Trích xuất văn bản từ hình ảnh và tài liệu scan bằng Tesseract.js hoàn toàn ngoại tuyến
Chụp ảnh hóa đơn, biên lai thanh toán, trang sách hoặc tài liệu giấy là thao tác quen thuộc hàng ngày. Tuy nhiên, việc phải gõ lại thủ công hàng trăm dòng chữ từ bức ảnh vào máy tính tốn rất nhiều thời gian và công sức. Công nghệ Nhận dạng Ký tự Quang học (OCR) cho phép chuyển đổi chữ viết trong ảnh thành văn bản kỹ thuật số có thể sao chép, tìm kiếm và chỉnh sửa được.
Công cụ Offline OCR của GoToolstack tích hợp công nghệ Tesseract.js (động cơ mạng nơ-ron LSTM) được biên dịch sang WebAssembly. Công cụ chạy 100% ngoại tuyến trên trình duyệt của bạn: bạn chỉ cần chọn ngôn ngữ tài liệu (hỗ trợ tiếng Việt và hơn 100 ngôn ngữ quốc tế), công cụ sẽ tải mô hình ngôn ngữ tương ứng vào bộ nhớ đệm trình duyệt (IndexedDB) và nhận diện chữ mà không gửi bất kỳ ảnh chụp nhạy cảm nào ra máy chủ ngoài.
Ảnh đầu vào → Tiền xử lý (Độ xám, Cân bằng nhị phân Otsu) → Mạng nơ-ron Tesseract.js LSTM → Hộp ranh giới từ (Bounding Boxes) + Điểm tin cậy (%) → Văn bản
Hình ảnh được đưa qua bộ lọc tăng độ tương phản để làm nổi bật nét chữ. Mạng nơ-ron LSTM quét tuần tự từng dòng văn bản, phân tích đặc trưng đường cong ký tự và đối chiếu với từ điển ngôn ngữ để xuất ra văn bản chính xác nhất.