OCR cho PDF

Công cụ miễn phí đọc chữ trong PDF scan bằng OCR (nhận dạng ký tự quang học) và chuyển thành PDF tìm kiếm được. Văn bản đọc được được thêm vào trang dưới dạng văn bản ẩn, nên trang trông vẫn như cũ. PDF được xử lý trong trình duyệt và không bao giờ bị tải lên. Mỗi lần bạn có thể đọc tối đa 200 trang (30 trang trên thiết bị xử lý chậm hơn). Bạn có thể mở PDF tối đa 200 MB mỗi tệp (100 MB trên điện thoại và máy tính bảng).

Đang kiểm tra môi trường của bạn…

Chỉ khi PDF có trang chứa chữ dạng hình ảnh, lần chạy đầu mới tải mô hình AI (khoảng 17 MB) từ trang này; những lần sau dùng bản đã lưu trong trình duyệt. PDF của bạn không bao giờ bị tải lên.

Cài đặt

Cách sử dụng

  1. 1

    Thêm PDF

    Chọn hoặc thả các PDF cần đọc. Bạn có thể thêm nhiều PDF cùng lúc. PDF của bạn không bao giờ bị tải lên.

  2. 2

    Chọn ngôn ngữ của tài liệu

    Trong “Ngôn ngữ tài liệu”, chọn ngôn ngữ của PDF. Để chỉ đọc một số trang, hãy nhập chúng vào “Phạm vi trang”.

  3. 3

    Đọc và lưu

    Nhấn “Chạy” để đọc các trang có chữ dạng hình ảnh và tạo PDF có lớp văn bản. Lưu bằng “Lưu”, và kiểm tra các dòng đã nhận dạng bằng “Kiểm tra văn bản đã nhận dạng”.

Về OCR cho PDF

Chữ được đọc bằng mô hình nhận dạng văn bản của PaddleOCR (PP-OCRv6, Apache-2.0), chạy ngay trong trình duyệt của bạn. Chỉ khi PDF có trang chứa chữ dạng hình ảnh, lần chạy đầu mới tải mô hình AI (khoảng 17 MB) từ trang này; những lần sau dùng bản đã lưu trong trình duyệt. Trên thiết bị không dùng được GPU (WebGPU), quá trình xử lý chạy trên CPU và lâu hơn so với GPU. Sau khi đọc xong trang đầu, công cụ ước tính tổng thời gian dựa trên thời gian trang đó mất trên thiết bị của bạn và hiển thị ra. Văn bản ẩn dùng phông chữ tạo từ GlyphLessFont của Tesseract (Apache-2.0).

Trang đã có dữ liệu văn bản và trang đã có lớp văn bản OCR không được đọc và giữ nguyên. Trên trang có cả dữ liệu văn bản lẫn hình ảnh, chỉ những phần không chồng lên dữ liệu văn bản được đọc. Trang có dữ liệu văn bản bị lỗi mã (chọn văn bản thì ra ký tự khác) không được thêm lớp văn bản. Chọn tiếng Nhật trong “Ngôn ngữ tài liệu” sẽ giới hạn việc nhận dạng ở các ký tự dùng trong tài liệu tiếng Nhật, còn chọn tiếng Hàn sẽ dùng mô hình tiếng Hàn (khoảng 13 MB, không đọc được chữ Hán). Nhấn “Kiểm tra văn bản đã nhận dạng” để xem các dòng đã nhận dạng được khoanh trên trang, trong đó những dòng dễ có lỗi hơn được hiển thị bằng màu khác.

Thông số của công cụ này

Đầu vào
PDF
Đầu ra
PDF
Giới hạn
Không giới hạn số tệp (xử lý hàng loạt). Tối đa 200 MB mỗi tệp (100 MB trên điện thoại và máy tính bảng). Đọc tối đa 200 trang mỗi lần (30 trang trên thiết bị xử lý bằng CPU)
  • Miễn phí, không cần đăng ký, không cần cài ứng dụng
  • Tệp không bao giờ bị tải lên (xử lý trong trình duyệt)

Câu hỏi thường gặp

PDF của tôi có bị gửi đến máy chủ không?

Không. Việc mở PDF, đọc chữ và lưu đều diễn ra trong trình duyệt trên thiết bị của bạn. Thống kê giúp chúng tôi sửa lỗi (khoảng số trang, khoảng số trang và số dòng đã đọc, khoảng thời gian mỗi trang, loại lỗi, v.v.) được gửi đến máy chủ của trang này. Thống kê không bao gồm nội dung PDF, văn bản đã nhận dạng, tên tệp, mật khẩu hay phạm vi trang bạn nhập. Bạn có thể tắt thống kê bằng công tắc “Gửi thống kê xử lý” ở cuối trang.

Công cụ có đọc được PDF có mật khẩu hoặc bị tác giả hạn chế không?

Có. PDF có mật khẩu sẽ mở khi bạn nhập mật khẩu mở. Nếu tác giả đã hạn chế thay đổi nội dung hoặc sao chép và trích xuất, công cụ không đọc PDF cho đến khi bạn nhập mật khẩu quyền hạn (vì thêm lớp văn bản sẽ khiến văn bản bị hạn chế có thể trích xuất được). Công cụ này không đoán mật khẩu, nên nếu bạn không biết mật khẩu quyền hạn, hãy hỏi người đã tạo PDF. Mã hóa của PDF gốc được giữ nguyên trong PDF đã lưu. Nếu PDF có chữ ký số, chữ ký không còn hợp lệ trong PDF đã lưu.

Công cụ có đọc được chữ dọc hoặc chữ viết tay không?

Công cụ được thiết kế cho chữ in viết ngang. Nó cũng đọc được trang chữ dọc, nhưng nhiều lỗi hơn chữ ngang và có thể bỏ sót dấu câu. Không hỗ trợ chữ viết tay.

Văn bản đã nhận dạng có thể có lỗi không?

Có. Tùy cỡ chữ, độ phân giải bản scan và vết bẩn hay độ nghiêng của giấy, một số ký tự có thể bị đọc sai hoặc bỏ sót. Các con số cách xa nhau trong bảng bị đọc sai nhiều hơn văn bản khác. Khi chọn ngôn ngữ tài liệu là “Tiếng Nhật”, các ký tự nằm ngoài bộ chữ Hán JIS cấp 1 và 2 cùng biểu tượng cảm xúc có thể bị đọc thành ký tự trông giống. Trước khi dùng PDF đã lưu, hãy kiểm tra những dòng dễ có lỗi hơn bằng “Kiểm tra văn bản đã nhận dạng”. Công cụ này không sửa được văn bản đã nhận dạng.

Giúp chúng tôi cải thiện dịch vụ

Nếu việc chuyển đổi hoặc nén thất bại, gửi cho chúng tôi tình huống lúc đó giúp chúng tôi tìm ra nguyên nhân. Biết thiết bị và định dạng nào hay lỗi nhất, và quá trình xử lý mất bao lâu, giúp chúng tôi xem lại các định dạng được hỗ trợ và sửa các lỗi gây ra vấn đề. Nếu bạn không phiền, việc giữ tính năng này bật sẽ giúp ích rất nhiều.

Những gì được gửi

  • Công cụ bạn dùng và các cài đặt bạn chọn (định dạng đầu ra, chất lượng, v.v.)
  • Thông số thiết bị (GPU, bộ nhớ, số nhân)
  • Định dạng đầu vào cùng kích thước ước chừng
  • Số tệp thành công hoặc thất bại và thời gian xử lý
  • Loại lỗi và chi tiết khi có sự cố

Những gì không bao giờ được gửi

  • Bản thân tệp và tên tệp
  • Văn bản trong PDF, văn bản bạn đã sửa hoặc bôi đen, mật khẩu, tên phông chữ và phạm vi trang bạn nhập
  • Văn bản đã nhận dạng và vị trí của các dòng đã nhận dạng
  • Địa chỉ IP

Dữ liệu chỉ đến máy chủ riêng của trang này, không bao giờ đến dịch vụ của bên thứ ba.
Để xem danh sách đầy đủ, bao gồm chi tiết mà từng công cụ gửi, hãy xem “Thống kê xử lý” trong chính sách quyền riêng tư.

Chi tiết do công cụ này gửi (chỉ số lượng, thời gian, loại và có/không)

Ngoài “Những gì được gửi”, công cụ này gửi thêm các chi tiết sau.

Công cụ PDF (tất cả)
Khoảng số trang, việc chỉnh sửa có bị hạn chế hay không, có nhập mật khẩu quyền hạn hay không, và PDF có chữ ký hay được mã hóa hay không.
OCR cho PDF
Số đầu vào và đầu ra, số trang được đọc, trang đọc mà không tìm thấy chữ, trang có dữ liệu văn bản không được đọc, trang lẫn dữ liệu văn bản và ảnh, trang đã có lớp văn bản OCR, trang có dữ liệu văn bản bị lỗi ký tự, trang trắng, trang không thể thêm lớp văn bản, trang được sửa hướng và trang có phần nội dung gốc chưa đóng đã được đóng lại, số dòng và ký tự đọc được, số vùng và ký tự không được đọc vì chồng lên văn bản hoặc chú thích có sẵn, và số lượt thêm lớp văn bản (tất cả theo khoảng), khoảng tỷ lệ dòng dọc và dòng dễ có lỗi hơn, khoảng thời gian mỗi trang và thời gian tải mô hình AI, loại và phiên bản mô hình AI và có tải xuống hay không, khoảng độ phân giải kết xuất và có bị giảm hay không, khoảng số phần mà ảnh được chia ra để tìm chữ, thời gian ước tính có vượt quá 15 phút hay không, GPU có trở nên không dùng được hay không, và có áp dụng lại bảo vệ của bản gốc hay không.

Công cụ liên quan