Gói ngôn ngữ nhận dạng
Trả lời ngắn: Tiếng Trung giản thể, tiếng Anh, tiếng Thái, tiếng Trung phồn thể và tiếng Nhật được tích hợp sẵn; các hệ chữ khác cần gói ngôn ngữ. Tải xuống trong “Chữ trong bản quét → Gói ngôn ngữ nhận dạng…”. Với máy tính không có internet, hãy tải trên một máy có mạng rồi dùng “Nhập từ tệp…”. Cả khi tải xuống lẫn khi nhập, gói đều được kiểm tra bằng SHA-256.
Tải xuống
Trong “Chữ trong bản quét → Gói ngôn ngữ nhận dạng…”, chọn các gói ngôn ngữ bạn cần và nhấp tải xuống. Việc tải xuống chỉ diễn ra khi bạn nhấp. Mỗi gói tải về đều được kiểm tra bằng SHA-256, và gói không vượt qua kiểm tra sẽ không được cài đặt. Gói ngôn ngữ được tải từ các máy chủ lưu trữ mô hình của bên thứ ba (ModelScope, GitHub, PyPI), không đi qua máy chủ của chúng tôi.
Dung lượng gói ngôn ngữ: gói PaddleOCR 8–14 MB, gói Tesseract 1–6 MB.
Nhập ngoại tuyến
- Trên một máy tính có kết nối internet, mở cùng cửa sổ đó và tải các gói ngôn ngữ bạn cần.
- Sao chép các tệp sang máy tính đích.
- Trong “Gói ngôn ngữ nhận dạng…”, nhấp “Nhập từ tệp…”.
Khi nhập, gói cũng được kiểm tra bằng SHA-256 theo cách tương tự.
Gói đọc lại (tùy chọn)
Với chữ Devanagari và chữ Kannada, bạn có thể cài thêm một gói Tesseract đóng vai trò bộ nhận dạng thứ hai trong bước kiểm tra đọc lại. Các trường quan trọng chỉ đạt khi cả hai bộ nhận dạng đều đọc đúng. Văn bản thông thường đạt khi một trong hai bộ đọc chính xác hoàn toàn, nhờ đó giảm các kết quả “Cần xem lại” do đọc sai dấu nguyên âm. Riêng với chữ Kannada, sau khi cài gói này, Tesseract đảm nhận việc tìm kiếm còn mô hình ban đầu được dùng để kiểm tra. Tiếng Ả Rập cũng có gói này, nhưng phiên bản hiện tại chưa hỗ trợ tìm và thay thế chữ Ả Rập cùng các chữ viết từ phải sang trái khác, nên hiện chưa được dùng.
Từ điển cách đọc tiếng Nhật
Gói ngôn ngữ “Từ điển cách đọc tiếng Nhật” (SudachiDict, dung lượng tải khoảng 42 MB) được dùng khi thay thế các từ có chữ phiên âm (furigana). Khi đã cài từ điển, cách đọc mới được tạo dựa trên từ điển. Nếu chưa cài, furigana cũ được giữ nguyên và bạn sẽ thấy thông báo rằng chữ phiên âm (furigana) chưa được cập nhật.
Các hệ chữ không nhận dạng được
Chữ Syriac và chữ Thaana (Maldives) không nhận dạng được trên bản quét. Cả hai đều viết từ phải sang trái, và phiên bản hiện tại cũng chưa hỗ trợ tìm và thay thế chúng trong PDF có lớp văn bản. Về kết quả đo thực tế trên bản quét cho từng ngôn ngữ, xem phần nhận dạng bản quét trong ma trận năng lực.
Câu hỏi thường gặp
Gói ngôn ngữ được cài ở đâu?
%LOCALAPPDATA%\PDFTextReplacer\models.
Nếu thiếu gói ngôn ngữ khi tìm thì sao?
Phần mềm sẽ nhắc bạn cài đặt, và sau khi cài xong sẽ tự động tìm lại.