ตารางการรองรับภาษา OCR สำหรับไฟล์สแกน
เราทดสอบอัตราความผิดพลาดในการรู้จำและผลการแทนที่ของอักษร 17 ระบบกับเอกสารสแกนจริงทีละภาษา ภาษาจีนตัวย่อและภาษาอังกฤษเป็นภาษาหลัก อักษร 8 ระบบ รวมถึงภาษาไทย จีนตัวเต็ม และญี่ปุ่น ใช้งานได้แต่ควรตรวจสอบผล อีก 8 ระบบยังอยู่ในขั้นทดลอง และไฟล์สแกนภาษาลาวใช้งานไม่ได้
อัตราความผิดพลาดและจำนวนการแทนที่ที่ผ่านในตารางนี้วัดเมื่อ 14 ตุลาคม 2026 ด้วยเอนจิน PDF รุ่นก่อน ตั้งแต่ 20 ตุลาคม 2026 ซอฟต์แวร์เปลี่ยนมาใช้ pdfr ซึ่งเป็นเอนจินที่พัฒนาเอง และยังไม่ได้ทดสอบผลเหล่านี้ใหม่กับเวอร์ชันปัจจุบัน
เวอร์ชันปัจจุบันยังไม่รองรับการค้นหา การแทนที่ และการปิดทับตามคำค้นสำหรับอักษรที่เขียนจากขวาไปซ้าย เช่น อาหรับ (รวมเปอร์เซียและอูรดู) และฮีบรู หากคำที่ค้นหาหรือข้อความใหม่มีอักษรเหล่านี้ โปรแกรมจะหยุดก่อนเริ่มแก้ไข และไฟล์จะไม่ถูกเปลี่ยนแปลง ผลการแทนที่ในแถวภาษาอาหรับและฮีบรูของตารางเป็นบันทึกการทดสอบของเวอร์ชันก่อน และใช้กับเวอร์ชันปัจจุบันไม่ได้
ตรวจสอบกับโค้ดเวอร์ชัน b6246f1 (pdfr) เมื่อ 2026-10-21
| อักษร | ตัวรู้จำ | ที่มา | ทดสอบกับ | อัตราความผิดพลาดระดับอักขระ | แทนที่บนไฟล์สแกนจริงผ่านเกณฑ์ | สรุป |
|---|---|---|---|---|---|---|
| จีนตัวย่อ | PP-OCRv6 | ในตัว | ทดสอบต่อเนื่องตลอดการพัฒนา | — | — | รองรับเป็นหลัก |
| อังกฤษและภาษาอักษรละติน | PP-OCRv6 | ในตัว | ทดสอบต่อเนื่องตลอดการพัฒนา | — | — | รองรับเป็นหลัก |
| ไทย | PP-OCRv5 | ในตัว | ไฟล์สแกนจริง | 0.4% | 1/4 | ใช้ได้ ควรตรวจสอบ เอกสารพิมพ์ใหม่ใช้ได้แต่ต้องตรวจทาน ส่วนสิ่งพิมพ์เก่าและสแกนความละเอียดต่ำยังเป็นขั้นทดลอง |
| จีนตัวเต็ม | PP-OCRv6 | ในตัว | ไฟล์สแกนจริงและจำลอง | 0.3–0.4% | 23/23 | ใช้ได้ ควรตรวจสอบ การแทนที่แนวนอนทดสอบกับสแกนจำลองเท่านั้น (23/23) หน้าแนวตั้งที่มีจู้อินจะไม่แทนที่ |
| ญี่ปุ่น | PP-OCRv6 | ในตัว | ไฟล์สแกนจริง | 0.3% | 8/9 | ใช้ได้ ควรตรวจสอบ ทดสอบแนวตั้งและฟุริงานะกับสแกนจริง 3 ชุด (8/9) |
| เกาหลี | PP-OCRv5 | ชุดภาษา | ไฟล์สแกนจริง | 2.9% | 5/5 | ใช้ได้ ควรตรวจสอบ 5/5 คือผลหลังลบชั้นข้อความซ่อน น้ำหนักและแบบตัวอักษรอาจไม่ตรง |
| เวียดนาม | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 3.1% | 2/4 | ใช้ได้ ควรตรวจสอบ |
| ฮินดี (เทวนาครี) | PP-OCRv5 | ชุดภาษา | ไฟล์สแกนจริง | 2.5% | 4/7 | ใช้ได้ ควรตรวจสอบ |
| จอร์เจีย | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 1.6% | 5/6 | ใช้ได้ ควรตรวจสอบ |
| อาร์เมเนีย | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 2.8% | 0/1 | ใช้ได้ ควรตรวจสอบ |
| ทมิฬ | PP-OCRv5 | ชุดภาษา | ไฟล์สแกนจริง | 2.3% | 3/6 | ขั้นทดลอง |
| อาหรับ | PP-OCRv5 + Tesseract | ชุดภาษา | ไฟล์สแกนจริง | ≈8–12% | 2/4 | ขั้นทดลอง เวอร์ชันปัจจุบันยังค้นหาและแทนที่ไม่ได้ |
| ฮีบรู | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 9.1% | 1/1 | ขั้นทดลอง เวอร์ชันปัจจุบันยังค้นหาและแทนที่ไม่ได้ |
| เบงกาลี | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 9.1% | 2/4 | ขั้นทดลอง |
| เขมร | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 2.8% | 1/9 | ขั้นทดลอง |
| พม่า | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | ≈10% | 3/5 | ขั้นทดลอง |
| สิงหล | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 6.2% | 1/6 | ขั้นทดลอง |
| อัมฮารา | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 2.5% | 3/6 | ขั้นทดลอง |
| ลาว | Tesseract 5 | ชุดภาษา | ไฟล์สแกนจริง | 2.0% | 0/3 | ใช้กับไฟล์สแกนไม่ได้ |
ภาษาหลักได้รับการทดสอบต่อเนื่องตลอดการพัฒนา รายงานรอบนี้จึงไม่ได้แยกตัวเลขไว้
วิธีทดสอบ: อักษรแต่ละระบบใช้เอกสารสแกนจริง (รวมถึงสิ่งพิมพ์เก่า ราชกิจจาหรือประกาศของรัฐ และภาพความละเอียดต่ำ) และ PDF ต้นฉบับดิจิทัล อัตราความผิดพลาดระดับอักขระคำนวณจาก “บรรทัดของอักษรนั้น” (บรรทัดที่อักษรนั้นมีสัดส่วนเกินครึ่ง ปรับรูปแบบเป็น NFC และตัดช่องว่าง) จำนวนการแทนที่ที่ผ่านเกณฑ์คือ จำนวนจุดที่ผ่านการตรวจด้วยตา / จำนวนจุดที่แทนที่ โดยผ่านเกณฑ์หมายถึงตัวอักษรเดิมถูกลบหมด ข้อความใหม่มีขนาด สี และเส้นฐานใกล้เคียงเดิม และข้อความข้างเคียงไม่เสียหาย
อักษรต่อไปนี้รู้จำในไฟล์สแกนไม่ได้ และเป็นอักษรที่เขียนจากขวาไปซ้าย เวอร์ชันปัจจุบันจึงยังค้นหาและแทนที่อักษรเหล่านี้ใน PDF ที่มีชั้นข้อความไม่ได้ด้วย: ซีเรียก และทานา (มัลดีฟส์)
ข้อจำกัดที่ใช้กับทุกภาษา
- ข้อความแนวนอนบรรทัดเดียวที่เอียงไม่เกินประมาณ 3° ข้อความแนวตั้ง: ภาษาญี่ปุ่นทดสอบกับไฟล์สแกนจริงแล้ว ภาษาจีนตัวย่อแนวตั้งรองรับในโค้ดแต่ยังไม่ได้ทดสอบ หน้าภาษาจีนตัวเต็มแนวตั้งที่มีอักษรจู้อินจะถูกปฏิเสธ อักษรอื่นรองรับเฉพาะแนวนอน
- ลายมือ ตัวอักษรตกแต่ง ภาพที่ต่ำกว่าประมาณ 150 DPI หรือตัวอักษรที่เล็กเกินไป จะรู้จำได้แม่นยำน้อย
- การจับคู่ที่ค่าความเชื่อมั่นต่ำกว่า 80% จะถูกทำเครื่องหมาย “ต้องตรวจสอบ”
- ข้อความในภาพไม่สามารถระบุฟอนต์เดิมได้ จึงใช้ฟอนต์ที่เลือกแทนให้ใกล้เคียงที่สุด
อ้างอิงหน้านี้: EnjoyPDF ตารางการรองรับภาษา OCR สำหรับไฟล์สแกน, 2026-10-14