Cập nhật tháng 10/2026. Tên mô hình Qwen thay đổi khá nhanh theo từng đợt phát hành; trước khi dùng cho việc thật, hãy đối chiếu lại danh sách mô hình trên trang tài liệu chính thức.
Bài này dành cho ai: nhân viên hành chính, kế toán, bán hàng, quản lý kho hay chủ shop đang phải gõ lại chữ từ ảnh chụp giấy tờ, bảng biểu, biên lai và nhãn sản phẩm.
Bạn sẽ nắm được gì: chọn Qwen Chat, API hay tự host; 5 bước đọc ảnh tài liệu; 3 prompt mẫu tiếng Việt; cách kiểm chứng kết quả OCR.
Thời gian đọc: khoảng 11 phút, thực hành thêm 30 phút.
Ở bài Qwen chạy cục bộ, bạn đã cho Qwen đọc văn bản có sẵn. Nhưng nhiều dữ liệu doanh nghiệp vẫn nằm trong ảnh chụp: phiếu nhập kho, bảng giá gửi qua Zalo, biên lai, nhãn sản phẩm. Bài này hướng dẫn biến những ảnh đó thành chữ và bảng sửa được, kèm cách kiểm tra để không nhập sai số.
1. Qwen đọc ảnh là gì và có những lựa chọn nào
Qwen là họ mô hình AI của Alibaba. Các phiên bản mới là mô hình đa phương thức, nhận cả ảnh lẫn chữ; ví dụ thẻ mô hình Qwen3.8-27B mô tả đây là mô hình thị giác–ngôn ngữ gốc, giấy phép Apache-2.0.
Có ba cách dùng:
Qwen Chat
Trò chuyện trên web và ứng dụng điện thoại: tải ảnh lên, hỏi bằng tiếng Việt. Hợp để thử nhanh, vài ảnh mỗi ngày.
API trên Model Studio
Mô hình đa năng (dòng Qwen3.x) và mô hình chuyên OCR (qwen3.5-ocr, qwen-vl-ocr). Hợp khi xử lý hàng loạt.
Tự host trọng số mở
Chạy Qwen3.8-27B trên máy chủ GPU. Hợp khi dữ liệu không được rời hệ thống công ty.
Theo tài liệu Model Studio, qwen3.5-ocr và qwen-vl-ocr có tác vụ dựng sẵn: trích thông tin chính ra JSON, đọc bảng ra HTML, đọc tài liệu, công thức, nhận dạng chữ kèm toạ độ; qwen3.5-ocr đọc được cả PDF. Ảnh thông thường thì dùng mô hình đa năng như qwen3.6-plus hoặc qwen3.6-flash.
2. Dùng khi nào, và khi nào không nên
- Nên dùng: bảng giá, phiếu nhập kho, biên lai, danh thiếp, nhãn sản phẩm, tài liệu cũ chỉ còn bản giấy.
- Không cần dùng: hoá đơn điện tử đã có XML; đọc XML chính xác hơn, xem bài AI cho kế toán doanh nghiệp nhỏ.
- Cẩn trọng: chữ viết tay, con dấu đè lên số tiền, ảnh mờ hoặc nghiêng: tỉ lệ sai cao hơn, bắt buộc có người duyệt.
3. Đọc một ảnh tài liệu trong 5 bước
Chụp ảnh đúng cách
Đặt giấy trên nền phẳng, giữ điện thoại song song mặt giấy, tránh loá, chụp đủ bốn mép, mỗi trang một ảnh. Chữ phải đọc được bằng mắt khi phóng to.
Che hoặc cắt thông tin nhạy cảm
Trước khi tải lên đám mây, cắt bỏ số tài khoản, số căn cước, chữ ký nếu không cần trích xuất.
Tải ảnh lên và nói rõ đầu ra
Mở Qwen Chat, đăng nhập, dùng nút tải tệp trong ô nhập để đính kèm ảnh, rồi gõ prompt nói rõ muốn nhận bảng, JSON hay đoạn văn. Đừng chỉ viết “đọc ảnh này”.
Yêu cầu đánh dấu chỗ không chắc
Bảo mô hình ghi [?] vào ô không đọc rõ thay vì đoán, để bạn biết chính xác chỗ cần kiểm tra.
Kiểm chứng rồi mới dùng
Dán kết quả vào Google Sheets hoặc Excel, chạy kiểm tra ở mục 5. Chỉ dòng đã khớp mới vào sổ sách.
4. Ba prompt mẫu tiếng Việt
Mẫu 1: Bảng giá nhà cung cấp thành bảng tính
Hãy chép lại thành bảng Markdown với các cột: Mã hàng | Tên hàng | Đơn vị | Đơn giá (VNĐ) | Ghi chú.
Quy tắc:
– Giữ nguyên chính tả tên hàng, không tự sửa.
– Đơn giá chỉ ghi số, bỏ dấu chấm phân cách nghìn.
– Ô nào không đọc rõ thì ghi [?], không đoán.
Cuối cùng cho biết tổng số dòng đọc được.
Mẫu 2: Biên lai giao hàng thành JSON
{“so_bien_lai”: “”, “ngay”: “dd/mm/yyyy”, “nguoi_nhan”: “”, “cac_dong”: [{“ten”: “”, “so_luong”: 0, “don_gia”: 0, “thanh_tien”: 0}], “tong_cong”: 0}
Không thêm chữ nào ngoài JSON. Trường nào không có trên ảnh thì để null.
Sau JSON, tôi sẽ tự kiểm tra: tổng các thanh_tien phải bằng tong_cong.
Mẫu 3: Ảnh sản phẩm thành thông tin đăng bán
1. Chép nguyên văn: tên sản phẩm, khối lượng/dung tích, thành phần, hạn sử dụng, nhà sản xuất.
2. Tách riêng phần nào là chữ trên bao bì và phần nào là bạn suy luận.
3. Không bịa công dụng hay chứng nhận không có trên bao bì.
5. Kiểm chứng kết quả OCR: bốn lớp kiểm tra
Mô hình có thể chép sai một chữ số mà câu trả lời vẫn trông rất trơn tru. Đừng đánh giá bằng cảm giác; hãy kiểm bằng quy tắc:
- Kiểm tra số học: số lượng × đơn giá = thành tiền; tổng các dòng = tổng cộng. Lệch là có ô đọc sai.
- Kiểm tra định dạng: ngày hợp lệ, mã số thuế đủ ký tự, mã hàng khớp danh mục.
- Đọc hai lần: hỏi lại cùng ảnh trong cuộc trò chuyện mới hoặc bằng mô hình khác; ô nào khác nhau thì người xem.
- Kiểm tra mẫu: với lô lớn, đối chiếu ngẫu nhiên khoảng 1 trên 10 ảnh; thấy lỗi thì kiểm cả lô.
Đây chính là nguyên tắc “AI làm nháp, người chịu trách nhiệm” trong bài AI Fluency với Claude, áp dụng cho dữ liệu dạng ảnh.
6. Gọi API khi cần xử lý hàng loạt
Khi mỗi ngày có hàng chục ảnh, hãy chuyển sang API. Model Studio có chế độ tương thích OpenAI; ảnh gửi bằng đường dẫn công khai hoặc base64. Đoạn mã Python tối giản:
client = OpenAI(api_key=”KHOA_API_CUA_BAN”, base_url=”<base_url theo vùng trong tài liệu Model Studio>”)
resp = client.chat.completions.create(
model=”qwen3.6-flash”,
messages=[{“role”: “user”, “content”: [
{“type”: “image_url”, “image_url”: {“url”: “https://…/bien-lai.jpg”}},
{“type”: “text”, “text”: “Chép biên lai thành JSON theo mẫu…”}
]}]
)
print(resp.choices[0].message.content)
Giới hạn theo tài liệu lúc viết: mỗi ảnh qua đường dẫn tối đa 20 MB với các dòng Qwen3.x mới; độ phân giải nên trong khoảng 8K; ảnh vượt giới hạn điểm ảnh bị thu nhỏ, chữ nhỏ có thể khó đọc (tham số vl_high_resolution_images giúp giữ chi tiết nhưng tốn token hơn). Mỗi vùng như Singapore có địa chỉ và khoá API riêng. Muốn dùng tác vụ OCR dựng sẵn như trích JSON theo schema, tài liệu khuyên dùng SDK DashScope.
Muốn tự host, trọng số mở như Qwen3.8-27B được khuyến nghị chạy bằng vLLM hoặc SGLang trên máy chủ GPU; phần chọn cấu hình máy đã có ở bài Qwen chạy cục bộ.
7. Ví dụ minh hoạ: cửa hàng vật tư nông nghiệp
Tình huống giả định để minh hoạ. Một cửa hàng vật tư nông nghiệp 5 người nhận bảng giá từ 8 nhà cung cấp, chủ yếu là ảnh chụp gửi qua Zalo; nhân viên mất cả buổi sáng thứ Hai để gõ lại.
Cách làm mới: dùng Mẫu 1 trên Qwen Chat cho từng ảnh, dán kết quả vào trang tính có công thức so giá với tuần trước. Dòng chênh trên 15% được tô màu để đối chiếu ảnh gốc, vì có thể là tăng giá thật hoặc AI đọc nhầm. Ô [?] thì hỏi lại nhà cung cấp. Bảng giá không chứa thông tin cá nhân nên dùng đám mây được; phiếu công nợ có tên, số điện thoại khách thì không tải lên.
8. Giới hạn và quyền riêng tư
- Tiếng Việt: tài liệu OCR chính thức nêu nhiều ngôn ngữ nhưng không liệt kê tiếng Việt trong các ví dụ. Hãy tự thử với vài ảnh của chính bạn, đặc biệt chữ có dấu viết tay, trước khi tin dùng.
- Giới hạn đầu ra: mô hình OCR chuyên dụng mặc định trả tối đa 4096 token; tài liệu dài nên chia trang.
- Dữ liệu trên đám mây: Model Studio cho biết không dùng dữ liệu của bạn để huấn luyện, nhưng vẫn lưu dữ liệu cuộc gọi để tuân thủ pháp luật. Qwen Chat có chính sách riêng, hãy đọc trước.
- Giấy tờ tuỳ thân, tài chính: không tải căn cước, sao kê, hợp đồng có thông tin khách lên dịch vụ miễn phí; cần thì ưu tiên tự host.
9. Lỗi thường gặp
- Lệch cột: bảng không kẻ ô khiến giá nhảy sang dòng khác. Cách sửa: thêm cột “số thứ tự dòng trên ảnh” hoặc cắt bảng làm đôi.
- Nhầm số tương tự: 1 và 7, 5 và 6, dấu chấm và dấu phẩy thập phân. Cách sửa: kiểm tra số học và yêu cầu giữ nguyên ký hiệu như trên ảnh.
- Chữ quá nhỏ: chụp cả tờ A3 trong một ảnh. Cách sửa: chụp từng phần.
- Tự sửa hoặc bịa: mô hình “sửa giúp” tên hàng hoặc điền giá trị “hợp lý” vào ô trống. Cách sửa: ghi rõ “chép nguyên văn”, ô trống để null hoặc
[?].
10. So sánh nhanh với Claude và ChatGPT
Claude và ChatGPT đều đọc ảnh tốt. Tài liệu của Anthropic cho biết Claude nhận tối đa 20 ảnh mỗi tin nhắn trên claude.ai và có thể đọc sai ảnh chất lượng thấp, bị xoay hoặc quá nhỏ. Lợi thế riêng của Qwen là trọng số mở để tự host và mô hình chuyên OCR trả JSON, bảng HTML qua API. Đội đã quen Claude hay ChatGPT và ít ảnh thì cứ dùng công cụ quen; cần xử lý hàng loạt hoặc dữ liệu không được rời công ty thì Qwen đáng thử. Bốn lớp kiểm tra ở mục 5 áp dụng cho mọi công cụ.
11. Bài tập thực hành
- Chụp 3 ảnh: một bảng giá, một biên lai, một bao bì sản phẩm. Che thông tin cá nhân nếu có.
- Chạy lần lượt 3 prompt mẫu ở mục 4 trên Qwen Chat.
- Dán kết quả vào bảng tính, thêm công thức kiểm tra số học. Đếm số ô sai và số ô
[?]. - Chạy lại trên Claude hoặc ChatGPT, so số ô sai giữa hai công cụ.
12. Thuật ngữ cần biết
- OCR (nhận dạng ký tự quang học): kỹ thuật chuyển chữ trong ảnh thành văn bản máy đọc được. (Wikipedia)
- Mô hình đa phương thức: mô hình xử lý cùng lúc nhiều loại dữ liệu như chữ, ảnh, video. (Wikipedia)
- Trích xuất thông tin chính: tác vụ đọc biên lai, biểu mẫu và trả về các trường cần thiết dưới dạng JSON. (Alibaba Cloud Model Studio)
- Trọng số mở: bộ tham số mô hình được công bố để tải về và tự chạy, theo giấy phép đi kèm. (Hugging Face)
13. Tìm hiểu thêm
- Model Studio: hiểu ảnh và video (giới hạn ảnh, cách gửi ảnh)
- Model Studio: trích xuất chữ bằng Qwen-OCR
- Model Studio: thông báo quyền riêng tư
- Các mô hình Qwen trên Hugging Face
- Tài liệu khả năng đọc ảnh của Claude
14. Câu hỏi thường gặp
Qwen đọc được chữ viết tay tiếng Việt không?
Ở mức nhất định, nhưng tài liệu chính thức không cam kết riêng cho tiếng Việt. Chữ in rõ thường ổn; chữ viết tay có dấu thì phải kiểm từng ô.
Nên dùng mô hình đa năng hay mô hình OCR chuyên dụng?
Hỏi đáp linh hoạt về một ảnh: mô hình đa năng. Trích trường cố định từ hàng loạt biên lai, biểu mẫu: mô hình OCR chuyên dụng cho đầu ra ổn định hơn.
Có thể bỏ hẳn người nhập liệu không?
Không nên. AI rút ngắn phần gõ lại, nhưng người vẫn duyệt ô bị đánh dấu, dòng lệch tổng và mẫu ngẫu nhiên.
Đọc tiếp
- Bài trước (Công cụ AI): AI Fluency với Claude: kiểm chứng câu trả lời, bảo mật dữ liệu và quy tắc dùng AI cho nhân viên
- Bài sau trong chuyên mục Công cụ AI: Muse Code nâng cao: cấu hình dự án, tự viết skill, chia việc cho subagent và duyệt qua git
- Nên đọc cùng: Qwen Code cho người làm web
Muốn đội ngũ của bạn dùng AI đọc chứng từ, bảng giá một cách an toàn và có quy trình kiểm tra rõ ràng? Tham khảo chương trình đào tạo và triển khai AI của PDL.
