OCR truyền thống là dây chuyền chuyên dụng: tìm vùng chữ, cắt từng dòng, nhận dạng ký tự, trả về chữ kèm toạ độ và độ tin cậy; còn mô hình thị giác–ngôn ngữ, loại chatbot đọc được ảnh, nhìn cả trang và "viết lại" những gì nó thấy như trả lời một câu hỏi. Loại thứ nhất ổn định, kiểm soát được, ít bịa nhưng vấp với bố cục lạ và chữ viết tay. Loại thứ hai hiểu bố cục và ngữ cảnh rất tốt, nhưng có thể bỏ dòng, tự sửa chính tả hoặc sinh ra chữ không có trên giấy.
Không có lựa chọn đúng cho mọi việc. Số hoá kho lưu trữ cần toạ độ và kết quả lặp lại được, nên dây chuyền chuyên dụng vẫn là xương sống. Đọc nhanh một tờ biểu mẫu lộn xộn để lấy vài trường thông tin thì mô hình thị giác–ngôn ngữ tiện hơn nhiều. Bài này so hai họ công cụ theo những tiêu chí quan trọng với chữ Việt và gợi ý cách tự thử trước khi chọn.
Hai cách máy "đọc" một trang giấy
Dây chuyền OCR truyền thống chia việc thành nhiều khâu. Khâu phát hiện tìm các vùng có chữ và cắt chúng thành dòng hoặc từ. Khâu nhận dạng, ngày nay thường là mạng nơ-ron đọc cả dòng một lượt thay vì tách từng ký tự, biến ảnh dòng thành chuỗi ký tự. Cuối cùng là phân tích bố cục để xếp thứ tự đọc. Mỗi khâu có thể thay, chỉnh hoặc huấn luyện riêng. Tesseract, một bộ OCR mã nguồn mở lâu đời có dữ liệu nhận dạng tiếng Việt, đi theo hướng này; cộng đồng Việt cũng có các dự án mở chuyên cho chữ Việt như VietOCR.
Mô hình thị giác–ngôn ngữ đi đường khác. Ảnh trang giấy được biến thành chuỗi đặc trưng thị giác, rồi một mô hình ngôn ngữ sinh văn bản dựa trên đặc trưng đó và câu lệnh của bạn. Nó không có khâu "cắt dòng" rõ ràng; nó đọc và viết như người chép lại. Nhờ vậy, nó tự hiểu bảng, tiêu đề, chú thích, và có thể làm luôn việc khác như tóm tắt hay trích trường thông tin. Các chatbot phổ biến như ChatGPT, Gemini, Claude đều có khả năng đọc ảnh theo cách này, mức độ tuỳ phiên bản.
Khác biệt cốt lõi: dây chuyền truyền thống trả lời câu hỏi "ở vị trí này có ký tự gì", còn mô hình thị giác–ngôn ngữ trả lời câu hỏi "văn bản trên trang này có lẽ là gì". Câu hỏi thứ hai mạnh hơn nhưng mở cửa cho phỏng đoán.
So sánh theo tiêu chí quan trọng với tài liệu tiếng Việt
Bảng dưới mô tả xu hướng chung của hai họ công cụ, không đánh giá sản phẩm cụ thể. Từng công cụ có thể khác, và tính năng thay đổi nhanh, nên luôn kiểm trên phiên bản hiện hành.
| Tiêu chí | OCR truyền thống | Mô hình thị giác–ngôn ngữ |
|---|---|---|
| Chữ in sạch, bố cục đơn giản | Tốt, ổn định | Tốt |
| Bố cục phức tạp, bảng, biểu mẫu | Hay vấp thứ tự đọc, bảng vỡ | Thường hiểu cấu trúc tốt hơn |
| Chữ viết tay | Thường yếu nếu không huấn luyện riêng | Thường khá hơn với chữ rõ, vẫn sai nhiều với chữ nhanh |
| Toạ độ từng chữ, từng dòng | Có sẵn | Thường không có hoặc kém chính xác |
| Độ tin cậy từng chữ | Có, dùng để gắn cờ | Thường không có |
| Kết quả lặp lại khi chạy lại | Gần như giống hệt | Có thể khác nhau giữa các lần |
| Nguy cơ sinh chữ không có trên giấy | Thấp, lỗi thường là ký tự rác | Có thật: tự sửa, tự điền, bỏ dòng |
| Chạy trên máy cá nhân | Dễ, nhẹ | Mô hình lớn thường cần dịch vụ trực tuyến hoặc máy mạnh |
| Khối lượng hàng chục nghìn trang | Phù hợp | Tốn kém và khó kiểm soát hơn |
Điểm đáng chú ý nhất là kiểu lỗi. Lỗi của OCR truyền thống thường "trông như lỗi": ký tự lạ, chữ vỡ, nên người soát dễ thấy. Lỗi của mô hình thị giác–ngôn ngữ thường "trông như đúng": câu trơn tru, chính tả chuẩn, chỉ có điều không phải câu trên giấy. Đó là lý do loại lỗi sau nguy hiểm hơn với tài liệu cần chính xác.
Ảo giác khi đọc chữ: những kiểu sai cần biết trước
Tự sửa chính tả. Bản gốc viết theo chính tả cũ hoặc có lỗi chính tả thật, mô hình lặng lẽ sửa thành dạng chuẩn. Với văn bản lịch sử hay hồ sơ cần giữ nguyên văn, đây là sai.
Điền chỗ trống. Gặp chữ mờ, mực phai, mô hình có thể điền một từ hợp ngữ cảnh thay vì đánh dấu là không đọc được. Với họ tên, số tiền, ngày tháng, hậu quả có thể nghiêm trọng mà không ai phát hiện.
Bỏ hoặc lặp dòng. Trang dài, nhiều cột, mô hình có thể bỏ qua một đoạn, hoặc lặp lại một dòng hai lần. Vì đầu ra trôi chảy, người đọc khó nhận ra trang bị thiếu.
Tóm thay vì chép. Nếu câu lệnh không rõ, mô hình có thể diễn đạt lại hoặc tóm gọn thay vì chép nguyên văn.
Cách giảm: viết câu lệnh yêu cầu chép nguyên văn, giữ chính tả gốc, không sửa, chỗ không đọc được ghi bằng một ký hiệu cố định; chia trang dài thành phần nhỏ; và đối chiếu số dòng hoặc độ dài với một bộ OCR truyền thống chạy song song. Chênh lệch lớn về số âm tiết là tín hiệu có dòng bị bỏ hoặc bị chèn.
Riêng tư và chi phí: câu hỏi phải trả lời trước khi chọn
Phần lớn mô hình thị giác–ngôn ngữ mạnh chạy trên máy chủ của nhà cung cấp. Đưa ảnh lên nghĩa là nội dung giấy tờ rời khỏi máy của bạn. Với sách báo công khai, điều này thường không đáng lo; với hồ sơ bệnh án, hồ sơ nhân sự, giấy tờ tuỳ thân, hợp đồng, cần xem chính sách lưu trữ và sử dụng dữ liệu của dịch vụ, gói dịch vụ có cam kết không dùng dữ liệu để huấn luyện hay không, và quy định nội bộ của cơ quan về dữ liệu cá nhân.
Bộ OCR truyền thống mã nguồn mở chạy được ngay trên máy tính văn phòng, không cần mạng, nên dữ liệu không đi đâu cả. Đó là lợi thế lớn với tài liệu nhạy cảm. Cũng có các mô hình thị giác–ngôn ngữ cỡ nhỏ chạy cục bộ, nhưng khả năng đọc tiếng Việt của chúng chênh lệch nhiều và cần thử kỹ.
Về chi phí, nên tính theo số trang và số lần phải chạy lại, không chỉ theo giá mỗi lần gọi. Dự án vài trăm trang thì khác biệt không đáng kể; dự án hàng chục nghìn trang thì chi phí, thời gian chạy và công soát lỗi đều nhân lên. Đừng quên công người: công cụ rẻ mà lỗi khó thấy có thể đắt hơn công cụ tốn kém mà lỗi dễ thấy.
Tự thử để chọn: một phép so sánh có kiểm soát trong một buổi chiều
Con số quảng cáo hay bảng xếp hạng chung không nói được công cụ nào hợp với tài liệu của bạn. Một phép thử nhỏ, làm cẩn thận, đáng tin hơn nhiều.
- Chọn 15 đến 20 trang đại diện cho kho tài liệu, gồm cả trang khó nhất; tránh trang có thông tin cá nhân nếu sẽ thử dịch vụ trực tuyến.
- Làm bản chuẩn cho các trang đó bằng cách gõ hoặc soát tay từ ảnh.
- Chạy mỗi công cụ với cùng ảnh đầu vào. Với mô hình thị giác–ngôn ngữ, dùng một câu lệnh cố định yêu cầu chép nguyên văn, không sửa, chỗ không đọc được ghi ký hiệu riêng.
- Chuẩn hoá Unicode và khoảng trắng cho mọi kết quả, rồi tính tỷ lệ lỗi ký tự, lỗi dấu, và đếm số dòng bị thiếu hoặc thừa.
- Chạy lại mô hình thị giác–ngôn ngữ thêm một lần trên vài trang để xem kết quả có ổn định không.
- Đọc kỹ năm chỗ sai tệ nhất của mỗi công cụ: chúng dễ phát hiện hay "trông như đúng"?
- Ghi lại phiên bản, ngày thử, cài đặt; tính năng các công cụ thay đổi nhanh nên kết quả có hạn dùng.
Kết quả thường không phải một người thắng tuyệt đối mà là một sự phân công: công cụ này cho loại trang này, công cụ kia cho loại trang kia.
Chữ Việt thử thách mỗi họ công cụ theo một kiểu riêng
Với dây chuyền truyền thống, điểm yếu quen thuộc là dấu. Nếu mô hình nhận dạng được huấn luyện chủ yếu trên phông chữ phổ biến, gặp phông trang trí, chữ in đậm trên nền màu hay chữ máy đánh chữ thời trước, nó dễ rơi dấu hoặc đặt dấu sai chữ. Ưu điểm là lỗi này đo được và chữa được có hệ thống: thêm dữ liệu đúng loại phông, tinh chỉnh lại mô hình, hoặc đơn giản là nâng độ phân giải ảnh.
Với mô hình thị giác–ngôn ngữ, điểm yếu nằm ở chỗ khác. Tiếng Việt chỉ chiếm một phần nhỏ trong dữ liệu huấn luyện của phần lớn mô hình đa ngôn ngữ, nên khi ảnh mờ, mô hình có xu hướng nghiêng về cách viết nó quen: chuẩn hoá cách đặt dấu ("hòa" thành "hoà" hoặc ngược lại), sửa tên riêng ít gặp thành tên phổ biến hơn, hay viết lại tên đơn vị hành chính cũ theo cách gọi mới hoặc ngược lại. Với văn bản trộn Anh–Việt, như tài liệu kỹ thuật hay thực đơn, có lúc nó bỏ dấu cả đoạn tiếng Việt nằm cạnh tiếng Anh.
Hiểu được hai kiểu điểm yếu này giúp bạn thiết kế phép kiểm phù hợp: với dây chuyền truyền thống, tập trung đo lỗi dấu theo loại phông; với mô hình thị giác–ngôn ngữ, tập trung soát tên riêng, địa danh, cách đặt dấu và những đoạn trộn ngôn ngữ, vì đó là nơi nó dễ "đọc theo thói quen" thay vì đọc theo giấy.
Kết hợp hai họ công cụ: phân vai thay vì chọn một
Một cách làm ngày càng phổ biến là dùng cả hai, mỗi bên làm phần mình mạnh. Bộ OCR truyền thống đọc chữ và giữ toạ độ, tạo nền cho PDF tìm kiếm được và lưu trữ lâu dài. Mô hình thị giác–ngôn ngữ được gọi cho những việc cần hiểu: nhận diện loại tài liệu, tách bảng phức tạp, trích vài trường thông tin, hoặc gợi ý sửa ở những dòng mà bộ OCR báo độ tin cậy thấp.
Khi hai bên cho kết quả khác nhau ở cùng một dòng, đó chính là chỗ cần người nhìn. Phép so chéo này rẻ mà hiệu quả: chỗ hai công cụ đồng ý thường đúng, chỗ không đồng ý gom lại được một danh sách ngắn để soát. Với tài liệu có nhiều tên riêng tiếng Việt, địa danh trước và sau sáp nhập đơn vị hành chính năm 2025, hay số liệu, danh sách soát này đáng giá hơn nhiều so với đọc lại toàn bộ.
Điều cần giữ trong mọi phương án: kết quả cuối phải truy được về ảnh gốc, và văn bản do mô hình sinh ra không bao giờ được coi là nguyên văn nếu chưa có người đối chiếu.
Câu hỏi thường gặp
Chatbot đọc ảnh có thay được phần mềm OCR không?
Với vài trang để đọc hoặc lấy ý thì thường được, và tiện hơn nhiều. Với số hoá lưu trữ, khối lượng lớn hoặc tài liệu cần nguyên văn thì chưa nên thay hẳn, vì chatbot thường không cho toạ độ, không cho độ tin cậy và có thể tự sửa hoặc điền chữ. Nhiều dự án dùng cả hai, mỗi bên một vai.
Tesseract có đọc được tiếng Việt không?
Có. Tesseract có dữ liệu nhận dạng cho tiếng Việt và được dùng khá rộng vì miễn phí, chạy được trên máy. Chất lượng phụ thuộc nhiều vào ảnh đầu vào và loại phông; với chữ in rõ thì ổn, với chữ viết tay hay sách cũ thường cần thử thêm công cụ khác hoặc huấn luyện bổ sung.
Vì sao chạy lại cùng một ảnh mà chatbot cho kết quả khác?
Mô hình ngôn ngữ sinh văn bản có yếu tố ngẫu nhiên, và nhà cung cấp có thể cập nhật mô hình mà người dùng không biết. Với việc cần lặp lại được, nên giảm độ ngẫu nhiên nếu công cụ cho chỉnh, ghi lại phiên bản, và không dùng một lần chạy làm căn cứ duy nhất.
Làm sao biết chatbot đã bỏ sót dòng khi đọc ảnh?
So độ dài: đếm số dòng hoặc số âm tiết với kết quả của một bộ OCR truyền thống trên cùng trang. Chênh lệch lớn là dấu hiệu bỏ hoặc lặp. Chia trang dài thành phần nhỏ và yêu cầu đánh số dòng trong câu lệnh cũng giúp phát hiện nhanh hơn.
Có nên đưa hồ sơ khách hàng lên chatbot để đọc chữ?
Chỉ khi cơ quan cho phép, dịch vụ có cam kết xử lý dữ liệu phù hợp và bạn đã che những gì không cần thiết. Nếu không chắc, dùng bộ OCR chạy trên máy cho phần đọc chữ, và chỉ đưa lên mô hình những đoạn đã ẩn danh khi thật cần hiểu ngữ cảnh.