Trả lời trực tiếp: Khi chuyển đổi tài liệu dạng 2 cột (như bài báo khoa học IEEE, tạp chí, từ điển) từ PDF sang Word, phần mềm OCR đơn giản thường đọc quét ngang từ trái sang phải, khiến câu văn của cột trái bị ghép lẫn với cột phải. DOCX.VN ứng dụng mô hình phân đoạn tài liệu thông minh (Layout Analysis) để đọc trọn vẹn hết cột trái rồi mới chuyển sang cột phải theo đúng tư duy tự nhiên của người đọc.
1. Tại Sao Bố Cục Đa Cột Lại Là "Thử Thách Lớn"?
Một tài liệu hai cột không đơn thuần là văn bản chia đôi. Nó thường đi kèm:
- Tiêu đề chính (Title) và Tóm tắt (Abstract) trải dài trên cả 2 cột ở đầu trang.
- Hình ảnh hoặc bảng biểu lớn chiếm toàn bộ chiều ngang của cả 2 cột.
- Cước chú chân trang (Footnote) nằm riêng biệt ở đáy cột.
Nếu công cụ không hiểu cấu trúc phân vùng này, file Word xuất ra sẽ là một đống văn bản lộn xộn, vô nghĩa và không thể đọc được.
2. Công Nghệ Nhận Diện Vùng Bố Cục Tại DOCX.VN
Tại DOCX.VN, mỗi trang tài liệu được phân tích theo 3 tầng thông minh:
- Tầng 1 - Phát hiện khối (Block Detection): Phân định rõ đâu là khối tiêu đề đơn, đâu là khối văn bản chia 2 cột.
- Tầng 2 - Xác lập thứ tự đọc (Reading Order): Duyệt đọc từ trên xuống dưới cho từng cột độc lập.
- Tầng 3 - Dựng lại cấu trúc Word (Word Section Break): Tự động chèn ngắt phần (Section Break) và tính năng Columns của Microsoft Word, giúp văn bản co giãn tự nhiên khi bạn gõ thêm nội dung.
Xử lý sách báo, tạp chí khoa học và tài liệu hai cột chuẩn xác từng đoạn văn. Thử nghiệm ngay miễn phí!
Trải nghiệm OCR đa cột ngay →
