OCR PDF

Giúp file PDF scan tìm kiếm được và sao chép được chữ. Các trang trông y hệt như cũ, và file vẫn nằm trên thiết bị này.

Chọn PDF hoặc ảnhhoặc thả file vào đây

Không tải lênFile của bạn ở lại trên thiết bị này.
Dữ liệu ngôn ngữ chỉ tải một lầnChỉ tải dữ liệu nhận dạng của các ngôn ngữ bạn chọn, rồi lưu lại trên thiết bị này.
Miễn phí, không cần đăng kýKhông cần tài khoản, không giới hạn số lần mỗi ngày.

Điều gì xảy ra với file của bạn

Mọi bước dưới đây đều diễn ra trong trình duyệt, ngay trên thiết bị của bạn. File PDF hay ảnh của bạn không bao giờ được tải lên, nên không ai khác, kể cả chúng tôi, có thể xem được.

Bộ đọc chữ là Tesseract, một công cụ OCR miễn phí và mã nguồn mở, chạy ngay trong trình duyệt của bạn. Nó được tải từ chính pdfMB, không phải từ máy chủ của công ty khác.
Lần đầu bạn dùng một ngôn ngữ, dữ liệu của ngôn ngữ đó (từ 0,5 đến 3 MB) được tải về từ pdfMB và lưu trong trình duyệt. Đó là lần tải duy nhất: file của bạn không đi đâu cả.
Mỗi trang được vẽ thành ảnh ở 300 dpi rồi đọc từng dòng. Những trang đã có chữ thật sẽ được bỏ qua, trừ khi bạn yêu cầu đọc.
Những chữ đọc được sẽ được thêm vào trang dưới dạng chữ ẩn, đặt đúng lên trên chính những chữ đó trong ảnh. Nhờ vậy bạn có thể tìm kiếm, chọn và sao chép trong bất kỳ trình đọc PDF nào.
Không có gì trên trang bị vẽ lại hay nén lại. Phần chữ mới được thêm vào cuối file, còn file gốc vẫn nằm nguyên bên trong, không đổi một byte nào.
Ảnh được đưa vào PDF đúng như cũ (ảnh JPEG không bị nén lại), và chữ được thêm lên trên.

Tóm tắt các bước

Chọn PDF hoặc ảnh
Kiểm tra ngôn ngữ
Bấm “Đọc”
Tải xuống hoặc sao chép văn bản

Cách giúp file PDF scan tìm kiếm được

Chọn một file PDF, hoặc một hay nhiều ảnh chụp trang tài liệu.
Kiểm tra ngôn ngữ. Ngôn ngữ của trang web này và tiếng Anh đã được chọn sẵn; hãy thêm bất kỳ ngôn ngữ nào khác có trong tài liệu.
Bấm “Đọc”. Các trang được đọc lần lượt, và bạn thấy được trang nào đang được đọc.
Tải PDF tìm kiếm được về, hoặc sao chép phần chữ và lưu thành file .txt.

Mẹo để có kết quả tốt

Hãy scan ở 300 dpi nếu máy scan cho phép chọn. Ở độ phân giải thấp hơn, chữ nhỏ rất khó đọc.
Chụp trang thật phẳng, thẳng chính diện và đủ sáng, không có bóng đổ lên chữ. Công cụ Scan sang PDF sẽ nắn thẳng trang giúp bạn.
Xoay những trang nằm ngang hoặc lộn ngược về đúng chiều trước, bằng Xoay PDF.
Chỉ chọn những ngôn ngữ thật sự có trong tài liệu. Ngôn ngữ thừa làm việc đọc chậm hơn và có thể gây thêm lỗi.
Chữ viết tay, chữ in rất nhỏ và phông chữ trang trí thường đọc kém, nên hãy kiểm tra phần chữ trước khi dựa vào nó.

Khi nào mọi người dùng công cụ này

Hợp đồng và thư từ đã scan

Tìm tên, ngày tháng hay số tiền trong một tài liệu scan dài bằng Ctrl+F thay vì đọc từng trang.

Giấy tờ cũ và hồ sơ lưu trữ

Giúp cả thư mục trang scan tìm kiếm được, để máy tính tìm ra tài liệu theo chữ bên trong.

Ảnh chụp thông báo và hóa đơn

Sao chép chữ từ ảnh chụp thông báo, thực đơn hay hóa đơn rồi dán vào tin nhắn hoặc công cụ dịch.

Tài liệu có nhiều ngôn ngữ

Chọn từ hai ngôn ngữ trở lên, ví dụ tiếng Việt và tiếng Anh, và cả hai đều được đọc trên cùng một trang.

Những gì công cụ không làm được

OCR có thể sai, nhất là với ảnh mờ, chữ nhỏ, bảng biểu và chữ viết tay. Luôn kiểm tra lại tên, con số và số tiền quan trọng.
Chữ được đọc theo dòng ngang. Chữ Trung hoặc chữ Nhật viết dọc, và các trang bị xoay ngang, sẽ không được đọc đúng.
Bố cục không được dựng lại. Bạn nhận được phần chữ tìm kiếm được đặt trên trang gốc, chứ không phải một tài liệu Word chỉnh sửa được.
Trong thử nghiệm của chúng tôi, một số ngôn ngữ được đọc kém chính xác hơn các ngôn ngữ khác. Chúng được đánh dấu “độ chính xác thấp hơn” trong danh sách ngôn ngữ.
Dữ liệu ngôn ngữ được tải về vào lần đầu bạn dùng ngôn ngữ đó (dung lượng được hiển thị trước khi bắt đầu), nên lần đầu cần có kết nối internet.
Việc đọc diễn ra trên thiết bị của bạn, nên sẽ chậm hơn trên điện thoại cũ, và tài liệu rất dài có thể làm điện thoại hết bộ nhớ. Hãy tách thành nhiều phần trước.
Không đọc được PDF có mật khẩu, cũng như PDF mà chủ sở hữu đã chặn chỉnh sửa.

Câu hỏi về OCR

OCR là gì?

OCR (nhận dạng ký tự quang học) là việc đọc các chữ trong một bức ảnh và biến chúng thành văn bản thật. File PDF scan chỉ là ảnh chụp các trang, nên bạn không thể tìm kiếm hay sao chép chữ trong đó cho đến khi nó được xử lý OCR.

File PDF của tôi có bị thay đổi hình thức không?

Không. Chữ được thêm vào dưới dạng một lớp ẩn, nên các trang trông y hệt như cũ. Trong thử nghiệm của chúng tôi, các trang trước và sau giống nhau đến từng điểm ảnh.

Tài liệu của tôi có bị tải lên không?

Không. Bộ đọc chữ chạy trong trình duyệt của bạn. Thứ duy nhất được tải về là dữ liệu ngôn ngữ, từ pdfMB. File của bạn không bao giờ được gửi đi đâu.

Công cụ đọc được những ngôn ngữ nào?

32 ngôn ngữ của trang web này, gồm tiếng Anh, tiếng Thái, tiếng Trung (giản thể và phồn thể), tiếng Nhật, tiếng Hàn, tiếng Ả Rập, tiếng Do Thái, tiếng Hindi, tiếng Bengal, tiếng Miến Điện, tiếng Nga và tiếng Việt. Hãy chọn nhiều ngôn ngữ nếu tài liệu có lẫn nhiều thứ tiếng.

Độ chính xác thế nào?

Với trang in rõ nét, hầu hết các ngôn ngữ đọc đúng gần như mọi ký tự. Ảnh chụp, chữ nhỏ và một số hệ chữ viết thì khó hơn. Chúng tôi đã thử nghiệm từng ngôn ngữ và đánh dấu những ngôn ngữ yếu hơn là “độ chính xác thấp hơn”.

Vì sao một số trang bị bỏ qua?

Những trang đã có chữ thật, như trang tạo bằng Word, không cần OCR nên được giữ nguyên. Đánh dấu “Đọc cả những trang đã có chữ” để vẫn đọc các trang đó.

Tôi có thể chỉ lấy phần chữ không?

Có. Sau khi đọc xong, phần chữ hiện ra bên dưới nút tải về. Bấm “Sao chép chữ”, hoặc “Tải file .txt” để lưu thành file văn bản thuần.