Cách trích văn bản từ hình ảnh bằng OCR
OCR (nhận dạng ký tự quang học) đọc chữ trong hình và cho bạn văn bản có thể sao chép. Kết quả phụ thuộc nhiều vào chất lượng ảnh nên vài thói quen sẽ có ích.
Cách hoạt động
OCR tìm các dòng chữ trong ảnh rồi so từng ký tự với dữ liệu ngôn ngữ đã được huấn luyện. Công cụ Ảnh sang văn bản chạy engine Tesseract trong trình duyệt, dữ liệu ngôn ngữ được tải từ chính trang này và ảnh của bạn không bao giờ được tải lên. Lần đầu dùng một ngôn ngữ sẽ tải vài MB.
Chuẩn bị một ảnh sạch
Dùng ảnh chữ in sắc nét, đủ sáng, chụp thẳng. Cắt bỏ viền và vật không liên quan, tránh lóa và bóng, và đừng để chữ quá nhỏ: ảnh có chữ cao ít nhất khoảng 20 điểm ảnh đọc tốt hơn nhiều so với ảnh thu nhỏ. Với chữ trên màn hình, ảnh chụp màn hình thường tốt hơn chụp màn hình bằng điện thoại.
Chọn đúng ngôn ngữ
Hãy chọn ngôn ngữ khớp với văn bản. Các lựa chọn tiếng Trung, Nhật, Hàn và Việt cũng đọc được chữ cái và chữ số Latin nên văn bản trộn vẫn ổn. Chọn sai ngôn ngữ là nguyên nhân phổ biến nhất khiến kết quả kỳ lạ.
Kiểm tra kết quả
OCR chỉ gần đúng. Hãy soát tên, số và dấu câu, đối chiếu với ảnh. Chữ viết tay, chữ cong hoặc rất nhỏ, bảng, nhiều cột và nền rối thường sai. Nếu PDF quét cần OCR, hãy chụp màn hình từng trang rồi đưa vào công cụ.
Quyền riêng tư
Vì việc nhận dạng chạy trong trình duyệt, các giấy tờ như hóa đơn, giấy tờ tùy thân, hợp đồng không bị gửi tới máy chủ nào. Dù vậy hãy cẩn thận với văn bản đã trích và xóa các tệp không còn cần.
Công cụ dùng trong hướng dẫn này
Câu hỏi thường gặp
Đọc được những ngôn ngữ nào?
Tiếng Trung phồn thể và giản thể, Nhật, Hàn, Việt, Thái và Anh.
Vì sao chữ nhận dạng bị sai?
Mờ, lóa, nghiêng, chữ viết tay và chữ nhỏ làm giảm độ chính xác. Hãy dùng ảnh sắc nét và chọn đúng ngôn ngữ.
Có đọc được PDF không?
Không trực tiếp. Hãy chụp màn hình trang hoặc xuất trang thành ảnh.
Ảnh của tôi có bị tải lên không?
Không. Chỉ dữ liệu ngôn ngữ được tải từ trang này.