OCR PDF
Đọc văn bản từ các trang được quét, hoàn toàn trên thiết bị của bạn. Không có gì được tải lên.
Chọn tệp
hoặc thả vào đây
Ctrl+V để dán từ clipboard
tối đa 1 tệp, mỗi tệp 25.0 MB
Ở lại trên thiết bị của bạn. Không có gì được tải lên.
Cách OCR PDF
- Chọn một PDF, hoặc kéo thả tệp vào trang.
- Chọn độ phân giải kết xuất. 150 DPI đọc tốt và giữ bộ nhớ ở mức hợp lý.
- Nhấn Chuyển đổi. Từng trang được vẽ, rồi được OCR đọc trên thiết bị của bạn.
- Tải xuống tệp .txt chứa văn bản nhận dạng được, theo từng trang.
OCR ở đây làm gì và chạy ở đâu
Nhận dạng ký tự quang học đọc chữ từ điểm ảnh. Công cụ này kết xuất từng trang PDF thành hình ảnh, rồi chuyển cho Tesseract, bộ máy OCR mã nguồn mở, được biên dịch sang WebAssembly và chạy hoàn toàn trong tab của bạn. Mô hình ngôn ngữ (tiếng Anh) và bản thân bộ máy được phục vụ từ trang này: không có thông tin nào về tài liệu của bạn bị gửi đi đâu.
Công cụ sinh ra cho những trang mà công cụ trích xuất văn bản không giúp được: bản quét, bản fax, tài liệu chụp ảnh. Đầu ra là văn bản thuần với một phần được đánh dấu cho mỗi trang, sẵn sàng để tìm kiếm, dịch hoặc đưa vào trình biên tập.
Lần dùng đầu sẽ tải bộ máy, vài megabyte, sau đó trình duyệt lưu bộ nhớ đệm. Tốc độ nhận dạng phụ thuộc vào thiết bị của bạn; điện thoại đọc một trang trong vài giây, laptop nhanh hơn.
Giới hạn và lưu ý thực tế
Độ chính xác của OCR phụ thuộc chất lượng hình ảnh. Bản quét 300 DPI sạch đọc gần như hoàn hảo; ảnh chụp hóa đơn nhàu nát bằng điện thoại sẽ có lỗi. 150 DPI là mức mặc định hợp lý; tăng lên 300 với chữ nhỏ.
Hiện chỉ hỗ trợ văn bản tiếng Anh. Chữ viết tay không được nhận dạng: chỉ văn bản in. Tài liệu rất dài nên xử lý theo từng khoảng trang.
Mỗi lần một tài liệu, tối đa 25 MB. Việc nhận dạng chạy trong tab này; hình ảnh trang không bao giờ rời khỏi thiết bị của bạn.
Câu hỏi thường gặp
Vì sao dùng OCR thay vì trích xuất văn bản?
Trích xuất đọc lớp văn bản của PDF số. OCR đọc điểm ảnh của bản quét và ảnh chụp. Nếu trích xuất ra trống, OCR là công cụ cần dùng.
Hỗ trợ những ngôn ngữ nào?
Hiện là tiếng Anh. Có thể bổ sung thêm mô hình ngôn ngữ sau này, mỗi mô hình được phục vụ từ trang này.
Vì sao lần chuyển đổi đầu chậm?
Bộ máy OCR và mô hình ngôn ngữ tải một lần (vài megabyte) rồi được lưu bộ nhớ đệm. Những lần sau bắt đầu ngay.
Tài liệu được quét của tôi có bị tải lên không?
Không. Các trang được kết xuất và đọc bên trong trình duyệt, trên thiết bị của bạn.
Riêng tư từ thiết kế
Ở lại trên thiết bị của bạn. Không có gì được tải lên. Quá trình chuyển đổi chạy trong trình duyệt của bạn: mở tab mạng khi chuyển đổi và bạn sẽ thấy không có gì được gửi đi. Không cần tài khoản, không hình mờ, không giới hạn hằng ngày.