OCR ภาษาไทยที่ดีที่สุด สำหรับ PDF ใบแจ้งหนี้ และแบบฟอร์มสแกน

สิ่งที่ตามมาหลัง OCR ขึ้นอยู่กับงาน โมเดลภาษาต้องการ Markdown ส่วนระบบบัญชีต้องการฟิลด์ที่มีชนิดข้อมูลชัดเจน รูปแบบผลลัพธ์ ภาษาในเอกสาร และที่ที่บริการต้องรัน เป็นตัวตัดสินว่าผู้ให้บริการรายไหนยังอยู่ในรายชื่อ

ข้อมูลผู้ให้บริการทุกข้อด้านล่างลิงก์ไปยังเอกสารของผู้ให้บริการรายนั้นเอง ตามที่หน้าเปรียบเทียบของเราตรวจไว้เมื่อเดือนตุลาคม 2569 เราไม่ให้คะแนนและไม่จัดอันดับผู้ให้บริการรายใด ราคาที่แต่ละรายประกาศไว้อยู่ในหน้าเปรียบเทียบ OCR API ซึ่งตรวจซ้ำทุกเดือน

Amazon Textract ตรวจจับข้อความภาษาอังกฤษ ฝรั่งเศส เยอรมัน อิตาลี โปรตุเกส และสเปน และอ่านลายมือได้เฉพาะภาษาอังกฤษ รายการนี้ไม่มีภาษาไทย

Azure Document Intelligence ระบุภาษาไทยทั้งสำหรับข้อความพิมพ์และลายมือบนโมเดล Read และ Layout และไม่บังคับให้ระบุรหัสภาษา รายการภาษาของ Mistral จัดภาษาไทยไว้ในกลุ่มเอเชียตะวันออกเฉียงใต้ ส่วนOCR ของ LlamaParse รับรายการภาษาที่คาดว่าจะเจอได้ และเอกสาร API มีรหัส th

Paxa OCR Lite อ่านภาษาไทยเป็นหลัก และอ่านภาษาอื่นตามที่พิมพ์ รวมถึงหน้าที่ผสมไทยกับอังกฤษ หรือผสมเลขไทยกับเลขอารบิก

โมเดลภาษาอ่านข้อความ และตารางที่ถูกแปลงเป็นคำเรียงต่อกันจะเสียโครงสร้างแถวไป Markdown เก็บหัวเรื่อง รายการ และตารางไว้ด้วยตัวอักษรธรรมดา

Paxa OCR Lite คืนแต่ละหน้าเป็น Markdown แบบ GitHub ตามลำดับการอ่าน พร้อมหัวเรื่อง รายการ และตาราง หรือคืนเป็นบล็อกแยกตามชนิดจากการอ่านเดียวกัน หนึ่งคำขออ่านได้สูงสุด 50 หน้าและ 10 MiB ทั้ง PDF, PNG, JPEG และ WebP

Mistral OCR คืน Markdown ทีละหน้า โดยตารางอยู่ในเนื้อความหรือแยกออกมาเป็น Markdown หรือ HTML และดึงภาพในหน้าออกมาไว้ข้างข้อความ LlamaParse คืน Markdown พร้อมหัวเรื่องและตารางในทุกระดับ ยกเว้นระดับ Fast ที่คืนข้อความโดยไม่มี Markdown ส่วนโมเดล Layout ของ Azure Document Intelligence คืนผลเป็น Markdown ได้ โดยเวอร์ชัน 4.0 เขียนตารางเป็น HTML

คู่มือป้อนเอกสารไทยให้ LLM และคู่มือทำดัชนีค้นหาจาก PDF ไทย รับช่วงต่อจาก Markdown ส่วนหน้าคลังความรู้ แสดงขั้นตอนทำงาน

การสกัดข้อมูลเอกสารคืนค่าที่มีชื่อกำกับ เช่น เลขประจำตัวผู้เสียภาษีของผู้ขาย หรือยอดรวมของใบแจ้งหนี้ พร้อมลงแถวในฐานข้อมูล

Paxa Document Extraction เติมค่าลง Schema ที่มีชนิดฟิลด์ได้สูงสุด 100 ฟิลด์ย่อย จากเอกสารไม่เกิน 20 หน้าในคำตอบเดียว แต่ละค่าคือข้อความที่พิมพ์อยู่ในเอกสาร หรือเป็น null พร้อมเหตุผล และไม่มีค่าความมั่นใจ

annotations ของ Mistral เติมค่าลง Pydantic, Zod หรือ JSON Schema ได้ทั้งสำหรับเอกสารทั้งฉบับและแต่ละบริเวณภาพ โดยรองรับ object ซ้อนกัน array และ enum Extract ของ LlamaParse เติมค่าลง JSON Schema ได้ถึง 5,000 property ในรูปงานที่ต้องคอยตรวจสถานะ และแนบการอ้างอิงกับค่าความมั่นใจให้แต่ละฟิลด์ได้

เขียนฟิลด์ชุดเดียวกันลง Schema ของแต่ละราย แล้วส่งเอกสารจริงฉบับเดียวกันเข้าทั้งสามราย จากนั้นดูว่าฟิลด์ไหนว่างหรือผิด และเพราะอะไร หน้า Document Extraction แสดงใบกำกับภาษีภาษาไทยหนึ่งใบที่เติมค่าครบแล้ว

โมเดลใบแจ้งหนี้สำเร็จรูปของ Azure Document Intelligence ระบุภาษาไทยในรายการภาษา และมี THB อยู่ในรายการสกุลเงิน โมเดลใบเสร็จก็ระบุภาษาไทยเช่นกัน ส่วนหน้าคำถามที่พบบ่อยของ Amazon Textract ระบุว่าใบแจ้งหนี้ ใบเสร็จ และเอกสารแสดงตัวตน ประมวลผลได้เฉพาะภาษาอังกฤษ

Paxa Document Extraction มีชนิดฟิลด์สำหรับเอกสารไทยในตัว เลขประจำตัว 13 หลักของไทยถูกตรวจด้วยหลักตรวจสอบ จังหวัด ธนาคาร บริษัทประกัน และประเภทนิติบุคคลเทียบกับตารางที่บริการมีให้ และวันที่อ่านได้ทั้งปี พ.ศ. และ ค.ศ.

ไม่ว่าจะใช้บริการไหนอ่านบัตรหรือใบแจ้งหนี้ ให้คนตรวจฟิลด์ที่เกี่ยวกับการโอนเงิน เช่น ชื่อผู้รับเงิน ยอดเงิน และเลขบัญชี หน้าใบแจ้งหนี้ หน้าเอกสารแสดงตัวตน และหน้าสัญญา แสดงขั้นตอนทำงานแต่ละแบบ

ตารางลายมือเวอร์ชัน 4.0 ของ Azure Document Intelligence มีสิบสองภาษา รวมภาษาไทย สำหรับโมเดล Read และ Layout ส่วน Amazon Textract อ่านลายมือได้เฉพาะภาษาอังกฤษ

ทดสอบด้วยแบบฟอร์มที่หลายคนช่วยกันกรอก และถ่ายภาพแบบเดียวกับที่ผู้ใช้ของคุณถ่ายจริง

โมเดล Read และ Layout ของ Azure Document Intelligence รับไฟล์ DOCX, PPTX และ XLS นอกเหนือจาก PDF และรูปภาพ และระดับ Standard วิเคราะห์เอกสารได้ถึง 2,000 หน้าและ 500 MB Mistral OCR รับ PPTX และ DOCX ได้ถึง 50 MB และ 1,000 หน้า

LlamaParse อ่านไฟล์ได้กว่า 130 ประเภท และParse รับไฟล์ได้ถึง 512 MB โดยไม่จำกัดจำนวนหน้า

Paxa OCR Lite อ่าน PDF, PNG, JPEG และ WebP ได้สูงสุด 50 หน้าและ 10 MiB ต่อคำขอ ไฟล์ Office ให้ส่งออกเป็น PDF ก่อน และเอกสารที่ยาวกว่านั้นให้แบ่งส่งเป็นหลายส่วน

บางทีมต้องอ่านเอกสารภายในเครือข่ายของตัวเอง คู่มือ container ของ Azure Document Intelligence รันโมเดล Read, Layout และโมเดลใบแจ้งหนี้ ใบเสร็จ และเอกสารแสดงตัวตน เป็น Docker container ในองค์กรของคุณได้

หน้า self-hosting ของ LlamaIndex รัน Parse และ Extract บน Kubernetes cluster ของคุณเองผ่าน Helm chart สำหรับแพ็กเกจ Enterprise ส่วนประกาศเปิดตัว OCR 4 ของ Mistral ระบุการติดตั้งแบบ container เดียวสำหรับรันบนระบบของคุณเอง ซึ่งเปิดให้ลูกค้าองค์กรใช้งาน

• รวบรวมหน้าเอกสารจริง เช่น PDF ดิจิทัลที่สะอาด ภาพถ่ายจากมือถือ แบบฟอร์มที่ส่งผ่านแฟกซ์ และหน้าที่มีตาราง
• ส่งหน้าชุดเดียวกันเข้าผู้ให้บริการทุกรายที่อยู่ในงานของคุณ
• ตรวจเครื่องหมายภาษาไทยก่อน ทั้งสระและวรรณยุกต์ที่อยู่บนและล่างพยัญชนะ และลำดับที่คืนกลับมา
• ตรวจเลขไทย ปี พ.ศ. และยอดเงิน เทียบกับหน้าที่พิมพ์
• สำหรับการสกัดข้อมูล ให้จดฟิลด์ที่ว่างหรือผิด แล้วดูว่าเพราะอะไร
• ดูใบกำกับภาษีภาษาไทยที่อ่านออกมาเป็น Markdown และเป็นฟิลด์ได้ที่หน้า OCR

OCR ภาษาไทยเจ้าไหนดีที่สุด#

เจ้าที่ตรงกับงานของคุณ จับคู่เอกสารและผลลัพธ์ที่ต้องการกับงานในหัวข้อด้านบน แล้วลองส่งไฟล์ของคุณเองเข้าผู้ให้บริการที่งานนั้นระบุ

OCR ต่างจากการสกัดข้อมูลเอกสารอย่างไร#

OCR คืนข้อความของแต่ละหน้าเป็น Markdown หรือบล็อกโครงสร้าง ส่วนการสกัดข้อมูลเอกสารเติมค่าลงฟิลด์ที่ตั้งชื่อไว้ เช่น เลขที่ใบแจ้งหนี้หรือวันที่ จากไฟล์เดียวกัน Paxa OCR Lite ทำอย่างแรก และ Paxa Document Extraction ทำอย่างหลัง

ไปป์ไลน์เดียวใช้หลายบริการได้ไหม#

ได้ แยกเส้นทางเอกสารตามงาน เช่น ส่งไฟล์สไลด์ไปบริการหนึ่ง และส่งแบบฟอร์มภาษาไทยที่สแกนไปอีกบริการหนึ่ง โค้ดของคุณจะอ่านรูปแบบคำตอบหนึ่งแบบต่อหนึ่งบริการ

ดูราคาได้ที่ไหน#

ที่หน้าเปรียบเทียบ OCR API ซึ่งแสดงราคาที่แต่ละรายประกาศไว้ต่อ 1,000 หน้า และตรวจซ้ำทุกเดือน

มีการเปรียบเทียบความแม่นยำไหม#

ไม่มี เราไม่เผยแพร่ตัวเลขความแม่นยำ คุณภาพ หรือความเร็วของโมเดลใด ลองส่งเอกสารชุดเดียวกันเข้าแต่ละบริการที่คุณพิจารณา แล้วเทียบผลลัพธ์ด้วยตัวเอง