैं। अगर किसी किताब में text-to-speech उपलब्ध नहीं दिख रहा, तो वह प्रकाशक की सेटिंग है, आपके डिवाइस की खराबी नहीं।
- Libby और Hoopla में असली ऑडियोबुक मिलती हैं। ऑडियो संस्करण उधार लेना आमतौर पर ebook से जूझने से तेज़ है, और लाइब्रेरी ऑडियोबुक कैटलॉग ज़्यादातर लोगों के अनुमान से कहीं बड़े होते हैं।
- वह किताब जो आपके पास भौतिक रूप में है साफ़-सुथरा मामला है। अपनी ही प्रति के पन्ने की फ़ोटो अपने सुनने के लिए खींचना वही वर्कफ़्लो है जो यह पूरी गाइड बताती है।
यह बात साफ़ मान लेने की कीमत उसके फ़ायदे से कम है। जो गाइड दावा करे कि वह आपकी Kindle लाइब्रेरी पढ़ सकती है, वह ऐसी गाइड नहीं जिस पर आप किसी और बात के लिए भरोसा करें।
पूरे अध्याय के लिए आराम से बैठना
जब टेक्स्ट पन्ने से बाहर आ जाए, तो सुनने की व्यवस्था तय करती है कि आप उसे पूरा करेंगे या नहीं।
सोच से धीमे शुरू करें। पहचाने गए टेक्स्ट में कभी-कभी कोई गड़बड़ी होती है, जैसे कोई भटका हुआ अक्षर या वाक्य के बीच गिरा हुआ कैप्शन, और 2× पर आप इंजन की गलती और लेखक के अजीब वाक्य में फ़र्क नहीं कर सकते। पहले कुछ मिनट सामान्य गति से शुरू करें, फिर पन्ने पर भरोसा होने पर गति बढ़ाएँ।
पूरा अध्याय एक ही अपलोड में करें, फ़्री प्लान पर उसे 10 पन्नों के हिसाब से लोड करते हुए। पूरे सेट में आपकी जगह याद रखी जाती है, इसलिए आप बस स्टॉप पर रुककर डेस्क पर वहीं से शुरू कर सकते हैं बिना यह खोजे कि कहाँ थे।
तय करें कि आप किसलिए सुन रहे हैं। अध्याय को शुरू से अंत तक सुनना उसे दोहराने से अलग काम है। अगर लक्ष्य पहली बार पढ़ने की बजाय याद रखना है, तो अपलोड किए उन्हीं पन्नों से फ़्लैशकार्ड या प्रैक्टिस क्विज़ बनाए जा सकते हैं, जो स्कैन किए अध्याय को दो बार सुनने से बेहतर उपयोग है।
और अगर स्रोत आख़िर में सामान्य टेक्स्ट PDF निकले, तो इस पेज के हर recognition चरण को छोड़ दें — PDF को ऑडियोबुक में बदलने की गाइड छोटा रास्ता है।
याद रखने की एक बात
जब कोई किताब पढ़कर नहीं सुनाई जाती, तो समस्या लगभग हमेशा आवाज़ से पहले के चरण में होती है। टेक्स्ट अभी कागज़ से उठा ही नहीं, या खराब तरीके से उठा। जाँचें कि क्या आप कोई शब्द सेलेक्ट कर सकते हैं, न कर सकें तो कैप्चर ठीक करें, और बोलने वाला हिस्सा अपने आप संभल जाएगा।
अध्याय की बजाय एक पन्ने से शुरुआत करें। एक फ़ोटो, एक बार सुनना, तीस सेकंड, और शाम का समय लगाने से पहले ही आपको पता चल जाएगा कि आपकी रोशनी और किताब की जिल्द सहयोग करेंगी या नहीं।