OCR là viết tắt của nhận dạng ký tự quang học, một cái tên kỹ thuật cho một ý tưởng đơn giản: phần mềm nhìn vào ảnh chứa chữ — ảnh chụp, bản quét, trang PDF — và xác định những chữ cái và chữ số nó chứa.

Điều đó quan trọng vì đối với máy tính, ảnh một biên lai chỉ là một lưới các chấm màu. Nó không thể tìm kiếm nó, sao chép nó, hoặc đọc tổng số tiền. Chạy OCR trên ảnh đó và các chấm trở thành chữ thực tế: "Blue Bottle Coffee… $14.20…" Bây giờ máy tính có thể tìm thấy nó khi bạn tìm kiếm, giống như cách nó tìm thấy một email.

Đó là toàn bộ khái niệm. Ảnh chứa chữ vào, chữ có thể tìm kiếm ra. Mọi thứ khác về OCR đều là chi tiết — bao gồm cả chi tiết về lý do tại sao, thậm chí với OCR ở khắp nơi, bạn vẫn không thể tìm thấy bảo hành máy rửa bát của bạn. Chúng ta sẽ nói đến điều đó.

Bạn đã sử dụng OCR mỗi ngày

OCR nghe có vẻ như phần mềm doanh nghiệp từ năm 2003, nhưng bạn có thể đã sử dụng nó sáng nay mà không nhận ra:

  • Tìm kiếm trong Ảnh trên iPhone. Apple gọi tính năng này là Live Text. iPhone của bạn tự động đọc chữ trong mỗi ảnh bạn chụp, đó là lý do tại sao bạn có thể tìm kiếm trong Ảnh để tìm chữ trên biển hiệu hoặc biên lai và thực sự nhận được kết quả. Bạn cũng có thể nhấn vào ảnh và sao chép chữ trực tiếp từ nó.
  • Các ứng dụng quét. Khi bạn quét tài liệu bằng iPhone, ứng dụng chụp ảnh — và sau đó OCR là những gì làm cho PDF kết quả có thể tìm kiếm được thay vì chỉ là một hình ảnh.
  • Ngân hàng của bạn. Khi bạn gửi tiền bằng cách chụp ảnh séc, OCR đọc số tiền và các số tài khoản.
  • Dịch vụ bưu chính. Các dịch vụ bưu chính đã sử dụng OCR để đọc địa chỉ và định tuyến phong bì trong nhiều thập kỷ. Nó thực sự là công nghệ cũ đã dần trở nên tốt.

Vì vậy, khi một ứng dụng quét quảng cáo "PDF có thể tìm kiếm," đó là OCR. Nó không phải là thương hiệu hay sản phẩm — đó là tên chung cho công nghệ chuyển ảnh thành chữ.

Nó hoạt động như thế nào (sơ lược)

Bạn không cần biết chi tiết kỹ thuật, nhưng phiên bản một đoạn văn giúp bạn dự đoán khi nó sẽ thất bại.

Phần mềm OCR tìm kiếm hình dạng của các ký tự: cụm pixel tối này cong giống như "S," cái kia có vạch ngang của "t." OCR hiện đại rất tốt ở điều này đối với chữ in sạch — ánh sáng tốt, trang phẳng, phông chữ thông thường. Sau đó nó nối các ký tự thành từ và các từ thành dòng, và trao cho bạn kết quả dưới dạng văn bản thuần.

Hãy chú ý: nó chỉ nhận ra ký tự. Không phải biên lai, không phải hợp đồng, không phải "số này là tổng cộng và số kia là ngày tháng." Chỉ là ký tự. Hãy ghi nhớ điều đó, vì đó là lỗ hổng cơ bản mà tất cả các vấn đề đều bắt nguồn từ đó.

Nơi OCR thực sự gặp khó khăn

Ba hạn chế xuất hiện lặp đi lặp lại trong cuộc sống thực:

Chữ viết tay. Chữ in là một vấn đề đã giải quyết; chữ viết tay của bạn thì không. Các chữ viết hoa gọn gàng thường sống sót. Chữ viết sát vào nhau, ghi chú ở lề chật chội, và bất cứ thứ gì được viết bởi bác sĩ đều ra lộn xộn hoặc không ra gì cả. Nếu những thứ quan trọng của bạn bao gồm các trang viết tay, OCR cơ bản sẽ khiến bạn thất vọng.

Bố cục. OCR đọc từ trái sang phải, từ trên xuống dưới. Các tài liệu thực tế không được thiết kế như vậy: biên lai đặt giá ở cột bên phải lẻ lục, biểu mẫu có nhãn và ô hộp rải rác ở khắp nơi, bảng biến thành lộn xộn. Các ký tự có thể tất cả đều chính xác trong khi thứ tự hoàn toàn vô nghĩa — "Total 3 $14.20 Qty Oat Latte."

Ngữ cảnh. Đây là vấn đề lớn. OCR có thể cho bạn biết một trang chứa các ký tự "03/15/2027." Nó không thể cho bạn biết liệu đó là ngày hết hạn, ngày mua hàng, hay ngày mẫu được in. Nó biết những chữ cái là gì, không phải chúng có nghĩa gì.

Tại sao chữ có thể tìm kiếm vẫn không giúp tìm tài liệu

Dưới đây là hậu quả hàng ngày của giới hạn cuối cùng đó. Giả sử OCR đã thực hiện công việc của nó hoàn hảo và mỗi bản quét trên điện thoại của bạn đều hoàn toàn có thể tìm kiếm. Bạn cần bảo hành cho máy rửa bát của bạn. Bạn sẽ gõ gì?

"Bảo hành" — nhận được bốn mươi kết quả, vì mỗi biên lai đều đề cập đến bảo hành. "Máy rửa bát" — không có gì, vì biên lai nói "BOSCH SHEM63W55N." Chữ đều ở đó; ý nghĩa thì không. Tìm kiếm theo từ chính xác chỉ hoạt động khi bạn có thể nhớ một từ chính xác, và tài liệu là những thứ bạn cố gắng không phải nhớ.

OCR cho bạn Hiểu biết cho bạn
Biên lai Các ký tự trên nó "Biên lai, từ Bosch, $649, tháng 3 năm 2025"
Bản quét hộ chiếu Tên và số dưới dạng chữ "Hộ chiếu của bạn — hết hạn vào 03/15/2027"
Câu hỏi của bạn Kết quả khớp với từ chính xác Một câu trả lời thực tế, kèm theo tài liệu

Bước tiếp theo sau OCR: biết tài liệu là gì

Bước tiếp theo là phần mềm không dừng lại ở việc đọc các ký tự mà tìm ra tài liệu là gì: biên lai, từ ai, bao nhiêu tiền, hết hạn khi nào. Khi biết điều đó, "bảo hành máy rửa bát ở đâu?" trở thành một câu hỏi có thể trả lời thay vì một trò chơi đoán xem những từ nào xuất hiện trên trang.

Đó là phần mà Paperlock được xây dựng dựa trên. Bạn quét hoặc nhập tài liệu vào kho lưu trữ được bảo vệ bằng Face ID trên iPhone, và nó đọc toàn bộ — bao gồm chữ viết tay — và hiểu nó: loại, người gửi, ngày tháng, số tiền. Không có thư mục hay tên; nó tự động lưu trữ. Sau đó bạn hỏi bằng tiếng Anh đơn giản — "hộ chiếu của tôi hết hạn khi nào?", "tôi đã chi bao nhiêu tiền ở Blue Bottle?" — và nhận được câu trả lời kèm theo tài liệu gốc. Nếu câu trả lời không nằm trong kho của bạn, nó nói vậy thay vì đoán. Bất cứ thứ gì có ngày hết hạn đều nhận được nhắc nhở tự động 30 ngày và 7 ngày trước. Bạn có thể xem cách hoạt động của nó ở đây; nó sắp ra mắt trên App Store.

Một lưu ý đáng được nói riêng: bất cứ khi nào ứng dụng đọc tài liệu của bạn — OCR hay bất cứ thứ gì khác — điều đó đáng để biết nơi đọc diễn ra và những gì được lưu giữ. Chúng tôi đã viết hướng dẫn trung thực về liệu các ứng dụng quét có an toàn không và những gì cần kiểm tra trước khi tin tưởng một ứng dụng.

Phiên bản ngắn

OCR chuyển ảnh chứa chữ thành chữ có thể tìm kiếm, và nó ở khắp nơi một cách yên tĩnh — cuộn camera, ứng dụng quét của bạn, ngân hàng của bạn. Nó thực sự hữu ích và thực sự bị hạn chế: không ổn định trên chữ viết tay, bị nhầm bởi bố cục, và mù với ý nghĩa. Nó cho bạn các chữ cái; nó không thể phân biệt bảo hành máy rửa bát từ biên lai nhà hàng.

Để tìm kiếm các tài liệu, khe hở cuối cùng đó là vấn đề — và khắc phục nó là mục đích của bước sau OCR.