Cách sử dụng OCR PDF
- 1
Thêm PDF đã quét
Thả tệp từ máy quét hoặc ứng dụng quét trên điện thoại; công cụ sẽ kiểm tra có bao nhiêu trang đã có văn bản chọn được.
- 2
Chọn ngôn ngữ
Tiếng Anh được chọn sẵn và ngôn ngữ trình duyệt của bạn sẽ được gợi ý; thêm tối đa bốn ngôn ngữ thực sự xuất hiện trong tài liệu.
- 3
Đặt độ chính xác và trang
Tốt nhất đọc trang ở 300 DPI, Nhanh hơn ở 200 DPI. Bạn có thể giới hạn trong một khoảng trang và chọn Bỏ qua trang đã có văn bản.
- 4
Tải xuống kết quả
Lưu PDF có thể tìm kiếm, hoặc tải xuống toàn bộ nội dung nhận dạng được dưới dạng tệp .txt, có dấu đánh dấu trước mỗi trang.
Giới hạn và Pro
Miễn phí: PDF tối đa 50 MB, OCR tối đa 200 trang mỗi lượt và tối đa 4 ngôn ngữ nhận dạng cùng lúc trong 47 ngôn ngữ.
Pro nâng giới hạn lên 5.000 trang mỗi lượt và tệp tối đa 4 GB; tốc độ nhận dạng vẫn phụ thuộc vào bộ xử lý của thiết bị. Xem Pro
Về OCR PDF
Kết quả là chính tệp PDF gốc của bạn, được thêm một lớp văn bản vô hình vào từng trang đã quét. Bản quét không bị nén lại hay vẽ lại nên trông y như trước, nhưng mỗi từ nhận dạng được giờ nằm đúng vị trí trên trang: Ctrl+F tìm được, nhấp và kéo để chọn, còn sao chép và dán sẽ ra văn bản thật. Trang được dựng ở 300 DPI (200 DPI ở chế độ Nhanh hơn) và được đọc bằng Tesseract, công cụ OCR mã nguồn mở chạy dưới dạng WebAssembly ngay trên trình duyệt, xử lý song song nhiều trang và có dòng trạng thái cho từng trang.
Trang quét bị nghiêng ngang hoặc ngược đầu sẽ được phát hiện và đọc đúng chiều. Trang đã có văn bản chọn được có thể bỏ qua để tài liệu hỗn hợp không bị xử lý hai lần. Lớp văn bản được lưu dạng Unicode, nên kết quả tiếng Nga, Hy Lạp, Ả Rập, Do Thái, Hindi, Thái, Trung, Nhật và Hàn đều tìm kiếm và sao chép được như chữ Latinh. Bạn cũng có thể xuất văn bản thuần gom toàn bộ nội dung nhận dạng theo từng trang.
Cách dùng thường gặp: làm cho thư từ và hợp đồng lưu trữ có thể tìm kiếm, lấy số liệu từ hóa đơn đã quét, chuẩn bị bản quét để chuyển sang Word, hoặc cung cấp văn bản cho người dùng trình đọc màn hình nghe.
Độ chính xác phụ thuộc vào bản quét. Văn bản in rõ nét ở 300 DPI thường được đọc gần như hoàn hảo; chữ viết tay, ảnh chụp độ tương phản thấp, phông chữ cách điệu, chữ quá nhỏ và trang chụp nghiêng nhiều sẽ gây thêm lỗi. Trang bị nghiêng mạnh không được làm thẳng, và công cụ đọc từng từ chứ không đọc bố cục, nên cột và bảng sẽ thành các dòng văn bản thường khi xuất.
Quyền riêng tư
Trang quét được dựng và nhận dạng ngay trong thẻ trình duyệt này bằng Tesseract biên dịch sang WebAssembly; cả PDF lẫn văn bản nhận dạng đều không được gửi lên máy chủ. Công cụ và tệp ngôn ngữ bạn chọn, mỗi tệp 2 đến 15 MB, chỉ tải một lần từ CDN công khai rồi được trình duyệt lưu đệm.
Tính năng
Tìm kiếm và sao chép
Các từ nhận dạng được đặt đúng vị trí trên bản quét, nên tìm, chọn và sao chép hoạt động trong Acrobat, Preview, Chrome và các trình đọc khác.
Giữ nguyên chất lượng bản quét
Chỉ thêm một lớp vô hình nên con dấu, chữ ký và ảnh giữ độ nét gốc, còn dung lượng tệp gần như không tăng.
47 ngôn ngữ
Từ tiếng Anh, Tây Ban Nha, Đức đến Ả Rập, Hindi, Trung, Nhật và Hàn, kết hợp tối đa bốn ngôn ngữ cùng lúc.
Trang bị xoay
Trang nghiêng ngang hoặc ngược đầu sẽ được thử lại ở từng hướng và giữ kết quả đọc tốt nhất.
Tài liệu hỗn hợp
Trang đã có lớp văn bản được giữ nguyên, giúp tiết kiệm thời gian với PDF chỉ quét một phần.