OCR PDF
Biến tệp PDF quét thành tệp bạn có thể tìm kiếm, bôi chọn và sao chép chữ. Các trang trông y như cũ, còn chữ được thêm vào thành một lớp vô hình nằm bên trên. Mọi thứ chạy trong trình duyệt, nên bản quét của bạn không bao giờ rời khỏi thiết bị này.
Thả tệp PDF quét vào đây
Tệp của bạn ở lại trên thiết bị này. Không có gì được tải lên.
Cách OCR tệp PDF quét để tìm kiếm được chữ
- Thả tệp PDF quét vào khung ở trên, hoặc bấm “Chọn tệp PDF”. Trang sẽ kiểm tra xem trang nào là ảnh và trang nào đã có sẵn chữ.
- Chọn ngôn ngữ của tài liệu. Dung lượng cần tải của ngôn ngữ đó hiện ra trước khi tải bất cứ thứ gì.
- Bấm “Nhận dạng chữ và tải xuống” rồi đợi từng trang được đọc. Bấm “Dừng” để huỷ bất cứ lúc nào.
- Mở tệp PDF đã tải về và tìm kiếm trong đó. “Tải xuống phần chữ (.txt)” cho bạn riêng phần chữ.
OCR PDF làm được gì
Máy quét và ứng dụng quét trên điện thoại lưu mỗi trang thành một bức ảnh. Tệp PDF trông như tài liệu nhưng lại chẳng khác gì một tấm ảnh: bạn không tìm được chữ, không chọn được một câu, cũng không cho máy đọc to lên được. Công cụ này đọc chữ trong từng ảnh và đặt chúng lên trang thành một lớp chữ vô hình, để chính tệp đó tìm kiếm được.
Những việc công cụ làm
- Đọc chữ in trên các trang quét và thêm vào thành một lớp chữ vô hình, tìm kiếm được, từng trang một
- Giữ mọi trang trông y như cũ. Không có gì bị vẽ lại hay nén lại
- Bỏ qua những trang đã có chữ, và cho bạn biết đó là những trang nào
- Đọc được mười sáu ngôn ngữ, trong đó có tiếng Trung, tiếng Nhật, tiếng Hàn, tiếng Hindi và tiếng Nepal, mỗi ngôn ngữ chỉ được tải về từ trang này khi bạn chọn nó
- Cho bạn thêm phần chữ nhận dạng được dưới dạng tệp .txt
Những việc công cụ không làm
- Tải bản quét của bạn lên. Bộ đọc chữ chạy ngay trong thẻ trình duyệt này
- Đọc chữ viết tay
- Cứu một bản quét kém: chữ in mờ, nhoè, quá nhỏ hoặc bị lệch sẽ bị đọc sai, và những trang khó đọc sẽ được chỉ ra
- Dựng lại bố cục thành tài liệu chỉnh sửa được. Sau đó “PDF sang Word” có thể lấy chữ ra từ tệp đã tìm kiếm được
- Đọc tiếng Ả Rập hay các chữ viết từ phải sang trái, ít nhất là hiện giờ
- Xoay các trang nằm ngang về đúng chiều. Hãy dùng “Xoay PDF” trước
Cập nhật lần cuối
Cần gửi tệp này cho ai đó?
QRSansar, trang web chị em của chúng tôi, lưu trữ tài liệu và cho bạn một đường link ngắn kèm mã QR. Tiện để gửi qua WhatsApp, chiếu trên slide, in lên áp phích hay tờ rơi, và bạn không còn phải lo giới hạn dung lượng tệp đính kèm. Về sau bạn có thể thay tệp khác mà đường link và mã QR vẫn dùng được.
Cần nói rõ điểm khác nhau: đó là dịch vụ lưu trữ, nên tệp của bạn sẽ được tải lên đó. Trên PDFsansar, mọi thứ đều ở lại trên thiết bị của bạn. Chia sẻ là việc duy nhất không làm như vậy được.
Chia sẻ tài liệu trên QRSansar →Công cụ khác
Tất cả đều miễn phí, và đều chạy trong thẻ này mà không tải lên thứ gì.
OCR PDF: câu hỏi thường gặp
Bản quét của tôi có bị tải lên không?
Không. Bộ đọc chữ Tesseract chạy ngay trong thẻ trình duyệt này. Lần đầu bạn dùng, bộ đọc chữ và ngôn ngữ bạn chọn được tải về từ chính trang này, không phải từ trang của ai khác, và trình duyệt sẽ giữ lại chúng. Bản thân tệp PDF được đọc và ghi lại trên thiết bị này, không bao giờ được gửi đi đâu.
Các trang có trông khác đi không?
Không. Mọi trang giữ nguyên y như cũ. Chữ được thêm vào thành một lớp vô hình, đặt đúng lên chỗ chữ hiện trong bản quét, nên khi bạn chọn một câu thì vùng tô sáng nằm đúng trên chữ in. Không có gì bị vẽ lại hay nén lại, và mỗi trang chỉ làm tệp nặng thêm vài kilobyte.
Công cụ đọc được những ngôn ngữ nào?
Tiếng Anh, Tây Ban Nha, Pháp, Đức, Bồ Đào Nha, Ý, Indonesia, Mã Lai, Filipino, Swahili, Việt, Hindi, Nepal, Trung giản thể, Nhật và Hàn. Bạn chọn đúng ngôn ngữ của tài liệu; mỗi ngôn ngữ chỉ được tải về khi bạn chọn, và dung lượng được cho biết trước. Tiếng Ả Rập thì chưa có: công cụ đọc được, nhưng một số trình đọc PDF lại hiện kết quả bị đảo ngược, mà một lượt tìm kiếm không tìm ra chữ thì chẳng có ích gì.
Mất bao lâu?
Trên máy tính, mỗi trang mất vài giây. Đo trên một máy 4 nhân chạy Chrome, trung bình mỗi trang mất 3 đến 9 giây: nhanh nhất là một tờ hoá đơn mua hàng, chậm nhất là một trang tạp chí kín chữ nhỏ, và trang nặng nhất mất 11 giây. Trên điện thoại thì chậm hơn. Lần đầu, bộ đọc chữ và ngôn ngữ phải được tải về trước khi đọc, khoảng 4 MB cho tiếng Anh, và sau đó trình duyệt sẽ giữ lại. Bạn có thể để công cụ chạy ở một thẻ khác, và bấm “Dừng” lúc nào cũng được.
Công cụ đọc chính xác đến đâu?
Với trang in rõ ràng, gần như đúng mọi chữ: trên hai trang tạp chí và báo cáo lấy từ một bộ thử OCR tiêu chuẩn, 99% số chữ được đọc đúng. Với các biểu mẫu quét thật bằng tiếng Đức, Tây Ban Nha, Pháp, Nhật và Trung, con số là 91 đến 96%. Với hoá đơn mua hàng quét lại, chữ nhỏ in trên giấy in nhiệt, là 79%. Lỗi thường rơi vào tên riêng, con số và chữ nhỏ, nên hãy kiểm tra những chỗ đó trước khi dựa vào kết quả. Khi xong, công cụ sẽ chỉ ra những trang nó thấy khó đọc.
Những trang đã có chữ thì sao?
Những trang đó được để nguyên, và công cụ cho bạn biết là trang nào ngay trước khi bắt đầu. Đọc lại chúng sẽ đè thêm một bản sao của từng chữ lên bản đã có. Nếu trang nào cũng đã có chữ, công cụ sẽ báo như vậy và không làm gì cả.
Công cụ có đọc được chữ viết tay không?
Không. Tesseract được làm ra để đọc chữ in. Chữ viết tay sẽ ra một mớ vô nghĩa hoặc không ra gì cả, và trang nào không đọc được chữ nào sẽ được chỉ ra khi xong việc.
Tôi có lấy riêng phần chữ ra được không?
Được. Khi xong sẽ có một nút để tải phần chữ dưới dạng tệp .txt, các trang theo đúng thứ tự. Những trang vốn đã có chữ thì được đưa vào nguyên như cũ.