Nhận dạng chữ PDF (OCR)
Trích xuất văn bản từ tài liệu scan bằng công nghệ OCR.
How it works
Chọn PDF
Chọn PDF quét hoặc tài liệu ảnh từ thiết bị của bạn.
Chọn engine
Chọn Tesseract.js (khuyên dùng) hoặc Scribe.js để xử lý OCR.
Trích xuất văn bản
Nhận văn bản tìm kiếm được từ trang quét. Sao chép hoặc tải xuống dưới dạng tệp .txt.
Về OCR PDF
Cách biến PDF quét thành văn bản
Bước 1 — tải lên tệp. Chọn PDF quét từ thiết bị của bạn: kéo và thả hoặc nhấp nút Thêm tệp. PDF quét thực chất chỉ là ảnh trang: chữ thấy được là điểm ảnh, không phải ký tự, nên không thể chọn hay tìm kiếm. Tệp không cần tải lên đâu cả vì được xử lý ngay trong trình duyệt của bạn.
Bước 2 — chọn engine OCR phù hợp. OCR (Optical Character Recognition) phân tích ảnh trang và chuyển chữ nhìn thấy thành dữ liệu văn bản thật, có thể tìm kiếm, chọn và sao chép. Tesseract hợp với tài liệu tiếng Anh bố cục đơn giản và chạy nhanh. PaddleOCR vượt trội cho ngôn ngữ châu Á như tiếng Trung, Nhật, Hàn. Chế độ thông minh kiểm tra văn bản nhúng trước, nên PDF đã có chữ chọn được sẽ được trích xuất ngay mà không cần nhận dạng lại.
Bước 3 — trích xuất rồi tải xuống kết quả. Chạy OCR, sao chép đoạn cần thiết hoặc tải xuống dưới dạng tệp .txt để dùng nơi khác. Cũng có thể tải xuống PDF tìm kiếm được: trang hiển thị y nguyên nhưng chữ nay đã chọn, sao chép và tìm được trong mọi trình xem.
Khi cần OCR
Mỗi khi chữ trong PDF không thể chọn hay tìm kiếm, OCR là giải pháp.
Biến bản quét tìm kiếm được
Hợp đồng, biên lai và biểu mẫu quét thành văn bản tìm kiếm được. Tìm ngay thông tin cần mà không đọc từng trang.
Trích xuất văn bản để tái sử dụng
Sao chép chữ từ tài liệu quét sang email, bảng tính hay tài liệu khác để trích dẫn, xử lý. Không gõ lại tốn thời gian, dễ sai.
Hỗ trợ 20 ngôn ngữ trên thiết bị
Tiếng Anh, tiếng Trung giản thể và phồn thể, Nhật, Hàn, Tây Ban Nha, Pháp, Đức, Ả Rập, Nga và nhiều nữa; engine đám mây Surya tùy chọn hỗ trợ hơn 90 ngôn ngữ. Chọn đúng ngôn ngữ tài liệu để đạt độ chính xác cao nhất.
Chế độ thông minh
Chế độ thông minh kiểm tra văn bản nhúng trước khi chạy. Nếu PDF đã có chữ chọn được, công cụ trích xuất ngay mà không chạy OCR nên nhanh và chính xác hơn.
Các engine OCR
Tự động là chế độ mặc định. Công cụ chọn engine trên thiết bị chính xác nhất cho ngôn ngữ bạn chọn, nên hầu hết mọi người không cần tự chọn. Tesseract, engine mã nguồn mở chạy trong trình duyệt qua WebAssembly, hỗ trợ nhiều ngôn ngữ nhất và chỉ cần tải về một lượng nhỏ.
PaddleOCR vượt trội cho ngôn ngữ châu Á (tiếng Trung, Nhật, Hàn) và có hai bản: mô hình nhanh (tải khoảng 20 MB) cho việc hằng ngày và mô hình chất lượng (khoảng 165 MB) cho độ chính xác cao hơn với tài liệu quan trọng. Florence-2 là mô hình thị giác AI cần WebGPU (Chrome) và xử lý tốt bố cục phức tạp, ví dụ brochure nhiều cột hay biểu mẫu hỗn hợp.
Cho độ chính xác tối đa với tài liệu khó — bảng phức tạp, công thức toán, bố cục hỗn hợp — engine đám mây như Surya (hỗ trợ hơn 90 ngôn ngữ) và GOT-OCR 2.0 gửi ảnh trang lên máy chủ để xử lý bằng mô hình lớn hơn. Các engine này chạy bằng token API Replicate của chính bạn (thậm chí có thể trỏ tới bất kỳ mô hình Replicate công khai nào), và đánh đổi riêng tư lấy độ chính xác cao hơn, nên hãy chọn theo độ nhạy cảm tài liệu.
So sánh
Độ chính xác OCR khác nhau theo engine và loại tài liệu. Điểm khác biệt chính là có thể chọn giữa xử lý cục bộ và đám mây hay không.
| Tính năng | OxygenPDF | Ứng dụng máy tính | Công cụ trực tuyến khác |
|---|---|---|---|
| OCR cục bộ (không cần tải lên) | Chỉ máy tính | ||
| Nhiều lựa chọn engine | |||
| 20 ngôn ngữ trên thiết bị | Hạn chế | ||
| Chế độ thông minh (bỏ qua OCR khi đã có chữ) | |||
| Preset chất lượng (nhanh/cân bằng/tốt nhất) | |||
| Miễn phí sử dụng | Hạn chế |
Riêng tư ngay từ đầu
Tài liệu quét thường chứa nội dung không muốn lưu trên máy chủ bên khác: tờ khai thuế, hồ sơ y tế, giấy tờ tùy thân, hồ sơ pháp lý. Hầu hết công cụ OCR trực tuyến tải ảnh lên xử lý ở máy chủ, và phải tin vào cam kết xóa sau đó.
Công cụ này miễn phí, an toàn, không cần cài đặt và không cần đăng ký — mặc định engine cục bộ chạy trong trình duyệt nên tệp không bao giờ rời thiết bị. Engine đám mây là tùy chọn và được gắn nhãn rõ trước khi chọn.
Nhận dạng chữ PDF (OCR): Câu hỏi thường gặp
Các câu hỏi thường gặp về công cụ này và cách thức hoạt động.
Miễn phí trọn đời
Pro
$29 một lầnCông cụ liên quan
Tiếp tục xử lý các tệp PDF của bạn
Nén PDF
Nén PDF cục bộ, không cần tải lên. Chọn preset hoặc đặt kích thước tệp mục tiêu.
Bảo vệ PDF
Mã hóa tệp PDF của bạn bằng mật khẩu.
Chỉnh sửa PDF
Thêm văn bản, hình ảnh, hình vẽ, khối hình và tô sáng vào file PDF của bạn.
Ký PDF
Thêm chữ ký điện tử vào tài liệu PDF của bạn.
Tách PDF
Tách một tệp PDF thành các trang riêng lẻ hoặc từng tệp nhỏ.
PDF sang Word
Chuyển đổi tài liệu PDF thành tệp Word có thể chỉnh sửa.