Nếu nhóm của bạn tìm kiếm trong các bộ tài liệu đã quét được giao nộp, lấy trích dẫn từ ảnh chụp màn hình hoặc dựng dòng thời gian từ tài liệu được chụp ảnh, bạn đang dựa vào OCR (nhận dạng ký tự quang học), dù có ai chọn một cài đặt hay không. OCR cho tài liệu pháp lý và ảnh chụp màn hình có thể tiết kiệm nhiều ngày đọc, nhưng nó thất bại theo những cách có thể đoán trước, và những thất bại đó quan trọng trong tố tụng hơn hầu hết mọi nơi khác: một ngày sai, một chữ “không” bị bỏ, hoặc một tin nhắn bị gán nhầm người có thể lọt vào một bản khai.
Hướng dẫn này giải thích OCR làm tốt điều gì, vì sao ảnh chụp màn hình khó hơn bản quét, cách có kết quả sạch hơn, mức độ cần kiểm chứng, và cái bẫy biên tập che mà các hãng luật mắc phải mỗi năm. Hướng dẫn kết thúc bằng một quy trình cho tình huống thực tế phổ biến nhất: khách hàng gửi hàng trăm ảnh chụp màn hình điện thoại.
OCR làm gì cho một nhóm tố tụng?
OCR biến hình ảnh của văn bản thành văn bản mà máy đọc được. Nhờ đó, tài liệu đã quét và ảnh chụp màn hình có thể tìm kiếm được, nhân viên có thể sao chép đúng ngôn từ, và văn bản đó được đưa vào dòng thời gian, mục lục và công cụ rà soát.
Nguy tắc then chốt: kết quả OCR được tạo ra từ bằng chứng, không phải chính bằng chứng. Bản quét hoặc ảnh chụp màn hình vẫn là hồ sơ. Văn bản đã trích xuất là công cụ hỗ trợ làm việc, hữu ích để tìm và sắp xếp, và phải được đối chiếu với hình ảnh trước khi ai đó trích dẫn hoặc dựa vào nó. Giữ sự phân biệt đó rõ ràng, trong hồ sơ của bạn và trong thói quen của nhóm bạn, ngăn được hầu hết vấn đề OCR.
Vì sao ảnh chụp màn hình khó OCR hơn tài liệu đã quét?
Tài liệu đã quét được thiết kế để đọc từ trên xuống dưới. Ảnh chụp màn hình cuộc trò chuyện được thiết kế để một người đọc qua bố cục, màu sắc và vị trí, còn OCR bỏ đi phần lớn điều đó.
- Danh tính người nói nằm ở vị trí. Bong bóng bên trái và bên phải cho biết ai đã gửi tin nhắn. Văn bản OCR bị làm phẳng thường mất điều đó, tạo ra một khối văn bản không có người nói.
- Dấu thời gian thưa hoặc chỉ mang tính tương đối. Nhiều ứng dụng chỉ hiện giờ theo từng khoảng, hoặc nhãn như “Hôm qua” hay “Thứ Ba”, những nhãn này vô nghĩa nếu không có ngày ảnh chụp màn hình được chụp.
- Nội dung hình ảnh mang ý nghĩa. Biểu tượng cảm xúc, phản ứng, nhãn dán, thông báo tin nhắn đã xóa và biên nhận đã đọc có thể bị bỏ hoặc biến thành chữ vô nghĩa.
- Giao diện rối. Thanh trạng thái, bàn phím, thông báo và các thành phần chồng lên nhau bị trộn vào văn bản.
- Mất chất lượng. Ảnh chụp màn hình được chuyển tiếp qua ứng dụng nhắn tin thường bị nén, và chế độ tối hoặc bong bóng có màu làm giảm độ tương phản.
- Cắt xén và chồng lấn. Các ảnh chụp màn hình liên tiếp lặp lại hoặc bỏ sót tin nhắn ở mép, nên văn bản đã trích xuất có thể trùng hoặc thiếu dòng.
Trích xuất có hỗ trợ AI xử lý bố cục tốt hơn OCR truyền thống và thường giữ được thứ tự người nói. Nó cũng tạo ra một rủi ro mới: khi văn bản không rõ, nó có thể đưa ra một phỏng đoán hợp lý thay vì đánh dấu sự không chắc chắn. Điều đó khiến việc con người rà soát quan trọng hơn, không kém hơn. Về các vấn đề nền tảng mà ảnh chụp màn hình đặt ra, xem những cạm bẫy và cách xử lý về khả năng được chấp nhận của bằng chứng ảnh chụp màn hình.
Làm thế nào để có kết quả OCR tốt hơn từ tài liệu đã quét?
Đầu vào tốt hơn cho ra văn bản tốt hơn. Hầu hết lỗi OCR trên tài liệu đã quét bắt nguồn từ các lựa chọn khi quét, những lựa chọn dễ sửa ngay từ đầu.
- Quét tài liệu đánh máy ở 300 dpi, một mức cơ sở phổ biến; tăng cao hơn với chữ nhỏ hoặc bản gốc kém.
- Dùng thang xám hoặc màu cho trang bị phai, dấu đóng, phần tô sáng hoặc biểu mẫu có màu.
- Dùng máy quét tài liệu hoặc ứng dụng quét có làm phẳng và chỉnh nghiêng, thay vì ảnh điện thoại chụp nghiêng.
- Quét mỗi tài liệu một tệp với tên tệp hợp lý, để lỗi OCR không gộp các tài liệu lại.
- Tách các trang viết tay; lên kế hoạch để người phiên âm bất cứ nội dung nào quan trọng.
- Giữ tệp bản quét gốc không thay đổi và chạy OCR trên một bản sao.
- Thử một mẫu: OCR mười trang và kiểm tra chúng trước khi xử lý cả một hộp.
OCR chính xác đến mức nào, và bạn nên kiểm chứng bao nhiêu?
Độ chính xác phụ thuộc nhiều vào nguồn: các trang đánh máy sạch thường ra tốt, trong khi ảnh chụp màn hình, chữ viết tay và bản sao xuống cấp thì dao động rộng. Thay vì dựa vào một con số độ chính xác chung, hãy đặt mức kiểm chứng theo cách văn bản sẽ được dùng.
| Cách dùng văn bản OCR | Rủi ro | Kiểm chứng |
|---|---|---|
| Tìm kiếm và phân loại nội bộ | Kết quả bị bỏ sót | Kiểm tra mẫu; đừng bao giờ xem “không có kết quả” là bằng chứng rằng điều gì đó không có |
| Mục dòng thời gian và bản tóm tắt | Ngày, người nói hoặc số tiền sai | Đối chiếu ngày, tên và số với hình ảnh cho mọi mục |
| Trích dẫn trong hồ sơ nộp, bản khai hoặc tài liệu chứng cứ | Trích dẫn sai hồ sơ | So sánh từng dòng với bản gốc |
Rà soát văn bản được trích xuất từ một ảnh chụp màn hình
- Mở hình ảnh cạnh văn bản. Đừng bao giờ chỉ rà soát văn bản đã trích xuất.
- Xác nhận người nói. Kiểm tra từng dòng được gán đúng phía của cuộc trò chuyện.
- Xác định ngày. Chuyển các nhãn tương đối như “Hôm qua” thành ngày bằng ngữ cảnh của ảnh chụp màn hình, và ghi lại cách bạn xác định chúng.
- Kiểm tra số và từ phủ định. Số tiền, thời điểm, địa chỉ và các từ như “not” và “never” là nơi những chỗ đọc sai gây thiệt hại nhiều nhất.
- Ghi các chỉnh sửa riêng. Giữ kết quả máy xuất ra và phần chỉnh sửa của người rà soát sao cho phân biệt được, cùng với ai đã thực hiện và khi nào.
Văn bản OCR có phải là bằng chứng, hay chỉ là hình ảnh?
Nhìn chung, tài liệu chứng cứ là chính văn bản hoặc hình ảnh; văn bản OCR là bản phiên âm dùng để làm việc với tài liệu đó. Việc trình bày bản phiên âm như thế nào, nếu có trình bày, là quyết định của luật sư theo các quy tắc của diễn đàn.
Từ đó có hai điểm thực tiễn. Các câu hỏi về xác thực theo Federal Rule of Evidence 901 và các quy tắc tương ứng ở cấp bang liên quan đến vật gốc, vì vậy hãy bảo quản vật đó đúng như khi nhận và ghi một giá trị hash lúc tiếp nhận (xem giá trị hash chứng minh điều gì trong tố tụng). Và các quy tắc về bản gốc và bản sao, Federal Rules of Evidence 1001 đến 1004 và các phiên bản ở cấp bang, tập trung vào văn bản hoặc hình ảnh, đó là thêm một lý do để gắn nhãn văn bản OCR rõ ràng là bản phiên âm thay vì để nó lưu hành như thể nó là hồ sơ.
Bẫy che thông tin của OCR là gì?
Một PDF có thể tìm kiếm thường chứa hình ảnh trang cùng một lớp văn bản vô hình phía sau. Vẽ một hộp đen lên hình ảnh che các từ về mặt nhìn thấy nhưng có thể để chúng còn trong lớp văn bản, nơi bất kỳ ai cũng có thể tìm, chọn hoặc sao chép chúng.
Bạn nên tìm gì ở một công cụ OCR cho công việc pháp lý?
OCR đa dụng được xây dựng để tạo ra văn bản. Công việc pháp lý cần một công cụ đồng thời bảo vệ nguồn và cho thấy công việc của nó.
- Để nguyên tệp gốc và lưu văn bản trích xuất riêng.
- Hiển thị văn bản trích xuất cạnh hình ảnh để rà soát.
- Ghi các chỉnh sửa của người rà soát mà không ghi đè kết quả máy xuất ra.
- Xử lý hàng loạt và các định dạng điện thoại phổ biến, bao gồm ảnh HEIC.
- Tìm kiếm trên mọi tài liệu trong vụ việc, không chỉ từng tệp một.
- Xuất tài liệu chứng cứ từ hình ảnh gốc thay vì từ văn bản trích xuất.
- Có điều khoản rõ ràng về nơi hình ảnh được xử lý và liệu chúng có được dùng để huấn luyện hay không.
Điểm cuối đó là câu hỏi về bảo mật, không phải câu hỏi kỹ thuật. Ảnh chụp màn hình và bản quét trong hồ sơ tố tụng thường chứa số tài khoản, thông tin sức khỏe và chi tiết về trẻ em, vì vậy nghĩa vụ theo Rule 1.6(c) phải có những nỗ lực hợp lý để bảo vệ thông tin của thân chủ áp dụng cho bất kỳ dịch vụ nào thực hiện việc trích xuất. Nếu việc trích xuất có hỗ trợ AI chạy qua mô hình của bên thứ ba, hướng dẫn của ABA Formal Opinion 512 về các công cụ AI tạo sinh cũng liên quan.
Một quy trình cho khối ảnh chụp màn hình của thân chủ
Khi thân chủ gửi hàng trăm ảnh chụp màn hình, thứ tự các bước quan trọng hơn công cụ OCR.
- Bảo quản ngay khi nhận. Giữ nguyên mọi tệp gốc và ghi một hash cho từng tệp.
- Chuẩn hóa định dạng. Chuyển các ảnh HEIC của iPhone sang định dạng chuẩn để xem, đồng thời giữ bản gốc.
- Trích xuất văn bản. Chạy OCR hoặc trích xuất có hỗ trợ AI để mọi thứ có thể tìm kiếm được.
- Rà soát và chỉnh sửa. Xác minh người nói, ngày tháng và các dòng quan trọng, với các chỉnh sửa được lưu riêng.
- Gắn ngày, gắn thẻ và sắp ưu tiên. Gán ngày, vấn đề và mức ưu tiên để tài liệu quan trọng nổi lên trên cùng.
- Xuất tài liệu chứng cứ từ hình ảnh. Lập tài liệu chứng cứ từ ảnh chụp màn hình gốc, không phải từ văn bản OCR.
Evidence Helper theo trình tự này: nhập hàng loạt, chuẩn hóa HEIC, bản gốc được bảo quản và băm SHA-256 ngay khi nhận, trích xuất văn bản có hỗ trợ AI mà một người rà soát và chỉnh sửa, tìm kiếm toàn văn, và xuất PDF đánh số tài liệu chứng cứ được tạo theo cách tất định (xem cách tiếp nhận bằng chứng và trích xuất hoạt động). Về phía phân loại của một khối lớn, quy trình phân loại ảnh chụp màn hình của chúng tôi bao gồm việc sắp xếp và ưu tiên. Việc các ảnh chụp màn hình hoặc bản phiên âm cụ thể có được chấp nhận hay không là câu hỏi dành cho luật sư phụ trách vụ việc.
