Liệu trí tuệ nhân tạo có thể đọc chữ viết tay? [Video và bài kiểm tra]

Câu trả lời ngắn gọn: Có - AI có thể đọc chữ viết tay, nhưng độ tin cậy rất khác nhau. Nó thường hoạt động tốt khi chữ viết tay nhất quán và bản quét hoặc ảnh rõ nét; nếu chữ viết khó đọc, mờ, cách điệu cao, hoặc văn bản có tính chất quan trọng (tên, địa chỉ, ghi chú y tế/pháp lý), hãy chuẩn bị cho các lỗi và dựa vào sự kiểm tra của con người.

Những điểm chính cần ghi nhớ:

Độ tin cậy: Hãy kỳ vọng độ chính xác ở mức "ý chính" khi văn bản được viết gọn gàng và hình ảnh rõ nét.

Công cụ: Sử dụng OCR có khả năng nhận diện chữ viết tay, chứ không phải OCR nhận diện văn bản in, cho các trang viết chữ thảo.

Xác minh: Xem xét các kết quả có độ tin cậy thấp trước, đặc biệt là đối với các trường và ID quan trọng.

Kiểm soát chất lượng: Cải thiện quá trình thu hình (ánh sáng, góc chụp, độ phân giải) để giảm thiểu lỗi nhận dạng.

Bảo mật thông tin: Hãy che giấu dữ liệu nhạy cảm hoặc sử dụng các tùy chọn cài đặt tại chỗ khi xử lý các tài liệu riêng tư.

Những bài viết bạn có thể muốn đọc sau bài này:

🔗 Độ chính xác của AI trong thực tế như thế nào?
Phân tích các yếu tố ảnh hưởng đến độ chính xác của AI trong các nhiệm vụ khác nhau.

🔗 Cách học trí tuệ nhân tạo từng bước một
Một lộ trình thân thiện với người mới bắt đầu để tự tin học về Trí tuệ nhân tạo.

🔗 Trí tuệ nhân tạo (AI) sử dụng bao nhiêu nước?
Giải thích nguồn gốc và lý do tại sao AI sử dụng nước.

🔗 Trí tuệ nhân tạo (AI) dự đoán xu hướng và mô hình như thế nào?
Trình bày cách các mô hình dự báo nhu cầu, hành vi và sự thay đổi của thị trường.

Liệu trí tuệ nhân tạo có thể đọc chữ viết tay một cách chính xác không? 🤔

AI có thể đọc chữ viết tay không? Có - OCR/nhận dạng chữ viết tay hiện đại có thể trích xuất văn bản viết tay từ hình ảnh và bản quét, đặc biệt khi chữ viết nhất quán và hình ảnh rõ nét. Ví dụ, các nền tảng OCR phổ biến hỗ trợ rõ ràng việc trích xuất chữ viết tay như một phần của dịch vụ của họ. [1][2][3]

Nhưng từ "đáng tin cậy" thực sự phụ thuộc vào ý bạn muốn nói là gì:

• Nếu bạn muốn nói "đủ tốt để hiểu ý chính" - thì thường là đúng ✅

• Nếu bạn muốn nói "đủ chính xác để ghi tên, địa chỉ hoặc hồ sơ y tế mà không cần kiểm tra lại" - thì không, không an toàn chút nào 🚩

• Nếu bạn ý nói "biến bất kỳ nét vẽ nguệch ngoạc nào thành văn bản hoàn hảo ngay lập tức" - thì thành thật mà nói... điều đó là không thể 😬

Trí tuệ nhân tạo gặp khó khăn nhất khi:

• Các chữ cái bị lẫn vào nhau (vấn đề thường gặp khi viết chữ thảo)

• Mực nhạt, giấy sần sùi hoặc bị lem mực xuyên qua

• Chữ viết tay mang đậm dấu ấn cá nhân (những nét uốn lượn kỳ lạ, độ nghiêng không nhất quán)

• Văn bản này mang tính lịch sử/được cách điệu hoặc sử dụng các kiểu chữ/chính tả bất thường

• Ảnh bị méo, mờ, tối (chụp bằng điện thoại dưới đèn… ai cũng từng làm vậy)

Vì vậy, cách diễn đạt tốt hơn là: AI có thể đọc chữ viết tay, nhưng nó cần thiết lập phù hợp và công cụ phù hợp. [1][2][3]

Vì sao chữ viết tay khó hơn chữ viết thường trong nhận dạng ký tự quang học (OCR) 😵💫

Nhận dạng ký tự quang học (OCR) trên chữ in giống như đọc các mảnh ghép Lego - các hình dạng riêng biệt, các cạnh gọn gàng.
Chữ viết tay thì giống như mì Ý - các nét nối liền nhau, khoảng cách không đều và đôi khi… mang tính nghệ thuật 🍝

Những điểm khó khăn chính:

• Phân đoạn: các chữ cái được nối liền với nhau, vì vậy câu hỏi "chữ cái nào kết thúc ở đâu" trở thành một vấn đề phức tạp.

• Biến thể: hai người viết cùng một bức thư theo những cách hoàn toàn khác nhau.

• Sự phụ thuộc vào ngữ cảnh: bạn thường cần phải đoán nghĩa từng từ để giải mã một bức thư lộn xộn.

• Độ nhạy nhiễu: một chút mờ nhòe cũng có thể làm mất đi những nét mảnh định hình chữ cái.

Đó là lý do tại sao các sản phẩm OCR có khả năng viết tay thường dựa vào các mô hình học máy / học sâu hơn là logic “tìm từng ký tự riêng biệt” kiểu cũ. [2][5]

Điều gì tạo nên một "trí tuệ nhân tạo đọc chữ viết tay" tốt? ✅

Nếu bạn đang lựa chọn giải pháp, một bộ dụng cụ viết tay/chữ thảo tốt thực sự thường có những đặc điểm sau:

• Hỗ trợ viết tay được tích hợp sẵn (không phải “chỉ văn bản in”) [1][2][3]

• Nhận thức về bố cục (để nó có thể xử lý tài liệu, không chỉ một dòng văn bản đơn lẻ) [2][3]

• Điểm tin cậy + hộp giới hạn (để bạn có thể xem lại các phần phác thảo nhanh chóng) [2][3]

• Xử lý ngôn ngữ (phong cách viết hỗn hợp và văn bản đa ngôn ngữ là một vấn đề) [2]

• Tùy chọn có sự tham gia của con người trong mọi vấn đề quan trọng (y tế, pháp lý, tài chính)

Ngoài ra - nhàm chán nhưng có thật - nó phải xử lý các đầu vào của bạn: ảnh, PDF, bản quét nhiều trang và hình ảnh “Tôi chụp cái này ở góc độ trong xe hơi” 😵. [2][3]

Bảng so sánh: các công cụ mọi người sử dụng khi hỏi "Trí tuệ nhân tạo có thể đọc chữ viết tay không?" 🧰

Không có cam kết nào về giá cả ở đây (vì giá cả thường xuyên thay đổi). Đây là cảm nhận về khả năng, không phải là giỏ hàng thanh toán.

Khám phá sâu: Cách AI đọc chữ viết tay ẩn bên trong 🧠

Hầu hết các hệ thống đọc chữ thảo thành công hoạt động giống như phiên âm hơn là “nhận diện từng chữ cái”. Đó là lý do tại sao các tài liệu OCR hiện đại nói về các mô hình học máy và trích xuất chữ viết tay thay vì các mẫu ký tự đơn giản. [2][5]

Một quy trình đơn giản hóa:

1. Xử lý sơ bộ (làm thẳng cạnh, khử nhiễu, cải thiện độ tương phản)

2. Phát hiện các vùng văn bản (nơi có chữ viết)

3. Phân đoạn dòng (các dòng chữ viết tay riêng biệt)

4. Nhận dạng chuỗi (dự đoán văn bản trên một dòng)

5. Đầu ra + độ tin cậy (để con người có thể xem xét các phần không chắc chắn) [2][3]

Ý tưởng “chuỗi chữ trên một dòng” đó là lý do rất lớn khiến các mô hình chữ viết tay có thể xử lý chữ viết thảo: chúng không bị buộc phải “đoán ranh giới của từng chữ cái” một cách hoàn hảo. [5]

Chất lượng thực tế bạn có thể mong đợi (tùy thuộc vào trường hợp sử dụng) 🎯

Đây là phần mà mọi người thường bỏ qua, rồi sau đó lại tức giận. Vậy nên… đây là phần đó.

Tỷ lệ cược tốt 👍

• Chữ viết tay rõ ràng trên giấy kẻ dòng

• Một tác giả, phong cách nhất quán

• Bản quét độ phân giải cao với độ tương phản tốt

• Ghi chú ngắn gọn với các từ vựng thông dụng

Tỷ lệ cược hỗn hợp 😬

• Ghi chú trên lớp (những nét vẽ nguệch ngoạc + mũi tên + sự hỗn loạn ở lề)

• Bản sao của bản sao (và cả hiện tượng nhòe mờ thế hệ thứ ba đáng nguyền rủa)

• Sổ nhật ký với mực đã phai màu

• Nhiều tác giả cùng viết trên một trang

• Ghi chú có chứa các từ viết tắt, biệt danh, và những câu chuyện cười nội bộ

Rủi ro - đừng tin tưởng nếu chưa được đánh giá 🚩

• Hồ sơ y tế, bản khai pháp lý, cam kết tài chính

• Bất cứ thứ gì có tên, địa chỉ, số CMND, số tài khoản

• Các bản thảo lịch sử có cách viết hoặc hình dạng chữ cái bất thường

Nếu điều đó quan trọng, hãy coi kết quả đầu ra của AI như một bản nháp, chứ không phải là sự thật cuối cùng.

Ví dụ về quy trình làm việc thường diễn ra:
Một nhóm số hóa các biểu mẫu tiếp nhận viết tay chạy OCR, sau đó chỉ kiểm tra thủ công các trường có độ tin cậy thấp (tên, ngày tháng, số ID). Đó là mô hình “AI đề xuất, con người xác nhận” - và đó là cách bạn duy trì tốc độ và sự hợp lý. [2][3]

Đạt được kết quả tốt hơn (giúp AI bớt bối rối hơn) 🛠️

Mẹo chụp ảnh (bằng điện thoại hoặc máy quét)

• Sử dụng ánh sáng đồng đều (tránh bóng đổ trên trang giấy)

• Giữ máy ảnh song song với mặt giấy (tránh các trang giấy hình thang).

• Hãy chọn độ phân giải cao hơn mức bạn nghĩ là cần thiết.

• Tránh sử dụng các bộ lọc làm đẹp quá mạnh - chúng có thể xóa đi những nét vẽ mảnh

Mẹo dọn dẹp (trước khi được công nhận)

• Cắt ảnh chỉ để lấy phần văn bản (tạm biệt mép bàn, tay, cốc cà phê ☕)

• Tăng độ tương phản lên một chút (nhưng đừng biến chất liệu giấy thành một cơn bão tuyết)

• Chỉnh cho trang thẳng (làm phẳng trang)

• Nếu các dòng chồng lên nhau hoặc lề không đều, hãy tách chúng thành các hình ảnh riêng biệt

Mẹo về quy trình làm việc (hiệu quả thầm lặng)

• Sử dụng OCR có khả năng nhận dạng chữ viết tay (nghe có vẻ hiển nhiên… nhưng mọi người vẫn bỏ qua bước này) [1][2][3]

• Điểm tin cậy: xem xét các điểm có độ tin cậy thấp trước [2][3]

• Nếu bạn có nhiều trang từ cùng một tác giả, hãy cân nhắc đào tạo tùy chỉnh (đó là nơi mà sự chuyển biến từ “bình thường” sang “tuyệt vời” xảy ra) [4][5]

Liệu trí tuệ nhân tạo (AI) có thể đọc được chữ viết tay, chữ ký và những nét vẽ nhỏ? 🖊️

Chữ ký là một khái niệm hoàn toàn khác.

Chữ ký thường gần giống với một dấu hiệu hơn là văn bản có thể đọc được, vì vậy nhiều hệ thống tài liệu coi nó như một thứ cần phát hiện (và định vị) hơn là “chuyển thành tên”. Ví dụ, tính năng Chữ ký của Amazon Textract tập trung vào việc phát hiện chữ ký/chữ viết tắt và trả về vị trí + độ tin cậy, chứ không phải “đoán tên đã nhập”. [3]

Vì vậy, nếu mục tiêu của bạn là "trích xuất tên người đó từ chữ ký", hãy chuẩn bị tinh thần thất vọng trừ khi chữ ký đó về cơ bản là chữ viết tay dễ đọc.

Quyền riêng tư và bảo mật: việc tải lên ghi chú viết tay không phải lúc nào cũng an toàn 🔒

Nếu bạn đang xử lý hồ sơ y tế, thông tin sinh viên, biểu mẫu khách hàng hoặc thư riêng: hãy cẩn thận về nơi những hình ảnh đó được lưu trữ.

Các kiểu mẫu an toàn hơn:

• Trước tiên, hãy xóa bỏ các thông tin nhận dạng cá nhân (tên, địa chỉ, số tài khoản)

• Nên ưu tiên cục bộ/tại chỗ cho các khối lượng công việc nhạy cảm khi có thể (một số ngăn xếp OCR hỗ trợ triển khai container) [2]

• Duy trì quy trình xem xét thủ công đối với các trường quan trọng

Phần thưởng: một số quy trình xử lý tài liệu cũng sử dụng thông tin vị trí (hộp giới hạn) để hỗ trợ các quy trình che giấu. [3]

Lời kết 🧾✨

Liệu trí tuệ nhân tạo (AI) có thể đọc chữ viết tay không? Có - và khả năng đọc của nó khá tốt một cách đáng ngạc nhiên khi:

• Hình ảnh sạch sẽ

• Chữ viết tay rất nhất quán

• công cụ này thực sự được xây dựng để nhận dạng chữ viết tay [1][2][3]

Nhưng chữ viết tay thường lộn xộn, vì vậy quy tắc đơn giản là: sử dụng AI để tăng tốc quá trình phiên âm, sau đó xem lại kết quả.

Ví dụ thực tế: Số hóa các mẫu đơn đăng ký viết tay 📝

Kịch bản

Hãy tưởng tượng một phòng khám vật lý trị liệu nhỏ với 500 mẫu đơn đăng ký bệnh nhân cũ bằng giấy. Hầu hết các mẫu đơn đều bao gồm sự kết hợp giữa các ô in sẵn, ghi chú viết tay, ngày tháng, số điện thoại, tên bác sĩ gia đình, mô tả chấn thương và chữ ký.

Phòng khám không cần phép màu "tự động đọc mọi thứ" hoàn hảo. Họ cần một quy trình làm việc an toàn hơn: sử dụng AI để soạn thảo bản ghi, sau đó nhờ lễ tân kiểm tra lại những trường hợp có sai sót nghiêm trọng.

Đây là một giải pháp phù hợp cho nhận dạng ký tự quang học (OCR) chữ viết tay vì các tài liệu có bố cục lặp lại, nhưng vẫn cần sự xem xét của con người vì tên, ngày tháng, địa chỉ và ghi chú y tế là những trường thông tin có rủi ro cao.

Những gì quy trình làm việc cần

• Bản quét rõ nét của từng biểu mẫu, lý tưởng nhất là độ phân giải 300 DPI trở lên

• Một công cụ OCR có khả năng nhận dạng chữ viết tay

• Bảng tính hoặc cơ sở dữ liệu cho các trường đã trích xuất

• Danh sách các trường "bắt buộc phải chọn": tên bệnh nhân, ngày sinh, số điện thoại, địa chỉ, thuốc đang dùng, dị ứng, tên bác sĩ gia đình và trạng thái chữ ký

• Người đánh giá so sánh các trường có độ tin cậy thấp với bản quét gốc

Ví dụ hướng dẫn

Hãy sử dụng loại hướng dẫn này khi thiết lập quá trình chiết xuất:

Hãy đọc kỹ mẫu đơn đăng ký khám bệnh viết tay này và trích xuất các thông tin sau: họ và tên, ngày sinh, số điện thoại, địa chỉ, lý do khám bệnh, ngày xảy ra thương tích, thuốc đang dùng, dị ứng, tên bác sĩ gia đình, số liên lạc khẩn cấp và chữ ký (nếu có).

Trả về kết quả dưới dạng bảng đơn giản. Đánh dấu bất kỳ mục nào không rõ ràng là “Cần xem xét lại” thay vì đoán. Nếu một từ có thể đọc được một phần, hãy ghi lại cách đọc tốt nhất của bạn, theo sau là “không chắc chắn”. Không được bịa đặt các chi tiết bị thiếu.

Cách kiểm tra nó

Hãy bắt đầu với một tập dữ liệu thử nghiệm nhỏ trước khi xử lý tất cả các biểu mẫu.

Sử dụng 30 biểu mẫu được chia thành ba nhóm:

• 10 mẫu chữ viết tay gọn gàng, rõ ràng

• 10 dạng chữ viết tay trung bình, kết hợp cả chữ in và chữ viết thường

• 10 mẫu đơn khó đọc với mực mờ, từ bị gạch bỏ hoặc chữ viết tay bất thường

Đối với mỗi dạng biểu mẫu, hãy so sánh kết quả do AI tạo ra với bản ghi chép thủ công. Theo dõi:

• Có bao nhiêu ô đúng?

• Có bao nhiêu mục được đánh dấu là "Cần xem xét lại"?

• Có bao nhiêu trường thông tin sai không được đánh dấu?

• Thời gian nhập liệu thủ công trước và sau khi sử dụng OCR là bao lâu?

Một bài kiểm tra tốt không chỉ đơn thuần là "liệu AI đã đọc trang đó chưa?" mà còn là "liệu quy trình làm việc đã phát hiện ra những lỗi tiềm ẩn rủi ro trước khi dữ liệu được sử dụng chưa?"

Kết quả

Kết quả minh họa: Dựa trên thời gian làm bài kiểm tra gồm 30 biểu mẫu, việc nhập liệu thủ công mất khoảng 4 phút cho mỗi biểu mẫu, hoặc tổng cộng 120 phút.

Việc sử dụng công nghệ nhận dạng ký tự quang học (OCR) kết hợp với kiểm duyệt thủ công mất:

• Thời gian xử lý OCR và xuất file là 45 giây cho mỗi biểu mẫu

• Thời gian xem xét thủ công mỗi biểu mẫu là 90 giây

• Tổng cộng khoảng 67,5 phút cho 30 biểu mẫu

Như vậy, ước tính sẽ tiết kiệm được 52,5 phút cho 30 biểu mẫu, hoặc khoảng 1 phút 45 giây cho mỗi biểu mẫu.

Độ chính xác cũng cần được đo lường theo loại trường. Trong ví dụ thử nghiệm này:

• Các trường ghi chú chung có thể sử dụng để tóm tắt nội dung trong 26 trên 30 biểu mẫu

• Việc kiểm tra tên và ngày tháng vẫn cần thực hiện thủ công trên cả 30 biểu mẫu

• Có 7 biểu mẫu có ít nhất một mục quan trọng được đánh dấu "Cần xem xét lại"

• Có 2 biểu mẫu chứa từ chỉ thuốc hoặc dị ứng mà AI đọc sai và chỉ người kiểm duyệt mới phát hiện ra

Vậy nên, lợi ích không phải là "không cần đến con người". Lợi ích nằm ở việc phiên âm nhanh hơn ngay từ lần đầu tiên, đồng thời vẫn duy trì sự kiểm soát của con người đối với những thông tin nhạy cảm.

Điều gì có thể xảy ra sai sót?

Sai lầm lớn nhất là quá tin tưởng vào kết quả trông có vẻ rõ ràng. Trí tuệ nhân tạo có thể đưa ra câu trả lời trông rất tự tin ngay cả khi chữ viết tay không rõ ràng.

Các vấn đề thường gặp khác:

• Quét biểu mẫu ở độ phân giải thấp

• Việc để bóng đổ hoặc độ cong của trang làm biến dạng văn bản

• Sử dụng nhận dạng ký tự quang học (OCR) cho văn bản in thay vì nhận dạng ký tự quang học cho chữ viết tay

• Coi chữ ký như những tên gọi dễ đọc

• Không kiểm tra lại tên, ngày tháng, thuốc men, dị ứng và giấy tờ tùy thân

• Tải lên các biểu mẫu nhạy cảm lên một công cụ mà không kiểm tra cài đặt quyền riêng tư

Bài học thực tiễn

Đối với các tài liệu viết tay, quy trình làm việc tốt nhất không phải là "AI thay thế việc phiên âm". Mà là "AI tạo bản nháp đầu tiên, con người kiểm tra những phần có nguy cơ cao". Điều đó giúp bạn tiết kiệm thời gian mà không cần phải giả vờ rằng chữ viết tay khó đọc bỗng trở nên không có lỗi.

Câu hỏi thường gặp

Liệu trí tuệ nhân tạo (AI) có thể đọc chữ viết tay kiểu chữ thảo một cách chính xác?

Trí tuệ nhân tạo (AI) có thể đọc chữ viết tay, nhưng độ chính xác phụ thuộc rất nhiều vào độ gọn gàng và nhất quán của chữ viết, cũng như độ rõ nét của hình ảnh hoặc bản quét. Trong nhiều trường hợp, AI chỉ cần nắm bắt được ý chính của một ghi chú là đủ. Đối với bất kỳ thông tin nào có tính chất quan trọng – như tên, địa chỉ hoặc nội dung y tế/pháp lý – hãy chuẩn bị tinh thần cho những sai sót và lên kế hoạch xác minh thủ công.

Lựa chọn OCR nào tốt nhất cho chữ viết tay: OCR thông thường hay OCR chữ viết tay?

Đối với chữ viết tay, OCR có khả năng nhận diện chữ viết tay sẽ phù hợp hơn OCR dành cho văn bản in. OCR văn bản in được xây dựng cho các ký tự rõ ràng, tách biệt, trong khi chữ viết tay đòi hỏi các mô hình có thể diễn giải các nét liền mạch và ngữ cảnh ở cấp độ từ. Nhiều nền tảng OCR phổ biến hiện nay bao gồm các tính năng trích xuất chữ viết tay, đây thường là điểm khởi đầu thích hợp cho các trang có chữ viết tay.

Tại sao chữ viết tay lại dễ mắc lỗi hơn chữ in?

Chữ viết tay khó hơn vì các chữ cái nối liền nhau, khoảng cách giữa các chữ không đồng đều, và phong cách viết của mỗi người có thể khác nhau đáng kể. Điều đó khiến việc phân biệt chữ cái này kết thúc và chữ cái kia khó hơn nhiều so với chữ in. Những vấn đề nhỏ như mực nhòe, mực nhạt hoặc giấy có vân cũng có thể làm mờ những nét mảnh mang ý nghĩa, dẫn đến nhiều lỗi nhận diện hơn.

Trí tuệ nhân tạo (AI) có độ tin cậy như thế nào trong việc đọc tên, địa chỉ và số chứng minh nhân dân viết tay?

Đây là nhóm có rủi ro cao nhất. Ngay cả khi AI xử lý tốt phần văn bản xung quanh, các trường quan trọng như tên, địa chỉ, số tài khoản hoặc số ID là nơi mà những lỗi nhận dạng nhỏ cũng có thể dẫn đến hậu quả nghiêm trọng. Một cách tiếp cận phổ biến là coi kết quả đầu ra của AI như một bản nháp: sử dụng điểm tin cậy để đánh dấu các phần không chắc chắn, sau đó ưu tiên xem xét thủ công các trường quan trọng đó trước.

Quy trình làm việc tốt nhất để đọc chữ viết tay một cách đáng tin cậy trên quy mô lớn là gì?

Một quy trình làm việc thực tế là “AI đề xuất, con người xác nhận”. Chạy phần mềm nhận dạng ký tự quang học (OCR) chữ viết tay, sau đó xem xét các kết quả có độ tin cậy thấp thay vì kiểm tra mọi thứ. Nhiều hệ thống OCR cung cấp điểm số độ tin cậy và dữ liệu vị trí (như khung giới hạn), giúp bạn nhanh chóng tìm ra các phần có khả năng bị sai cao nhất. Cách tiếp cận này cân bằng giữa tốc độ và độ chính xác đối với các tài liệu trong thực tế.

Làm thế nào để cải thiện kết quả nhận dạng ký tự quang học (OCR) chữ viết tay từ ảnh chụp bằng điện thoại?

Chất lượng ảnh chụp rất quan trọng. Hãy sử dụng ánh sáng đều để tránh bóng, giữ máy ảnh song song với trang giấy để giảm thiểu hiện tượng méo hình, và chọn độ phân giải cao hơn mức bạn nghĩ là cần thiết. Cắt ảnh theo vùng văn bản, tăng độ tương phản cẩn thận và chỉnh độ nghiêng của ảnh đều có thể giảm thiểu lỗi. Tránh sử dụng các bộ lọc "làm đẹp" quá mạnh vì chúng có thể làm mất đi những nét bút mảnh.

Liệu trí tuệ nhân tạo có thể đọc chữ ký viết tay và chuyển đổi chúng thành tên được đánh máy không?

Chữ ký thường được xử lý khác với chữ viết tay thông thường vì chúng thường giống một dấu hiệu hơn là văn bản dễ đọc. Nhiều hệ thống tập trung vào việc phát hiện sự hiện diện và vị trí của chữ ký (và tạo độ tin cậy), chứ không phải chuyển đổi nó thành tên người ký được đánh máy. Nếu bạn cần tên người ký, bạn thường sẽ dựa vào một trường in riêng hoặc xác nhận thủ công.

Liệu việc huấn luyện một mô hình tùy chỉnh cho chữ viết tay kiểu chữ thảo có đáng giá không?

Điều này hoàn toàn có thể xảy ra, đặc biệt nếu bạn có nhiều trang từ cùng một người viết hoặc kiểu chữ viết tay nhất quán trên các tài liệu. Trong những trường hợp "cùng một kiểu chữ, nhiều trang", việc huấn luyện tùy chỉnh có thể cải thiện đáng kể kết quả so với các mô hình chung. Nếu dữ liệu đầu vào của bạn khác nhau giữa nhiều người viết và kiểu chữ, thì lợi ích thường nhỏ hơn, và bạn vẫn cần bước xem xét lại.

Việc tải các ghi chú viết tay lên dịch vụ nhận dạng ký tự quang học (OCR) có an toàn không?

Điều này phụ thuộc vào mức độ nhạy cảm của nội dung và nơi diễn ra quá trình xử lý. Nếu bạn đang xử lý các tài liệu riêng tư như hồ sơ y tế, dữ liệu sinh viên hoặc biểu mẫu khách hàng, cách tiếp cận an toàn hơn là xóa bỏ các thông tin nhận dạng trước và sử dụng các tùy chọn triển khai chặt chẽ hơn khi có thể. Duy trì quy trình xem xét thủ công đối với các trường quan trọng cũng làm giảm nguy cơ xử lý dựa trên các thông tin trích xuất không chính xác.

Tài liệu tham khảo

[1] Tổng quan về trường hợp sử dụng OCR của Google Cloud, bao gồm hỗ trợ phát hiện chữ viết tay thông qua Cloud Vision. đọc thêm
[2] Tổng quan về OCR (Đọc) của Microsoft, bao gồm trích xuất chữ in + chữ viết tay, điểm tin cậy và các tùy chọn triển khai vùng chứa. đọc thêm
[3] Bài đăng của AWS giải thích tính năng Chữ ký của Textract để phát hiện chữ ký/chữ viết tắt với đầu ra vị trí + độ tin cậy. đọc thêm
[4] Hướng dẫn của Transkribus về lý do (và khi nào) nên huấn luyện mô hình nhận dạng văn bản cho các kiểu chữ viết tay cụ thể. đọc thêm
[5] Tài liệu của Kraken về huấn luyện mô hình OCR/HTR bằng cách sử dụng dữ liệu dòng không phân đoạn cho các hệ chữ viết liền mạch. đọc thêm

Tìm kiếm những công nghệ AI mới nhất tại Cửa hàng Trợ lý AI chính thức

Về chúng tôi