Chuyển đến nội dung
Convertube

OCR PDF

Nhận dạng chữ trên bản PDF scan và thêm một lớp chữ ẩn để tệp tìm kiếm được. Chạy ngay trên thiết bị của bạn — bản scan không bao giờ bị tải lên.

Chạy trên thiết bị của bạnMiễn phí, không giới hạnNhận dạng chữ bằng AI, trên thiết bị của bạn

Thả tệp vào đây

hoặc

Hỗ trợ .pdf · Mỗi lần một tệp · tối đa 150 MB mỗi tệp “Tải lên” và “tải xuống” ở đây nghĩa là trình duyệt đọc một tệp từ thiết bị này và ghi một tệp trở lại vào đó. Tệp của bạn không bao giờ được gửi tới máy chủ — hãy mở bảng Network của trình duyệt và tự xem: không có yêu cầu nào mang theo tệp của bạn.

Câu hỏi thường gặp về OCR PDF

Công cụ này khác gì các công cụ OCR khác?

Khác ở nơi công việc diễn ra. Nhận dạng chữ là tính năng PDF duy nhất mà cả ngành đều chạy trên máy chủ của riêng mình, nên muốn bản scan tìm kiếm được thì phải gửi nó đi đâu đó — mà những bản scan người ta cần làm việc này lại chính là hợp đồng, hoá đơn, hồ sơ y tế và giấy chứng nhận. Ở đây mô hình chạy ngay trên trình duyệt của bạn: nó được tải xuống một lần, khoảng 21 MB, và sau đó tệp không bao giờ rời khỏi máy. Bạn có thể mở bảng Network trong lúc nó chạy và thấy không có yêu cầu nào mang theo tệp.

Nói thật thì độ chính xác thế nào?

Tốt, nhưng không được bảo đảm. Trên một bộ thử nghiệm mười sáu trang được kết xuất với độ nghiêng 0,3 độ — vì bản scan thật lúc nào cũng hơi nghiêng — tỷ lệ nhận đúng ký tự (recall) đo được là 95,2%. Trang sạch, thẳng cho điểm cao hơn; con dấu, chữ viết tay, bản photocopy mờ và trang chụp xiên cho điểm thấp hơn, đôi khi thấp hơn nhiều. Hãy xem nó như cách giúp tài liệu tìm được chứ không phải một bản chép lại: những từ bạn tìm thường sẽ có ở đó, nhưng đây không phải bản chép lời đạt chuẩn pháp lý.

Bản thân bản scan có thay đổi không?

Không, và điều này được kiểm chứng chứ không chỉ khẳng định: sau mỗi lần chạy, SHA-256 của từng luồng hình ảnh trong đầu ra khớp chính xác với đầu vào. Các trang không bao giờ bị giải mã, bị mã hoá lại hay đổi kích thước — chỉ có một lớp chữ và phần mô tả phông chữ của nó được thêm vào, tổng cộng 5,1 KB trên một bản scan hai trang. Nếu bạn cũng muốn tệp nhỏ hơn, hãy nén sau bước này chứ không phải thay cho nó: nén sẽ mã hoá lại hình ảnh, và làm việc đó trước sẽ khiến bộ nhận dạng có ít thông tin hơn để đọc.

Tôi có nhìn thấy hoặc chọn được phần chữ đã thêm không?

Bạn không nhìn thấy nó, nhưng chọn được. Chữ được ghi ở chế độ hiển thị không vẽ gì cả, đặt đúng lên trên những từ mà nó được nhận dạng ra, nên trang trông như chưa hề bị chạm vào trong khi chức năng tìm kiếm, sao chép và trình đọc màn hình đều tìm thấy các từ. Điều đó cũng có nghĩa là không cần nhúng phông chữ nào — các glyph không bao giờ được vẽ, nên chỉ cần bảng ánh xạ ký tự, và phông chữ tốn đúng không byte. Đầu ra đã được đọc lại bằng hai bộ máy PDF độc lập chứ không chỉ bằng bộ chúng tôi dùng, và cả hai đều trả về cùng một đoạn chữ tiếng Trung.

Nếu PDF đã có sẵn chữ thì sao?

Tệp được để nguyên và công cụ sẽ báo cho bạn biết. Một PDF xuất từ Word vốn đã tìm kiếm được, và đặt thêm một lớp nhận dạng lên trên sẽ khiến mỗi lần tìm đều khớp hai lần và mỗi lần sao chép đều ra chữ bị lặp đôi. Công cụ kiểm tra xem các trang có chứa chữ hay không, bằng cách lấy mẫu trong toàn tài liệu; nếu có, ở đây không còn gì để thêm.

Mất bao lâu?

Vài giây mỗi trang với một trang tiếng Trung hoặc tiếng Anh thông thường — đo được từ 2,4 đến 4,0 giây trên máy tính để bàn có tăng tốc phần cứng — cộng thêm lần tải mô hình duy nhất. Một trang học thuật hai cột dày đặc, bốn nghìn ký tự, mất khoảng mười bốn giây. Thời gian phụ thuộc vào lượng chữ trên trang chứ không phải kích thước trang, và trên điện thoại sẽ chậm hơn vài lần.

Chuyển đổi PDF

Công cụ PDF

Chuyển đổi PDFVề định dạng PDF