Trích xuất văn bản từ ảnh hoặc bản scan cục bộ trên trình duyệt qua OCR - không tải lên, không máy chủ.
Đang xử lý cục bộ trên thiết bị của bạn ...
0%
Tệp của bạn chưa bao giờ rời khỏi thiết bị
Không. Mọi thứ chạy trong trình duyệt của bạn - tệp của bạn không bao giờ rời khỏi thiết bị. Cách kiểm chứng điều này
OCR (nhận dạng ký tự quang học) biến hình ảnh chứa văn bản thành văn bản thực sự có thể chọn và sao chép. Bạn chụp ảnh hoặc scan hóa đơn, thư từ hay trang sách rồi nhận nội dung dưới dạng file TXT có thể tìm kiếm, sao chép và xử lý tiếp. Mô hình nhận dạng được sử dụng là công cụ Tesseract mã nguồn mở, chạy hoàn toàn dưới dạng WebAssembly trên trình duyệt - cách tiếp cận tương tự như các công cụ khác trên trang này.
Chọn ngôn ngữ tài liệu từ danh sách - có hơn 100 ngôn ngữ, từ tiếng Việt, tiếng Anh và các ngôn ngữ châu Âu đến tiếng Nga, Ả Rập, Do Thái, Hindi, Nhật, Hàn và Trung. Mỗi ngôn ngữ được hiển thị bằng tên bản địa để dễ tìm. Lựa chọn đúng đảm bảo các chữ cái, dấu thanh và ký tự đặc biệt của chữ viết đó được nhận dạng chính xác. Lần đầu sử dụng, trình duyệt tải xuống một lần công cụ nhận dạng và mô hình ngôn ngữ đã chọn từ trang này (vài megabyte, same-origin, không máy chủ bên thứ ba); sau đó công cụ hoạt động cả khi ngoại tuyến. Thả nhiều hình ảnh cùng lúc - mỗi ảnh tạo ra một file TXT riêng.
Chất lượng nhận dạng phụ thuộc gần như hoàn toàn vào nguồn: ảnh sắc nét, thẳng, độ tương phản cao với văn bản in được nhận dạng rất tốt; ảnh nghiêng, mờ hoặc tối kết quả kém hơn nhiều. Chữ in nhận dạng đáng tin cậy, chữ viết tay thì không. Các cột, bảng và bố cục bất thường được xuất ra dưới dạng văn bản liên tục - thứ tự thường đúng nhưng cấu trúc hình ảnh bị mất. Luôn kiểm tra lại kết quả, đặc biệt với số và tên riêng.
| Định dạng đầu vào | JPG, JPEG, PNG, WEBP, BMP |
|---|---|
| Định dạng đầu ra | TXT |
| Xử lý hàng loạt | Có |
| Xử lý | Cục bộ trong trình duyệt (WebAssembly) |
| Tải tệp lên | Không có |
Giới hạn: Nhận dạng văn bản IN từ hình ảnh rõ nét (JPG, PNG, WebP, BMP) dưới dạng TXT; chữ viết tay không được nhận dạng đáng tin cậy. Hơn 100 ngôn ngữ và nhiều chữ viết (Latin, Cyrillic, Hy Lạp, Ả Rập, Do Thái, chữ viết Ấn Độ, CJK và nhiều hơn) - chọn ngôn ngữ phù hợp với tài liệu. Cột/bảng/bố cục không được giữ nguyên cấu trúc, chỉ xuất ra dưới dạng văn bản liên tục. Nhận dạng không hoàn hảo - kiểm tra kết quả, đặc biệt số và tên riêng. Lần đầu sử dụng, công cụ và mô hình ngôn ngữ đã chọn được tải xuống một lần (vài MB, same-origin); sau đó dùng được ngoại tuyến. Với PDF đã scan, dùng công cụ riêng "PDF OCR" (có thể tìm kiếm hoặc văn bản thuần).
Không. Nhận dạng văn bản chạy hoàn toàn cục bộ trên trình duyệt (WebAssembly); hình ảnh không bao giờ rời khỏi thiết bị của bạn - lợi thế quyết định cho các tài liệu nhạy cảm.
Hơn 100 ngôn ngữ và nhiều chữ viết - ngoài tiếng Việt và tiếng Anh còn có tiếng Pháp, Tây Ban Nha, Nga, Ả Rập, Do Thái, Hindi, Nhật, Hàn, Trung và nhiều hơn. Chọn ngôn ngữ phù hợp từ danh sách để ký tự đặc biệt được nhận dạng chính xác.
Không, chỉ văn bản in mới được nhận dạng đáng tin cậy. Công cụ này không nhận dạng chữ viết tay một cách nhất quán.
OCR phụ thuộc vào chất lượng hình ảnh: sắc nét, thẳng và độ tương phản cao cho kết quả tốt nhất; nghiêng, mờ hoặc tối thì kém hơn nhiều. Luôn kiểm tra lại số và tên riêng.
Có, công cụ riêng "PDF OCR" được tạo ra cho việc đó: công cụ này trực tiếp làm cho PDF đã scan có thể tìm kiếm hoặc trả về văn bản thuần - không cần chuyển đổi thành từng ảnh riêng lẻ.