스캔한 PDF 파일 200개가 포함된 폴더가 있습니다. 오래된 계약서, 보관된 보고서, 10년 전의 회의록. 그 중 검색 가능한 항목이 없습니다. 특정 문서를 찾는다는 것은 각 파일을 열고 눈으로 스캔하는 것을 의미하는데, 이는 컬렉션이 늘어남에 따라 속도가 느리고 오류가 발생하기 쉬우며 지속 불가능합니다. 한 번에 하나의 파일이 아닌 전체 배치에 대해 OCR을 동시에 실행해야 합니다.
일괄 OCR이 솔루션이며 대부분의 사람들이 생각하는 것보다 더 쉽게 접근할 수 있습니다. 기업 문서 관리 시스템이나 서버 팜이 필요하지 않습니다. 프로젝트 규모와 선택한 도구에 따라 하루가 끝날 때까지 검색 가능한 PDF가 200개까지 있을 수 있습니다. 핵심은 볼륨과 기술에 대한 편안함에 적합한 접근 방식을 선택하는 것입니다.
시작하기 전: 문서 배치 구성 및 평가
대규모 배치 OCR 프로젝트는 준비 과정에서 죽거나 죽습니다. 모든 PDF를 단일 폴더에 모으는 것부터 시작하십시오. 일관되게 이름을 지정하십시오. 현재 파일 이름이 scan001.pdf, scan002.pdf 등인 경우 OCR을 실행하기 전에 설명이 포함된 이름으로 바꾸십시오. OCR 프로세스는 파일 이름을 변경하지 않으며 파일 이름에 포함된 내용이 표시되면 나중에 특정 문서를 찾는 것이 훨씬 쉽습니다.
다음으로 스캔 품질을 평가합니다. 10~20개 파일의 무작위 샘플을 열고 해상도, 왜곡, 대비를 확인하세요. 대부분의 스캔이 300DPI 이상이고 수직이며 밝은 배경에 어두운 텍스트가 있는 경우 배치 OCR은 최소한의 수동 개입으로 탁월한 결과를 생성합니다. 스캔의 해상도가 낮거나, 기울어지거나, 배경 색상이 있는 경우 정확도가 낮아지고 수동 검토 및 수정을 위한 계획 시간이 필요합니다. PDF Association의 2025년 벤치마크에 따르면 깨끗한 300 DPI 스캔의 OCR 정확도는 평균 97% 이상인 반면, 동일한 문서의 150 DPI 스캔은 약 87%로 떨어졌습니다(PDF Association, "OCR Accuracy Benchmark Report", 2025). 입력의 품질이 출력의 품질을 결정합니다.
옵션 1: 중소 규모 배치를 위한 브라우저 기반 배치 OCR
최대 20~30개 파일 배치의 경우 브라우저 기반 OCR PDF 도구가 가장 간단한 경로를 제공합니다. WukongPDF의 OCR 도구는 한 세션에서 여러 파일을 처리합니다. 파일을 업로드하고 OCR 언어를 선택한 후 처리를 시작하세요. 이 도구는 각 페이지에 검색 가능한 텍스트 레이어를 추가하고 파일을 검색 가능한 PDF로 반환합니다. 처리가 완료되면 모두 다운로드하세요.
이 접근 방식에는 소프트웨어 설치, 스크립팅 및 기술 설정이 필요하지 않습니다. 단점은 각 파일을 업로드하고 다운로드해야 한다는 것입니다. 이는 인터넷 연결 속도와 관련된 파일 크기에 비례하여 시간이 걸립니다. 각각 5MB 크기의 파일 10개에 대해 총 전송량은 최대 50MB, 최대 50MB이며 모든 광대역 연결에서 관리할 수 있습니다. 각각 20MB의 파일 100개에 대해 총 전송량은 2GB 증가 및 2GB 감소하므로 대부분의 연결에서 시간이 걸립니다. 이러한 규모에서는 데스크톱 기반 접근 방식이 더욱 실용적이 됩니다.
옵션 2: 대규모 배치 및 전체 제어를 위한 데스크톱 소프트웨어
Adobe Acrobat Pro에는 바로 이러한 사용 사례를 위해 설계된 일괄 OCR 기능이 포함되어 있습니다. Acrobat을 열고 도구로 이동하여 스캔 향상을 선택한 다음 텍스트 인식을 선택합니다. "여러 파일에"를 선택하세요. 드롭다운에서 PDF가 포함된 폴더를 추가하고 OCR 설정, 언어, 출력 형식 및 품질을 구성한 다음 확인을 클릭합니다. Acrobat은 폴더의 모든 파일을 처리하고 검색 가능한 버전을 원본과 함께 저장하거나 선택한 새 출력 폴더에 저장합니다.
데스크톱 접근 방식은 대규모 프로젝트에 여러 가지 장점이 있습니다. 인터넷 속도에 의존하지 않습니다. 컴퓨터가 유휴 상태인 동안 밤새 실행될 수 있습니다. 여러 언어가 포함된 파일, 특이한 글꼴 또는 방향이 혼합된 페이지와 같이 특별한 처리가 필요한 문서의 OCR 매개변수를 세밀하게 제어할 수 있습니다. 가장 큰 단점은 비용입니다. Acrobat Pro에는 구독이 필요합니다. 업무를 통해 이미 가지고 있다면 일괄 OCR 기능이 여러분을 기다리고 있습니다. 그렇지 않은 경우 프로젝트 규모가 구독 비용을 정당화하는지 평가하십시오.
옵션 3: 기술 사용자를 위한 무료 명령줄 OCR
Google에서 유지 관리하는 오픈 소스 OCR 엔진인 Tesseract는 셸 스크립트를 사용하여 전체 PDF 폴더를 처리할 수 있습니다. Mac의 Homebrew 또는 사전 구축된 Windows 설치 프로그램을 통해 Tesseract를 설치합니다. 폴더의 각 PDF를 가져와서 이미지로 변환하고, 각 이미지에서 Tesseract를 실행하고, 인식된 텍스트를 검색 가능한 새 PDF로 재조립하는 간단한 루프 스크립트를 작성하세요. 이 접근 방식은 비용이 전혀 들지 않으며 완전히 오프라인으로 실행되며 수천 개의 파일로 확장됩니다.
절충안은 기술적 복잡성입니다. Tesseract는 명령줄 도구입니다. 페이지 크기가 혼합된 PDF, DPI 메타데이터가 누락되거나 잘못된 파일, 파일별로 텍스트 인식 언어를 지정해야 하는 문서 등 불가피한 극단적인 경우를 디버깅하려면 터미널에 대한 편안함, 기본 스크립팅 지식 및 인내심이 필요합니다. 기술적으로 개인 프로젝트를 진행하는 사용자에게 Tesseract는 강력하고 무료입니다. 명령줄 인터페이스를 배우지 않고도 작동하는 솔루션을 원하는 사람에게는 브라우저 기반 또는 데스크톱 접근 방식이 훨씬 더 접근하기 쉽습니다.
품질 관리: 일괄 OCR 결과 확인
대규모 스캔 PDF 파일 세트에 대해 일괄 OCR을 실행한 후 체계적인 품질 검사를 통해 6개월 후 파일의 1/4에 잘못된 텍스트 레이어가 있음을 발견하는 시나리오를 방지할 수 있습니다. 모든 파일의 모든 페이지를 검사할 필요는 없지만 대표 샘플을 확인해야 합니다.
배치 시작 부분에서 하나의 파일, 중간에서 하나, 끝에서 하나를 엽니다. 각 파일에 대해 페이지에서 볼 수 있는 단어에 대해 Ctrl+F 검색을 실행하세요. 커서로 텍스트를 선택해 보세요. 눈에 보이는 텍스트와 비교하면서 단락을 훑어보세요. 세 가지 샘플 파일이 모두 이러한 테스트를 통과하면 배치 OCR이 전반적으로 성공할 가능성이 높습니다. 하나 이상의 샘플에 문제가 있는 경우 더 큰 샘플(파일의 10% 정도)을 열어 문제가 고립되어 있는지 또는 널리 퍼져 있는지 평가하십시오.
일반적인 배치 OCR 실패에는 언어가 잘못 설정된 파일이 포함되어 모든 악센트 문자나 비라틴어 문자가 횡설수설로 렌더링되고 기울기 조정 알고리즘이 수정할 수 없는 심각한 왜곡이 있는 파일, 해상도가 너무 낮아 안정적으로 인식할 수 없는 파일이 포함됩니다. 이러한 각 오류에는 특정 수정 사항이 있습니다. 언어 설정을 수정하거나, 스캔의 기울기를 수동으로 조정하거나, 영향을 받은 파일에 대해 OCR을 다시 실행하기 전에 더 높은 해상도로 다시 스캔하는 것입니다.
일괄 OCR이 완료되고 품질 검사를 통과한 후에는 스캔되지 않은 원본 파일을 OCR 처리 버전과 별도로 저장하십시오. 디스크 공간이 저렴합니다. 원본을 사용할 수 있다는 것은 나중에 더 나은 OCR 엔진을 사용할 수 있게 되거나 특정 설정으로 더 나은 결과를 얻을 수 있다는 것을 발견한 경우 OCR을 다시 실행할 수 있다는 의미입니다. 이 작은 보관 습관으로 인해 수많은 프로젝트에서 첫 번째 OCR 통과 후 폐기된 실제 문서를 다시 스캔해야 하는 수고를 덜었습니다.