Tóm tắt: OCR (nhận dạng ký tự quang học) tiếng Việt là việc đọc chữ có dấu trên ảnh hoặc PDF scan để biến thành văn bản sửa được. DOCX.VN dùng AI đọc ảnh từng trang rồi dựng lại tệp Word giữ tiêu đề, đoạn văn, bảng, chia cột và công thức; một số chỗ không chắc được đánh dấu [?], các chỗ khác vẫn cần đối chiếu với bản gốc.
1. Khi nào cần OCR
| Loại tệp | Có lớp chữ | Cần OCR |
|---|---|---|
| PDF xuất từ Word, phần mềm soạn thảo | Có | Không bắt buộc — Word mở được trực tiếp (xem các cách miễn phí) |
| PDF scan, bản photo | Không | Có |
| Ảnh chụp bằng điện thoại | Không | Có |
| PDF dùng phông TCVN3, VNI, sao chép ra ký tự lạ | Có nhưng sai mã | Không bắt buộc — lớp chữ mã cũ được chuyển sang Unicode (xem lỗi phông .VnTime, VNI) |
Cách nhận biết nhanh một tệp có lớp chữ hay không xem bài PDF scan là gì.
2. Chỗ dễ sai khi đọc tiếng Việt trên bản scan
- Dấu hỏi, dấu ngã, dấu nặng trên chữ nhỏ hoặc bản photo nhiều lần.
- Số, ngày tháng, tên riêng: AI đọc theo ngữ cảnh câu, nhưng con số và tên riêng không có ngữ cảnh để đoán, cần đối chiếu.
- Chữ bị dấu, chữ ký đè: dấu "ĐẾN", chữ ký số quét đè lên chữ thường được bỏ qua để đọc phần chữ bên dưới, nhưng có thể sót; chỗ bị che nhiều cần đối chiếu bản gốc.
- Trang nhiều cột: chữ được đọc theo thứ tự từng cột (xem tài liệu 2 cột).
3. Quy trình 2 bước cho người nhận gõ văn bản thuê
- Chuyển tự động: tải bản scan, ảnh chụp hoặc PDF lên để AI đọc chữ và dựng sẵn tệp Word chỉnh sửa được; tài liệu dài chuyển theo dải trang.
- Rà soát: đọc đối chiếu với bản gốc, sửa các chỗ [?], kiểm tra số liệu, ngày tháng, tên riêng và định dạng trước khi bàn giao.
- Trang đọc thiếu: trang hệ thống tự phát hiện đọc thiếu được tự hoàn lại vào tài khoản, kèm ghi chú trong tệp Word; đọc sai chữ không tự hoàn, bạn bấm Báo lỗi để được xem xét.
- Chi phí: trả theo trang, số trang không có hạn sử dụng — xem bảng giá.
- Dữ liệu của khách hàng: ảnh các trang được gửi tới nhà cung cấp AI để đọc; hãy hỏi ý khách và che thông tin nhạy cảm trước khi tải lên. DOCX.VN không nhận giấy tờ tuỳ thân, sao kê ngân hàng, hồ sơ sức khoẻ và hồ sơ nhân thân.
4. Kết quả trong tệp Word
- Chữ Unicode, tìm kiếm và sửa bình thường; PDF văn bản số có lớp chữ mã cũ (TCVN3, VNI) được chuyển sang Unicode.
- Bảng thành bảng Word có ô gộp, kèm tệp Excel; công thức phức tạp thành Equation của Word, công thức đơn giản (x², H₂SO₄) giữ dạng chữ có chỉ số.
- Tiêu đề có cấp đề mục, tạo được mục lục tự động; chú thích cuối trang thành footnote của Word khi nhận ra được số hiệu, còn lại giữ dạng đoạn chữ cuối trang.
- Con dấu và chữ ký không được tái tạo.
OCR khác gì chuyển PDF sang Word thông thường?
PDF xuất từ Word có sẵn lớp chữ; PDF scan và ảnh chụp chỉ có hình nên cần OCR để đọc chữ. Với PDF văn bản số, AI dựng bố cục còn chữ lấy từ chính tệp; mọi trang tính phí như nhau.
Có cần gõ lại những chỗ đánh dấu [?] không?
Có. [?] là chỗ không chắc; hãy đọc lại từ bản gốc và sửa tay. Chỗ không có [?] chưa chắc đã đúng, nên vẫn cần đối chiếu số liệu, tên riêng.
Trang AI không đọc được có bị trừ phí không?
Trang hệ thống tự phát hiện đọc thiếu được tự hoàn lại vào tài khoản, kèm ghi chú trong tệp Word. Đọc sai chữ thì không tự hoàn; bạn bấm Báo lỗi để được xem xét.
Tài liệu được gửi đi đâu?
Ảnh các trang được gửi tới dịch vụ AI của Google qua gói API trả phí, nội dung không dùng để huấn luyện mô hình, máy chủ có thể ở nước ngoài. Tệp gốc tự xoá sau 24 giờ, kết quả lưu 30 ngày.
Tải PDF scan hoặc ảnh chụp lên, nhận tệp Word chỉnh sửa được.
Mở công cụ chuyển PDF scan →
