OCR PDF đọc từng trang quét bằng Tesseract, công cụ nhận dạng văn bản mã nguồn mở chạy trong trình duyệt của bạn. Nó thêm một lớp văn bản vô hình lên trên các trang gốc: tài liệu trông y hệt, nhưng giờ bạn có thể tìm kiếm, chọn từ và sao chép. Bạn cũng nhận được văn bản đã nhận dạng dưới dạng tệp .txt.
Cách hoạt động
- Thả PDF đã quét vào.
- Chọn ngôn ngữ của tài liệu, và cả tiếng Anh nếu văn bản lẫn cả hai.
- Chọn Làm cho tìm kiếm được, rồi tải PDF tìm kiếm được hoặc văn bản xuống.
Tệp được hỗ trợ
Đầu vào: một PDF gồm các trang quét hoặc chụp ảnh. Đầu ra: chính PDF đó có lớp văn bản tìm kiếm được, kèm một tệp .txt.
Tối đa 400 MB mỗi PDF trên máy tính, 150 MB trên iPhone và iPad. Tệp lớn hơn tùy thuộc vào bộ nhớ của thiết bị.
Khi nào hữu ích
- Tìm kiếm trong hợp đồng, hóa đơn hay ghi chép bài giảng đã quét.
- Sao chép một đoạn từ bản quét thay vì gõ lại.
- Giúp kho tài liệu giấy được công cụ tìm kiếm của máy tính tìm thấy.
Chất lượng và giới hạn
- Nhận dạng không bao giờ hoàn hảo: hãy kiểm tra tên, số và số tiền.
- Chữ viết tay được nhận dạng kém; chữ in cho kết quả tốt nhất.
- Tài liệu dài cần thời gian, nhất là trên điện thoại: hãy tính vài giây mỗi trang.
Sự cố thường gặp
- “Không tìm thấy văn bản trên các trang này.”
- Kiểm tra ngôn ngữ đã chọn, và bản quét có rõ nét, thẳng hay không. Ảnh chụp nghiêng được nhận dạng kém.
- Lần đầu chạy chậm.
- Mô hình ngôn ngữ (2–4 MB) được tải từ trang web này ở lần đầu, sau đó trình duyệt dùng lại.
Quyền riêng tư ngay từ thiết kế
Công cụ này chạy hoàn toàn trong trình duyệt của bạn bằng JavaScript. Tệp được đọc và xử lý trên thiết bị của bạn và không bao giờ được tải lên máy chủ. Đóng thẻ là mọi thứ biến mất.
Câu hỏi thường gặp
Hỗ trợ những ngôn ngữ nào?
19 ngôn ngữ của trang web này, từ tiếng Anh, Pháp, Đức đến tiếng Nhật, Hàn, Trung phồn thể và Ả Rập. Bạn có thể thêm tiếng Anh cho bất kỳ ngôn ngữ nào với tài liệu song ngữ.
Bản quét của tôi có bị tải lên không?
Không. Nhận dạng văn bản chạy trong trình duyệt, trên thiết bị của bạn.
Giao diện các trang có thay đổi không?
Không. Các trang gốc giữ nguyên; một lớp văn bản vô hình được thêm lên trên.