OCR PDF và ảnh sang văn bản
Nhận dạng chữ trong PDF scan, ảnh chụp hoặc ảnh JPG/PNG/WebP thành TXT. Chạy hoàn toàn trong trình duyệt — không upload, không lưu trên máy chủ. Hướng dẫn OCR tiếng Việt.
OCR không tái tạo layout, bảng biểu hay vị trí ảnh; kết quả là văn bản theo dòng đọc. Với PDF có lớp chữ sẵn, dùng PDF → văn bản để trích nhanh và chính xác hơn. Tesseract.js, core và dữ liệu tiếng Việt/Anh được đóng gói trong assets/tesseract/; ngôn ngữ khác được tải một lần từ tessdata.projectnaptha.com, không upload file của bạn.
Câu hỏi thường gặp
OCR có chạy hoàn toàn trong trình duyệt không?
Có. PDF được render bằng pdf.js, sau đó tesseract.js nhận dạng chữ trên từng trang ngay trong trình duyệt. Không có request chứa nội dung file; bạn có thể ngắt mạng sau khi trang và dữ liệu ngôn ngữ đã tải để tự kiểm chứng.
Có upload file lên máy chủ không?
Không. File chỉ được đọc bằng API File trong trình duyệt. PixToPDF không có endpoint nhận file cho OCR và không lưu kết quả trên máy chủ.
Hỗ trợ những ngôn ngữ và định dạng nào?
Hỗ trợ các ngôn ngữ có mô hình Tesseract, gồm tiếng Việt, Anh, Trung, Nhật, Hàn, Pháp, Đức, Tây Ban Nha và nhiều ngôn ngữ khác. Tiếng Việt/Anh đóng gói sẵn; ngôn ngữ khác được tải một lần khi chọn. Đầu vào là PDF (kể cả PDF scan) và ảnh JPG, PNG, WebP; kết quả xuất ra TXT để tải về.
Một lượt OCR được bao nhiêu trang?
Tối đa 20 trang mỗi lượt, 100 MB mỗi file và 300 MB tổng dung lượng để bảo vệ RAM. PDF dài hơn hãy dùng Tách PDF để chia nhỏ; ảnh chụp nên có độ phân giải rõ nét.