PixToPDF

Trang chủ › OCR PDF tiếng Việt

OCR PDF tiếng Việt: chuyển scan thành văn bản

Cập nhật 2026-11-16 · đọc trong khoảng 4 phút.

PDF scan thường là ảnh chụp của giấy tờ, không có lớp chữ để bôi đen hay tìm kiếm. OCR (Optical Character Recognition) nhận dạng hình ảnh của từng ký tự rồi chuyển thành văn bản. Kết quả phù hợp để lưu trữ, tìm kiếm, sao chép vào email hoặc chỉnh sửa lại nội dung.

PixToPDF OCR PDF và ảnh JPG/PNG/WebP ngay trong trình duyệt. File không được gửi lên máy chủ; bạn có thể kiểm tra tab Network của DevTools để tự xác nhận. Công cụ xuất văn bản thuần TXT, không hứa giữ nguyên bố cục như bản gốc.

Khi nào cần OCR?

Bạn cần OCR khi PDF hoặc ảnh scan không cho phép chọn chữ, khi muốn tìm một từ khoá trong tài liệu giấy đã chụp, hoặc khi cần đưa nội dung vào một công cụ soạn thảo. Nếu PDF đã có text layer, hãy dùng PDF sang văn bản trước: nhanh hơn và giữ được nhiều thông tin cấu trúc hơn.

OCR không thay thế việc nhập liệu có kiểm tra. Với hợp đồng, hoá đơn hoặc tài liệu pháp lý, luôn đọc lại các con số, tên riêng và ngày tháng so với bản gốc.

Cách làm trong 3 bước

  1. Mở công cụ OCR PDF, chọn PDF scan hoặc ảnh JPG/PNG/WebP.
  2. Chọn ngôn ngữ nhận dạng (tiếng Việt, tiếng Anh hoặc cả hai) và khoảng trang nếu cần.
  3. Chạy OCR, xem văn bản trong khung kết quả rồi tải TXT hoặc sao chép.

Quá trình chạy tuần tự để tránh ngốn RAM. Với tài liệu dài, chia thành nhiều lượt nhỏ sẽ dễ kiểm tra và ít lỗi hơn.

Ngôn ngữ và độ chính xác

Công cụ hỗ trợ tiếng Việt và tiếng Anh. Chọn đúng ngôn ngữ giúp giảm nhầm lẫn giữa dấu và ký tự không dấu. Nếu tài liệu có cả hai ngôn ngữ, chọn cả hai nhưng tốc độ sẽ chậm hơn.

Độ chính xác phụ thuộc vào chất lượng ảnh. Ảnh nghiêng, mờ, thiếu sáng hoặc bị chụp bằng camera điện thoại ở góc hẹp thường cho kết quả kém. Nên làm phẳng trang, tăng độ tương phản và chụp đủ ánh sáng trước khi OCR.

Giới hạn cần biết

Mỗi lượt nhận tối đa 20 trang, 100 MB mỗi file và 300 MB tổng dung lượng. PDF dài hơn hãy dùng Tách PDF để chia nhỏ. Công cụ nhận PDF và ảnh; file HEIC cần đổi sang JPG bằng Chuyển ảnh trước.

Kết quả là văn bản thuần, không phải PDF có text layer. Nếu cần bản PDF tìm kiếm được, hãy giữ file gốc và dùng OCR như bước trích xuất nội dung.

Kiểm tra kết quả

Đọc lại phần đầu, phần kết và các bảng số liệu. OCR thường sai ở dấu tiếng Việt, chữ số 0/1/8, ký tự phân biệt hoa thường và các cột dày. Nếu kết quả có nhiều ký tự lạ, thử chụp lại trang với độ phân giải cao hơn hoặc xoay ảnh về đúng chiều.

Với tài liệu nhiều trang, đặt tên TXT theo tên hồ sơ để dễ tra cứu. Bạn có thể giữ cả PDF gốc và TXT đã OCR trong cùng thư mục.

Quyền riêng tư

Toàn bộ quá trình nhận dạng chạy trong tab trình duyệt; không có endpoint nhận file. Đóng tab sẽ giải phóng dữ liệu trong bộ nhớ. Đây là lựa chọn phù hợp khi xử lý giấy tờ cá nhân hoặc tài liệu nội bộ không muốn tải lên dịch vụ đám mây.

Xem thêm trang bảo mật để biết cách tự kiểm chứng bằng DevTools và cách xử lý file nhạy cảm.

Làm ngay

Chọn PDF scan hoặc ảnh, nhận dạng tiếng Việt/Anh và tải văn bản trong trình duyệt.

Liên kết liên quan

Câu hỏi thường gặp

OCR PDF tiếng Việt có giữ được bố cục không?

Không. Công cụ nhận dạng chữ và xuất văn bản thuần dạng TXT, phù hợp để tìm kiếm, sao chép hoặc chỉnh sửa nội dung. Bảng biểu và cột phức tạp có thể bị đọc sai thứ tự.

Những loại file nào OCR được?

PDF scan, ảnh JPG, PNG và WebP. PDF có text layer vẫn OCR được nhưng thường không cần thiết; hãy dùng PDF sang văn bản để trích xuất trực tiếp.

Mỗi lượt OCR được bao nhiêu trang?

Tối đa 20 trang, 100 MB mỗi file và 300 MB tổng dung lượng. PDF dài hơn nên chia nhỏ bằng công cụ Tách PDF rồi OCR từng phần.

Ảnh scan có bị tải lên máy chủ không?

Không. Quá trình nhận dạng chạy trong trình duyệt bằng Tesseract và dữ liệu huấn luyện tiếng Việt/Anh được tải như tài nguyên tĩnh. File không rời khỏi máy.