OCR

OCR trích xuất văn bản từ hình ảnh, bản quét và ảnh chụp màn hình tài liệu.

Sau khi nhận dạng, bạn có thể sao chép kết quả, xuất dưới dạng Markdown, PDF hoặc Word, hoặc đóng gói nhiều định dạng để tải xuống.

OCR Có Thể Làm Gì

Tính năng	Mô tả
Nhận dạng văn bản trong ảnh	Trích xuất văn bản từ hình ảnh, ảnh chụp màn hình và bản quét.
Nhận dạng bố cục tài liệu	Phù hợp hơn với bảng, công thức, con dấu và bố cục trộn văn bản-hình ảnh.
Nhiều dịch vụ	Hỗ trợ Baidu PaddleOCR, Microsoft Azure Vision và Google Vision.
Sao chép kết quả	Sao chép văn bản đã nhận dạng sau khi xử lý.
Xuất tệp	Xuất Markdown, PDF và Word.
Đóng gói hàng loạt	Sau khi nhận dạng nhiều tệp, tải kết quả xuống dưới dạng gói.

Cấu Hình Dịch Vụ OCR Trước

Mở:

System Settings -> Other Settings -> OCR

Điền thông tin xác thực cho các dịch vụ bạn muốn dùng:

Dịch vụ	Cần nhập gì	Phù hợp nhất cho
Baidu PaddleOCR	PaddleOCR Token	Lựa chọn đầu tiên được khuyến nghị. Tốt cho tài liệu, hình ảnh, bảng và bố cục trộn.
Microsoft Azure Vision	Azure Vision Endpoint và Azure Vision API Key	Hữu ích nếu bạn đã dùng dịch vụ đám mây Microsoft.
Google Vision	Google Vision API Key. JSON của tài khoản dịch vụ chỉ dùng để truy vấn hạn mức.	Hữu ích nếu bạn dùng dịch vụ Google Cloud.

Lưu sau khi điền thông tin xác thực.

Bạn có thể chỉ cấu hình một dịch vụ để kiểm thử ban đầu. Không cần cấu hình cả ba.

Thiết Lập Google Vision

Thiết lập Google có hai phần:

Mục tiêu	Yêu cầu
Dùng OCR	Bật Cloud Vision API, rồi tạo API Key.
Truy vấn mức dùng	Tạo tài khoản dịch vụ, cấp Monitoring Viewer, rồi tải JSON của tài khoản dịch vụ.

Dùng Google Cho OCR

1. Mở Google Cloud Console.
2. Vào APIs & Services.
3. Mở Library, tìm Cloud Vision API và bật.
4. Quay lại Credentials.
5. Tạo API Key.
6. Mở khóa API và sao chép.
7. Dán vào Google Vision API Key trong ImgHost.
8. Lưu.

Sau đó bạn có thể chọn Google Vision trong hộp thoại OCR.

Truy Vấn Mức Dùng Google

Truy vấn hạn mức không bắt buộc để nhận dạng.

Nó chỉ hiển thị xấp xỉ số lần gọi Google Vision đã dùng trong 30 ngày gần đây.

1. Trong Google Cloud Console, mở IAM & Admin.
2. Mở Service Accounts.
3. Tạo tài khoản dịch vụ, ví dụ vision-monitor.
4. Cấp vai trò Monitoring Viewer.
5. Mở chi tiết tài khoản dịch vụ và tạo khóa.
6. Chọn JSON.
7. Tải tệp JSON đã tạo.
8. Quay lại ImgHost và nhập tệp đó trong mục JSON của tài khoản dịch vụ (tùy chọn).
9. Sau khi nhập thành công, nhấp truy vấn hạn mức.

Sau khi nhập, ImgHost hiển thị tên dự án sở hữu tài khoản dịch vụ. Khi truy vấn mức dùng, ImgHost đọc dữ liệu giám sát của Google và hiển thị số lần gọi trong tháng này.

Tóm tắt:

Mục	Mục đích
Google Vision API Key	Thực hiện nhận dạng OCR.
JSON của tài khoản dịch vụ	Truy vấn số lần gọi Google Vision đã dùng.
Vai trò Monitoring Viewer	Cho phép tài khoản dịch vụ đọc dữ liệu sử dụng.

Lấy Baidu PaddleOCR Token

Baidu PaddleOCR cần token truy cập.

Mở cửa sổ gọi API trên trang Baidu PaddleOCR, nhấp để lấy token, rồi sao chép.

Quay lại ImgHost, dán vào PaddleOCR Token và lưu.

Bắt Đầu Nhận Dạng

Trong Quản lý tệp, chọn một hình ảnh hoặc ảnh chụp màn hình tài liệu rồi nhấp OCR.

Trong hộp thoại, chọn dịch vụ và mô hình nhận dạng.

Các lựa chọn mô hình PaddleOCR thường dùng:

Mô hình	Phù hợp nhất cho
PP-StructureV3	Mặc định được khuyến nghị. Tốt cho tài liệu, bảng, công thức, con dấu và bố cục trộn.
PP-OCRv5	Hình ảnh đơn giản, văn bản thông thường và nhận dạng nhẹ.
PaddleOCR-VL	Nội dung đa ngôn ngữ, hình ảnh phức tạp và nội dung giống biểu đồ.
PaddleOCR-VL-1.5	Trang tài liệu phức tạp hơn và khôi phục bố cục.

Nếu không chắc, hãy bắt đầu với PP-StructureV3.

Tùy Chọn Nâng Cao

Tùy chọn	Mô tả
Sửa hướng	Dùng khi ảnh bị xoay hoặc lệch.
Làm phẳng tài liệu	Dùng cho tài liệu chụp có cong hoặc nghiêng.
Phát hiện bố cục	Dùng khi muốn giữ cấu trúc tiêu đề, đoạn văn, bảng và hình ảnh.
Nhận dạng biểu đồ	Dùng khi ảnh chứa biểu đồ hoặc cấu trúc phức tạp.
Làm đẹp Markdown	Giúp Markdown xuất ra dễ đọc hơn.

Với ảnh chụp màn hình thông thường, giữ tùy chọn ở mức tối thiểu. Với bản quét tài liệu, bật thêm các tùy chọn liên quan đến tài liệu.

Xem Kết Quả

Sau khi nhận dạng xong, hộp thoại hiển thị kết quả.

Bạn có thể sao chép trực tiếp hoặc chọn định dạng xuất.

Với trang tài liệu, PDF xuất ra có thể giữ giao diện trang đồng thời giữ văn bản có thể tìm kiếm. Điều này hữu ích để lưu trữ bản quét và tìm nội dung sau này.

Chọn Định Dạng Xuất

Định dạng	Phù hợp nhất cho
Markdown (.md)	Ghi chú, hệ thống tài liệu và chỉnh sửa sau này.
PDF (.pdf)	Giữ giao diện trang và kết quả tài liệu đã quét.
Word (.docx)	Tiếp tục chỉnh sửa bố cục, sửa văn bản và chuyển giao cho người khác.
Xuất tất cả	Lưu nhiều định dạng và ảnh gốc, phù hợp cho lưu trữ quan trọng.

Nếu bạn chỉ cần văn bản, hãy xuất Markdown.

Nếu cần giữ giao diện trang, dùng PDF hoặc Word.

Đầu Ra Word

Tài liệu Word đã xuất có thể mở và chỉnh sửa bằng phần mềm văn phòng.

Một số tài liệu có thể đưa hình ảnh đã nhận dạng, tiêu đề và đoạn văn vào đầu ra Word.

Chất lượng nhận dạng phụ thuộc vào độ rõ của ảnh gốc, lựa chọn mô hình và độ phức tạp của tài liệu.

Loại Tệp Phù Hợp Nhất Cho OCR

Loại tệp	Khuyến nghị
Ảnh chụp màn hình rõ	Nhận dạng trực tiếp.
Bản quét	Ưu tiên PP-StructureV3.
Tài liệu chụp ảnh	Bật sửa hướng và làm phẳng tài liệu.
Bảng, công thức, con dấu	Ưu tiên mô hình có cấu trúc.
Ảnh văn bản ngắn đơn giản	PP-OCRv5 thường là đủ.

Ảnh rõ hơn và chữ thẳng hơn thường cho kết quả tốt hơn.

Trường Hợp Thường Gặp

Trường hợp	Ý nghĩa
Nhận dạng thất bại	Kiểm tra token hoặc khóa của dịch vụ đã được lưu chưa.
Nhận dạng chậm	Tài liệu phức tạp và ảnh lớn mất nhiều thời gian hơn.
Bảng không đầy đủ	Thử mô hình có cấu trúc.
Văn bản có lỗi	Mờ, lóa và lệch làm tăng lỗi nhận dạng. Thử ảnh rõ hơn.
Đầu ra Word chứa nhiều hình ảnh	Mô hình có cấu trúc có thể giữ một số hình ảnh đã nhận dạng. Đây là bình thường.

Truy Vấn Hạn Mức Google Thất Bại

Kiểm tra:

1. JSON của tài khoản dịch vụ đã được nhập.
2. Tài khoản dịch vụ có vai trò Monitoring Viewer.
3. Cloud Vision API đã bật cho dự án.

Nếu bạn chỉ cần OCR và không cần truy vấn mức dùng, có thể bỏ qua JSON của tài khoản dịch vụ và chỉ điền Google Vision API Key.

Luồng Nhanh

Open System Settings
-> Open Other Settings
-> Fill OCR service credentials
-> Save
-> Return to File Management
-> Select a file and click OCR
-> Choose a model
-> Wait for recognition
-> Copy results or export Markdown / PDF / Word