OCR có đọc được chữ viết tay không? Câu trả lời trung thực

OCR có thực sự đọc được chữ viết tay không?

Bây giờ thì có. Các engine OCR truyền thống khớp hình dạng pixel với một thư viện font chữ in, nên gần như bó tay với chữ viết tay — không ai viết chữ "a" giống ai, và chữ thảo thậm chí còn không tách rời từng ký tự. Mô hình vision-language hoạt động khác hẳn: nó đọc giống cách con người đọc, dùng cả câu, nhãn trường bên cạnh nét chữ, và cấu trúc tài liệu để giải nghĩa những nét mực khó nhận. Một số "7" viết vội cạnh nhãn in sẵn "Tổng cộng:" trên biên lai rất dễ đọc trong ngữ cảnh, dù đứng một mình thì con số đó năm ăn năm thua.

Chính cách đọc theo ngữ cảnh này khiến chữ viết tay trên tài liệu doanh nghiệp thật — form, hoá đơn, biên lai — đọc được trên thực tế. Mô hình không đoán mò từng ký tự; nó trả lời câu hỏi "trường này hợp lý thì sẽ ghi gì?" rồi đối chiếu nét chữ với kỳ vọng đó.

Loại chữ viết tay nào đọc tốt, loại nào khó?

Không phải chữ viết tay nào cũng như nhau, và nhà cung cấp nào nói ngược lại là đang nói quá. Quy luật rất nhất quán: chữ càng được viết trong khuôn khổ, kết quả càng tốt.

Mức nền trung thực để lập kế hoạch: các trường viết tay luôn có độ chính xác thấp hơn các trường chữ in trên cùng một trang. Đó không phải khuyết điểm của một sản phẩm cụ thể — đó là bản chất của dữ liệu đầu vào.

• Đọc tốt: chữ in hoa (block letters), chữ viết tay kiểu chữ in, số tiền và ngày tháng, form có ô kẻ sẵn buộc mỗi ký tự một ô, và ghi chú ngắn thêm vào một tài liệu vốn là chữ in.
• Khó: chữ thảo viết nhanh liền nét, chữ đè lên chữ khác hoặc đè lên dòng kẻ, mực mờ, và bản giấy than tương phản thấp.
• Quy tắc ngón tay cái: nếu một người lạ phải nhìn lần thứ hai mới đọc ra, hãy dự đoán mô hình sẽ gắn cờ trường đó cho người review thay vì trả về với confidence cao.

Làm sao dùng dữ liệu viết tay trong quy trình thật mà không sợ sai?

Cơ chế giúp tự động hoá chữ viết tay một cách an toàn là confidence score từng trường: mỗi giá trị trích xuất đi kèm một con số thể hiện mô hình chắc chắn đến đâu về chính trường đó. Các trường viết tay tự nhiên có điểm thấp hơn, và bất kỳ trường nào dưới ngưỡng review (mặc định của Inferio là 0.75) được chuyển cho một người xử lý trong correction UI thay vì chảy thẳng vào hệ thống kế toán.

Mô hình human-in-the-loop này là kiến trúc đúng cho tài liệu viết tay — không phải một hạn chế cần xin lỗi. Phần 90% chữ in của tài liệu được post tự động; dòng tip viết tay hay số tiền sửa tay chỉ cần con người liếc năm giây. Bạn có được phần lớn sự tự động hoá mà không bao giờ để một nét chữ nguệch ngoạc chưa kiểm chứng biến thành một con số sai trong sổ sách.

Chữ viết tay thực tế hay xuất hiện ở đâu trong tài liệu doanh nghiệp?

Tài liệu viết tay hoàn toàn khá hiếm trong hầu hết các phòng back office. Thứ phổ biến là tài liệu trộn lẫn: một form hay biên lai in sẵn với vài trường viết tay đè lên — và những trường viết tay đó thường lại là những trường quan trọng nhất.

Ngôn ngữ cũng không còn là rào cản như trước. Tiếng Nhật viết tay và tiếng Việt có dấu viết tay đều nằm trong cùng cách đọc theo ngữ cảnh — mô hình giải nghĩa một dấu thanh mờ giống hệt cách nó giải nghĩa một chữ số khó đọc, dựa vào các từ xung quanh. Tài liệu tiếng Anh, tiếng Nhật, và tiếng Việt đều thuộc phạm vi đọc được.

• Biên lai nhà hàng, taxi có tiền tip và tổng cuối cùng ghi tay.
• Hoá đơn sửa tay — số lượng bị gạch đi kèm con số điều chỉnh viết tay bên cạnh phần chữ in.
• Form đăng ký, phiếu tiếp nhận, phiếu khám bệnh do khách hàng hoặc bệnh nhân tự điền.
• Sổ giao nhận, sổ nhập kho nơi tài xế hoặc nhân viên kho ghi số lượng và ký tên.