Cách dịch PDF quét và kiểm tra lỗi OCR
PDF quét chứa ảnh của các trang thay vì văn bản chọn được. OCR nhận dạng ký tự trước khi bắt đầu dịch. Bản dịch có thể đọc trôi chảy ngay cả khi OCR đọc sai một con số hoặc gộp các cột. Hãy luôn đối chiếu nguồn và đầu ra song song.
Chọn quy trình dựa trên tệp của bạn
| Bạn thấy gì | Bước tiếp theo |
|---|---|
| Văn bản chọn được, và các đoạn sao chép dán vào đúng thứ tự. | Dùng quy trình PDF văn bản. Hãy thử một bảng hoặc trang dày chữ trước khi dịch cả tệp. |
| Không chọn được văn bản nào. | Dùng quy trình PDF quét với OCR. Sau khi dịch, hãy đối chiếu ký tự và con số với ảnh gốc. |
| Văn bản chọn được, nhưng các cột bị gộp lại khi dán. | Hãy thử trang này trước. Văn bản chọn được không đảm bảo thứ tự đọc đúng. |
| Tệp có cả trang văn bản và trang quét. | Hãy thử một trang văn bản và một trang quét. Xem lại cả hai kết quả trước khi dịch toàn bộ tài liệu. |
Trước hết, kiểm tra trang nào cần OCR
Chọn một câu và dán vào trình soạn thảo văn bản thuần. Nếu bạn không chọn được văn bản nào, trang đó có thể cần OCR. Nếu văn bản dán vào bị lỗi ký tự hoặc gộp các cột, lớp văn bản hiện có cũng cần được kiểm tra kỹ. Vì một tệp PDF có thể trộn trang văn bản và trang quét, hãy kiểm tra nhiều hơn trang đầu tiên.
Chuẩn bị một mẫu nhỏ có tính đại diện
Chỉ dùng những trang bạn có quyền tải lên. Cho lần thử đầu, hãy chọn một trang rõ, một trang dày chữ và một trang có bảng. Xoay các trang bị nằm ngang và tránh văn bản bị cắt. Giữ an toàn tệp gốc. LangBox nhận tệp tới 100 MB không giới hạn số trang, nên chỉ cần tách các tệp lớn hơn mức đó. Phóng to bản quét bị mờ sẽ không khôi phục được các ký tự bị mất.
Dịch và kiểm tra đầu ra ban đầu
Mở trình dịch PDF, đăng nhập, chọn ngôn ngữ nguồn và ngôn ngữ đích, rồi tải mẫu lên. Các trang quét được xử lý bằng dịch vụ OCR đã cấu hình. Chờ tác vụ hoàn tất, rồi so sánh đầu ra song ngữ với bản gốc. Hãy tải tệp xuống trong vòng 24 giờ. Quy trình này là dịch vụ trực tuyến và không chạy ngoại tuyến.
Kiểm tra cột, bảng và con số
Đọc trọn một đoạn từ đầu đến cuối để phát hiện các cột bị gộp. Đối chiếu từng con số với tiêu đề hàng, tiêu đề cột và đơn vị. So sánh dấu trừ, dấu thập phân, ngày tháng và câu phủ định. Đọc công thức trực tiếp từ tệp gốc. Trong tệp thử nghiệm đã lưu trữ của chúng tôi, CC0 bị đọc sai thành CCo và một đơn vị tiếng Trung bị xuống dòng gượng dù tác vụ kết thúc không lỗi.
Cần làm gì nếu đầu ra không dùng được
Nếu văn bản chồng lên nhau, một cột biến mất hoặc con số bị thay đổi, đừng dùng đầu ra đó. Hãy thử một nguồn sạch hơn được phép sử dụng hoặc một mẫu nhỏ hơn và kiểm tra kết quả mới. Với bảng hoặc công thức phức tạp, hãy dựa vào tài liệu gốc hoặc nhờ người kiểm tra. Thử lại một tệp có thể tốn thêm tín dụng và không đảm bảo nhận dạng ký tự tốt hơn.
Ví dụ này cho thấy điều gì
Tệp thử nghiệm có thể tải xuống gồm một trang văn bản chọn được và một trang quét tương ứng, kèm bản dịch chưa chỉnh sửa. Nó cho thấy các điểm thành công và lỗi cụ thể trên chính các trang đó. Nó không chứng minh độ chính xác với chữ viết tay, bản quét chất lượng thấp, các ngôn ngữ khác hoặc bài báo học thuật.
So sánh đầu vào và đầu ra PDF thực tế
Đây là các kết quả đã lưu trữ từ môi trường thực tế của LangBox ngày 20 tháng 9 năm 2026, không phải lần chạy đo hiệu năng mới. Hãy mở bản gốc và bản đầu ra chưa chỉnh sửa song song. Dùng các ví dụ bên dưới để đánh giá đầu ra có phù hợp với tài liệu của bạn không.
Cùng trang đó ở dạng bản quét
Trang 2 là ảnh của trang 1. Lần chạy lại OCR cuối cùng giữ các đoạn văn dễ đọc, nhưng CC0 thành CCo và kiểu chữ thay đổi. Lần chạy lại hai trang này dùng GPT-5.6 Luna và mất khoảng 96 giây. Vì dùng mô hình khác với bài thử văn xuôi, đừng so sánh các thời gian này như một phép đo hiệu năng.
Nhấp vào một trong hai trang để mở PDF. Bản nguồn và bản đầu ra hiển thị đến từ cùng một lần thử nghiệm đã lưu trữ.
Kiểm tra các chi tiết này trước khi tin vào kết quả
Đối chiếu tên, câu phủ định, dấu thập phân, đơn vị, ô trong bảng và công thức với bản gốc. Một tác vụ đã hoàn tất không đảm bảo các chi tiết này đúng. Dịch PDF yêu cầu tài khoản miễn phí và tín dụng, nhận tệp tới 100 MB không giới hạn số trang, và cho phép một tác vụ PDF đang chạy mỗi tài khoản. Tệp tải xuống được giữ trong 24 giờ.
Ngày thử nghiệm, phương pháp và hạn chế (English)