Bạn chụp một trang sách, một tờ thông báo dán ở bảng tin hay một trang hợp đồng, rồi cần đúng phần chữ trong đó để dán vào chỗ khác. Gõ lại thì mất mười lăm phút cho một trang, mà gõ sai một chữ số trong đoạn số tài khoản thì còn phiền hơn.
Việc bóc chữ ra khỏi một tấm ảnh có tên riêng trong ngành, là OCR, và nó đã chạy được ngay trong trình duyệt từ vài năm nay. Chỗ đáng nói không nằm ở việc nó chạy được, mà ở chỗ nó sai theo một kiểu rất dễ lọt.
Máy đọc chữ bằng cách nào
Máy không đọc chữ theo nghĩa con người hiểu. Nó tách trang ảnh thành các khối, mỗi khối thành dòng, mỗi dòng thành từng cụm hình, rồi so từng cụm với những hình dạng nó đã học để đoán ra chữ cái nào khớp nhất.
Vì mọi bước đều là đoán, kết quả luôn kèm theo một con số nói máy tự tin tới đâu. Công cụ ở đây lấy độ tin cậy trung bình theo từng từ, và với một bản scan sạch thì con số ấy thường nằm ở khoảng tám mươi trở lên.
Một tấm ảnh chụp vội trang giấy hơi cong thì tụt xuống khoảng năm mươi. Ở mức đó, phần chữ trả về là hỗn hợp giữa đúng và sai, mà cái sai lại không lộ ra.
Sai kiểu lọt qua mắt mới là sai đáng sợ
Nếu máy trả về một dòng ký tự loạn xạ thì bạn biết ngay là hỏng và gõ lại. Vấn đề nằm ở những chỗ máy đọc gần đúng, kiểu số 0 thành chữ O, số 1 thành chữ l, dấu chấm thành dấu phẩy trong một dãy số.
Mấy lỗi đó nhìn qua thì trang văn bản vẫn sạch sẽ và trôi chảy, nên không ai ngồi soát lại. Đó là lý do công cụ tự báo khi độ tin cậy rơi xuống dưới ngưỡng, thay vì im lặng đưa bạn một kết quả trông có vẻ ổn.
Nguyên tắc an toàn rất gọn. Chữ càng quan trọng thì càng phải đọc lại bằng mắt, và những thứ nhất định phải soát là số tài khoản, số căn cước, ngày tháng, tên riêng và mọi con số có đơn vị tiền.
Vì sao tiếng Việt khó hơn tiếng Anh
Bảng chữ cái tiếng Anh có hai mươi sáu chữ, còn tiếng Việt thì mỗi nguyên âm còn mang thêm dấu thanh và dấu phụ, nên số hình dạng máy phải phân biệt nhiều hơn hẳn.
Khó nhất là phân biệt dấu hỏi với dấu ngã. Hai dấu này nhỏ, nằm cùng một chỗ phía trên chữ, và chỉ khác nhau ở nét cong, nên ảnh chụp hơi nhoè một chút là máy đoán theo xác suất chứ không còn nhìn thấy nét.
Vậy nên trước khi đọc phải chọn đúng ngôn ngữ. Để máy đọc một trang tiếng Việt bằng gói tiếng Anh thì toàn bộ dấu biến mất, và bạn nhận về một trang chữ không dấu chứ không phải một trang sai lác đác.
Chữ viết tay thì gần như không
Bộ nhận chữ này dựng cho chữ in, tức những hình dạng lặp lại giống hệt nhau từ trang này sang trang khác. Chữ viết tay thì mỗi người một kiểu và ngay cùng một người cũng không viết hai lần giống nhau.
Kết quả trả về từ một trang chép tay thường hỏng tới mức sửa còn lâu hơn gõ lại. Với cuốn sổ tay hay tờ đơn viết tay, cứ gõ lại là nhanh nhất.
Chất lượng nằm ở khâu chụp chứ không ở khâu đọc
Gần như mọi kết quả tệ đều truy ngược về tấm ảnh đầu vào, nên bỏ thêm hai mươi giây lúc chụp sẽ tiết kiệm được nhiều phút ngồi sửa.
- Chụp thẳng từ trên xuống, ống kính song song với mặt giấy, đừng chụp chéo.
- Vuốt cho trang giấy phẳng, gáy sách cong là chỗ chữ méo nhiều nhất.
- Đủ sáng và tránh để bóng bàn tay hay bóng điện thoại đổ lên trang.
- Lấy khung vừa đủ trang giấy, đừng để lọt cả mặt bàn vào ảnh.
- Ảnh chụp chéo thì nắn phẳng thành bản scan trước rồi hãy đưa vào đọc.
Riêng bước nắn phẳng đáng làm hơn người ta tưởng. Nó bỏ phối cảnh hình thang, cân lại sáng cho nền giấy trắng đều, và cả hai thứ đó đều kéo độ tin cậy lên thấy rõ.
Bóc chữ xong thì đưa đi đâu
Phần chữ hiện ra trong một ô sửa được ngay tại chỗ, và để vậy là cố ý, bởi chỗ sửa nhanh nhất luôn là ngay trước mắt chứ không phải sau khi đã mở Word lên.
Sửa xong thì có ba đường ra. Copy thẳng vào chỗ đang cần, tải về file .txt khi chỉ cần phần chữ trần, hoặc tải về .docx nếu còn phải gửi cho ai đó hay còn định định dạng lại.
Có một nhầm lẫn hay gặp ở đây. Nếu thứ bạn cần là đưa nguyên tấm ảnh vào một tài liệu chứ không phải lấy chữ ra, thì đó là việc khác hẳn, và bài chuyển ảnh sang Word nói về nhánh đó.
Tấm ảnh có phải đi lên máy chủ nào không
Phần lớn trang đọc chữ trên mạng nhận ảnh của bạn rồi gửi lên máy chủ của họ xử lý. Với một trang menu quán ăn thì không sao, còn với hợp đồng, bảng lương hay giấy tờ tuỳ thân thì đó là chuyện cần cân nhắc.
Công cụ ở đây chạy bộ nhận chữ ngay trong trình duyệt, và cả phần lõi lẫn gói ngôn ngữ đều tải từ máy chủ của chính trang này. Tấm ảnh không đi đâu cả, và cũng không có bên thứ ba nào biết bạn đang đọc tài liệu bằng thứ tiếng gì.
Đổi lại là lần chạy đầu tiên hơi lâu. Phần lõi nặng khoảng 3,7 MB còn mỗi gói ngôn ngữ thêm chừng 1,4 tới 2,8 MB, và chúng chỉ được tải về đúng lúc bạn bấm đọc lần đầu trong phiên, nên hãy chờ thêm vài giây ở tấm đầu tiên.
Chữ trong video lại là việc khác
Nhiều người tìm cách bóc chữ từ video và nghĩ đó cùng một công cụ, nhưng thật ra có hai trường hợp nằm ở hai ngành khác hẳn nhau.
Nếu chữ bạn cần là lời người ta nói thì đó là nhận dạng giọng nói chứ không phải nhận dạng chữ, và bộ đọc ảnh không giúp được gì. Còn nếu chữ nằm hiện trên màn hình, kiểu slide thuyết trình hay bảng số liệu, thì chụp lại đúng khung hình đó rồi đưa tấm ảnh vào đọc là ra.
Khi nào thì đừng dùng
Có mấy trường hợp mà bóc chữ bằng máy là chọn sai ngay từ đầu, và biết trước thì đỡ mất công.
- Giấy tờ cần nộp cho cơ quan, vì nơi nhận cần bản sao có chứng thực chứ không cần phần chữ.
- Tài liệu chép tay.
- Bảng biểu nhiều cột, vì máy trả về chữ theo dòng và cấu trúc cột thường vỡ.
- Ảnh chụp màn hình một file PDF vốn đã có sẵn lớp chữ, trường hợp này bôi đen copy thẳng trong PDF là xong.
Một trang giấy, ba mươi giây
Chụp thẳng, đủ sáng, chọn đúng tiếng Việt, bấm đọc rồi soát lại mấy con số. Chừng đó là đủ để một trang chữ đi từ tấm ảnh sang chỗ bạn cần dán mà không phải gõ lại chữ nào.
Và nếu con số độ tin cậy hiện ra thấp, đừng cố sửa bản chữ đó. Chụp lại tấm ảnh cho tử tế thường nhanh hơn nhiều.