OCR một tệp PDF quét
OCR PDF đọc một tệp PDF quét hoặc dạng ảnh và trả về PDF có thể tìm kiếm với lớp văn bản ẩn, hoặc văn bản của nó dưới dạng tệp Markdown. Tệp gốc không thay đổi.
Kéo tệp vào đây, hoặc nhấp để chọn
Nhận PDF · tối đa 500.0 MB mỗi tệp · tối đa 20 tệp mỗi lần
Bạn cũng có thể dán tệp bằng Ctrl/Cmd+V hoặc từ menu clipboard.
OCR PDF đọc một tệp PDF quét hoặc dạng ảnh và trả kết quả dưới một trong hai dạng. PDF có thể tìm kiếm giữ nguyên các trang, kèm một lớp văn bản vô hình để bạn tìm, chọn và sao chép chữ. Markdown cho ra văn bản dưới dạng tệp .md dùng cho ghi chú, kho mã và quy trình tự động. Tệp gốc không bao giờ bị thay đổi.
PDF có thể tìm kiếm được tạo bằng Tesseract. Mỗi trang được kết xuất ở 300 dpi, nhận dạng theo ngôn ngữ bạn chọn, rồi ghi lại thành ảnh trang với phần văn bản nhận dạng được ẩn phía sau. Số trang giữ nguyên. Vì mọi trang đều được kết xuất lại, một trang vốn có văn bản thật cũng trở thành ảnh có lớp văn bản, và dung lượng tệp có thể khác nhiều so với bản gốc. Trong biểu mẫu, bạn chọn một trong 12 ngôn ngữ; API còn nhận tối đa bốn mã nối bằng dấu cộng, ví dụ eng+fra. Mỗi yêu cầu xử lý tối đa 50 trang.
Đầu ra Markdown dùng một bộ máy khác, kết hợp văn bản gốc của PDF với nhận dạng quang học trên các trang ảnh. Ép OCR (`ocrType=force-ocr`, mặc định của cổng) nhận dạng lại mọi trang, còn Thường dùng văn bản có sẵn nếu tệp có và chỉ nhận dạng các trang chỉ có ảnh. Bộ máy này không có cài đặt ngôn ngữ, danh sách ngôn ngữ không áp dụng cho nó.
Ở cả hai chế độ, độ chính xác phụ thuộc vào chất lượng bản quét, độ tương phản và độ nghiêng. Nếu có thể, hãy cắt và chỉnh thẳng ảnh chụp bằng điện thoại trước khi tải lên, vì ảnh hình thang làm lãng phí nhận dạng vào phần nền. OCR nhận dạng ký tự; nó không dịch hay sửa văn bản, cũng không làm sạch hay chỉnh thẳng bản quét.
Chữ viết tay, phông trang trí và fax độ phân giải thấp là đầu vào khó nhất. Khi một ký tự mơ hồ, như 1 với l hoặc 0 với O, bộ máy chọn cách đọc có khả năng cao nhất rồi đi tiếp; cả hai chế độ đều không trả điểm tin cậy. Hãy kiểm tra chọn mẫu những tên và số cần chính xác. Trong Markdown, bảng biến thành các dấu gạch đứng và ô gộp có thể mất hàng của nó; trang nhiều cột được đọc theo thứ tự bộ máy suy ra.
Đừng OCR những tài liệu bạn không được phép số hóa hoặc phân phối lại. Tác vụ chạy trên máy chủ nên hãy tải kết quả về sớm. Chúng tôi không lưu thư viện OCR từ tệp của bạn. Tệp có mật khẩu sẽ được mở khóa cho bạn ngay trên trang này sau khi bạn nhập mật khẩu; người gọi API phải chạy Mở khóa trước.
Tính năng
- PDF có thể tìm kiếm với lớp văn bản ẩn, hoặc văn bản Markdown
- PDF có thể tìm kiếm: Tesseract ở 300 dpi, 12 ngôn ngữ, tối đa 50 trang
- Markdown: văn bản gốc cộng nhận dạng trên trang ảnh; chế độ Ép hoặc Thường
- PDF gốc không thay đổi
- API ẩn danh /api/v1/misc/ocr-pdf với outputFormat và languages
Khi nào nên dùng
- Làm cho một chồng hợp đồng quét trong kho lưu trữ tài liệu có thể tìm kiếm
- Sao chép một đoạn từ trang đã chụp hoặc quét
- Đưa bản quét cho tác tử hoặc quy trình cần Markdown
- Làm cho hóa đơn chụp ảnh có thể tìm kiếm trong ứng dụng ghi chú
Làm thế nào để OCR một PDF quét?
- Tải lên một tệp PDF quét hoặc chụp bằng máy ảnh.
- Chọn PDF có thể tìm kiếm hoặc Văn bản Markdown. Với PDF có thể tìm kiếm, hãy chọn ngôn ngữ của văn bản.
- Nhấp Xử lý rồi tải kết quả về.
- Kiểm tra chọn mẫu tên và số trước khi dựa vào kết quả, và thử tìm trong PDF một từ bạn biết chắc có trong đó.
Giới hạn và ngoại lệ
- Độ chính xác thay đổi theo chất lượng ảnh; chữ viết tay và phông cách điệu nhận dạng kém
- PDF có thể tìm kiếm: tối đa 50 trang, 300 dpi, một ảnh mỗi trang
- Markdown không có cài đặt ngôn ngữ, điểm tin cậy hay đầu ra theo từng trang
- Không phải dịch thuật, chỉnh thẳng hay làm sạch bản quét
- Số trang rất lớn mất nhiều thời gian hơn
Ví dụ
- Một bản quét hợp đồng 20 trang thang xám thành PDF mà tìm số điều khoản sẽ ra đúng trang
- Một trang quét có một dòng tiếng Anh trả về PDF cho phép sao chép dòng đó
- Ảnh điện thoại bị nghiêng có thể cần chụp lại thì OCR mới hữu ích
Quyền riêng tư của công cụ này
Tệp được tải lên qua HTTPS, xử lý trong bộ nhớ hoặc một thư mục tạm tồn tại ngắn trên máy chủ của chúng tôi và bị xóa khi kết quả của bạn sẵn sàng. Chúng tôi không giữ bản sao để xem lại sau, huấn luyện hay lập hồ sơ quảng cáo. Xem Chính sách quyền riêng tư để biết chi tiết lưu giữ và thông tin về cookie AdSense.
Câu hỏi thường gặp
- Tôi có thể nhận PDF có thể tìm kiếm không?
- Có. Hãy chọn PDF có thể tìm kiếm trong biểu mẫu. Mỗi trang được nhận dạng và ghi lại thành ảnh có lớp văn bản ẩn, nên bạn có thể tìm và sao chép chữ.
- Vì sao PDF có thể tìm kiếm trông như bản quét chứ không giống tệp gốc của tôi?
- Mọi trang đều được kết xuất thành ảnh trước khi nhận dạng, kể cả trang vốn có văn bản thật. Lớp văn bản nằm phía sau ảnh.
- Hỗ trợ những ngôn ngữ nào?
- Biểu mẫu có tiếng Anh, Đức, Pháp, Tây Ban Nha, Bồ Đào Nha, Ý, Nga, Ả Rập, Trung giản thể, Trung phồn thể, Nhật và Hàn. Qua API, có thể nối tối đa bốn mã bằng dấu cộng, ví dụ eng+fra.
- Tôi xử lý được bao nhiêu trang?
- Tối đa 50 trang cho PDF có thể tìm kiếm. Tệp dài hơn sẽ bị từ chối kèm lỗi; hãy tách trước.
- Đầu ra Markdown có dùng cài đặt ngôn ngữ không?
- Không. Bộ máy Markdown không có tham số ngôn ngữ. Danh sách ngôn ngữ chỉ dành cho PDF có thể tìm kiếm.
- OCR có thay đổi diện mạo các trang không?
- Không. Bạn nhận một tệp mới; tệp gốc không đổi. PDF có thể tìm kiếm hiển thị mỗi trang như một ảnh, giống bản quét.
- OCR có đọc được chữ viết tay không?
- Kém. Cả hai bộ máy nhắm tới ký tự in bằng máy. Chữ viết tay, phông trang trí và fax độ phân giải thấp thường ra kết quả nhiễu.
- PDF tạo sẵn ở dạng số có cần Ép OCR không?
- Thường là không. Với Markdown, chế độ Thường dùng văn bản có sẵn và bỏ qua bộ máy nhận dạng. Hãy dùng Ép nếu lớp đó bị hỏng.
Cập nhật lần cuối:
Gọi bằng mã
Mỗi công cụ trên trang là một API REST thông thường. Dùng ẩn danh không cần tài khoản hay API key. Trình duyệt, lập trình viên và agent đều gọi được.
curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
-F "[email protected]" \
-F "outputFormat=markdown" \
-F "ocrType=force-ocr" \
-F "languages=eng" \
-o output.pdfCũng có dạng công cụ MCP cho client dùng Model Context Protocol (JSON-RPC 2.0, POST /mcp). Tài liệu API đầy đủ
Dùng từ AI agent
SkillVới skill này, Claude Code, Codex, Cursor và các AI agent khác có thể chạy "OCR PDF" thay bạn: /skills/pdf123-ocr.md
Tệp chỉ dùng cho lần xử lý này, xong là tự xóa.