More precise and reliable file saving.

We have enhanced the precision of our OCR recognition feature for better performance.

Files can now be saved as compressed ZIP archives to make file transfer and sharing much easier

Improved scan and OCR recognition accuracy for a smoother experience.

• Added Scanned File OCR Recognition: You can now upload scanned documents (PDFs and images) to automatically extract academic record data. • New OCR Verification Screen: Easily review, verify, and edit the recognized data before running the grade conversion. • Security & Stability Improvements: Enhanced app security and fixed minor bugs for a smoother experience.

Changes made during Excel upload are now applied automatically without having to click a button.

Added feature to enter grade levels directly and upload via Excel. Added manual grade entry and Excel upload features.

Added Gov24 electronic certificate lookup feature. Added Gov24 e-Certificate lookup feature. UNIGO 심사용 계정 아이디: unigo_appreview 비밀번호: unigo_appreview 전자증명서 제출자 이름: 홍길동 문서열람번호: UNIGO-REVIEW-ECERT-2026-V1

Improved the interview card fetching feature from student records for greater stability and accuracy.

Enhanced the save feature for interviews. Added support for parsing password-protected PDFs by entering your password directly.

What's New in UNIGO: * Improved PDF Parser: Restored missing subject records during transcript conversion (up to 63 total subjects). * Enhanced Record Connectivity: Fixed grade level preservation and enabled seamless 6-semester auto-connection. * Updated Conversion Core: Upgraded the iOS core engine for higher text parsing accuracy and overall stability.

[신규] '면접 준비 카드' 분석 및 생성 기능 추가 [편의] 면접 정보 저장 프로세스 간소화 (기본 저장 시 자동 포함) [보안] 원문 대신 핵심 키워드 및 활동 분류 위주의 데이터 저장 최적화

PDF 문서 인식 실패 시 안내 화면 및 해결 방법이 개선되었습니다. 기존에는 인식 실패 시 단순 오류 메시지만 노출되었으나, 이제 스캔본(인쇄본) 사용으로 인한 인식 불가 사유를 명확하게 안내합니다. 문제 해결을 위해 정상적인 원본 PDF 다운로드 방법 가이드를 추가했습니다. 원본 확보가 어려운 스캔본의 경우, 대안으로 OCR(광학 문자 인식) 기능을 활용할 수 있도록 제안하는 화면이 추가되었습니다.

App Review Notes: This update focuses on enhancing academic record parsing stability and data integrity: Data Parsing Strictness: Eliminated arbitrary estimations for missing student data (grade, semester, credit units). Improved parser logic to filter out ambiguous or mixed grade-cell formats. Conservative Evaluation Model: Implemented a verification safeguard requiring at least 60% subject/credit unit coverage before generating university cutoff comparisons. UI Enhancements: Added detailed evidence metrics (valid subject counts, coverage percentages, and evaluation eligibility status) on the evaluation result screen.

로컬 AI 분석 안정성 및 호환성을 개선했습니다. 기기 내 로컬 AI 모델의 설치·실행 과정을 보완하고 분석 안정성을 강화했습니다. 로컬 AI 적용이 어려운 경우에도 기존 규칙 기반 분석 결과를 안전하게 유지하며, 모델 설치 및 분석 진행 상태를 보다 명확하게 확인할 수 있도록 개선했습니다.

Mac에서도 로컬 AI 분석을 더 폭넓게 사용할 수 있도록 개선했습니다. • WebGPU 지원 환경에서는 고속 로컬 AI 분석을 제공합니다. • WebGPU를 사용할 수 없는 Mac에서는 CPU 호환 모드로 자동 전환합니다. • 기기 환경에 따라 WebGPU, CPU 호환 모드 또는 규칙 기반 분석을 자동으로 선택합니다. • 로컬 AI 분석을 사용할 수 없거나 중단된 경우에도 기존 규칙 기반 결과를 안전하게 유지합니다. • 로컬 AI 모델 설치 및 실행 상태 안내와 전반적인 안정성을 개선했습니다. CPU 호환 모드는 기기 성능에 따라 분석 시간이 더 오래 걸릴 수 있습니다.

더 세밀한 학종 분석을 위한 선택형 기기 내 로컬 AI 기능을 새롭게 추가했습니다. • iOS 26 이상 지원 기기에서 로컬 AI를 설치해 학생부를 보다 세밀하게 분석할 수 있습니다. • 탐구 깊이, 주도성, 활동 연속성, 융합·확장성, 공동체성을 반영한 참고용 20점 정성평가를 제공합니다. • 로컬 AI 분석 전후 결과와 근거 반영 범위, 신뢰도, 규칙 기반 보완 여부를 확인할 수 있습니다. • 로컬 AI를 사용할 수 없거나 분석이 중단된 경우에도 기존 규칙 기반 결과를 안전하게 유지합니다. • 로컬 AI 모델의 설치와 삭제를 앱에서 직접 관리할 수 있습니다. • 학생부 내용은 외부 서버로 전송하지 않고 기기 안에서 처리합니다. 로컬 AI는 사용자가 선택한 경우에만 설치됩니다. 최초 설치와 준비에는 시간이 걸릴 수 있습니다. 정성평가 결과는 참고용이며 대학의 공식 평가점수 또는 합격 가능성을 의미하지 않습니다.

[기능 설명: 나이스(NEIS) HTML 인식 기능] 1. 기능 목적: 나이스(교육행정정보시스템)에서 다운로드한 HTML 파일도 pdf 처럼 파싱되도록 추가했습니다 2. 테스트 방법: - 1단계: 앱 실행 후 [메뉴 위치]로 이동합니다. - 2단계: '학생부 문서 선택' 버튼을 클릭합니다. - 3단계: 첨부된 샘플 파일(`sample_neis.html`)을 선택하여 업로드합니다. - 4단계: 정상적으로 파싱되어 화면에 출력되는 것을 확인합니다. 3. 첨부 파일: - https://drive.google.com/file/d/1bS4eFPLCTruCkZWgKtPbo-h5IJ0BwCny/view?usp=sharing 4. 개인정보 보호: - HTML 파싱 작업은 사용자 기기 내부(Local)에서만 수행됩니다. - 개인정보를 포함한 어떤 데이터도 외부 서버로 전송되거나 저장되지 않습니다.

학생부 PDF의 교과 성적 인식 정확도를 개선했습니다. 페이지가 나뉘거나 과목명이 여러 줄로 표시되는 문서에서 일부 교과목이 누락되던 문제를 수정했습니다. 문서 확인 및 로컬 변환 과정의 안정성을 개선했습니다.

pdf 확대나 축소가 된 파일도 인식 잘되게 보완 패치