Về bản chất, một ảnh số chỉ là một bảng số lớn. Về mặt toán học, bạn có thể xem nó như một hàm ánh xạ các tọa độ rời rạc (vị trí điểm ảnh) tới một hoặc nhiều giá trị cường độ (các kênh), như được mô tả trong Basics of Image Processing và các giáo trình xử lý ảnh số kinh điển.
Đối với ảnh mức xám, mỗi vị trí (m, n) chứa một số mô tả độ sáng; đối với một ảnh màu điển hình, mỗi điểm ảnh lưu ba giá trị, thường là đỏ, lục và lam. Cấu hình phổ biến là 8 bit cho mỗi kênh, cho hơn 16 triệu màu có thể có, như được giải thích trong discussions of sampling and quantization.
Chính các mảng số này là thứ chúng ta lưu dưới dạng JPEG, PNG, AVIF và các định dạng tệp khác, truyền qua mạng và hiển thị lên màn hình. Lĩnh vực xử lý ảnh số tập trung vào việc thu nhận các mảng này, biến đổi và phân tích chúng, rồi biến chúng thành thứ gì đó hữu ích — cho dù đó là một bức ảnh, một ảnh chụp y khoa, một bản đồ vệ tinh hay đầu vào cho một mô hình học máy, như được trình bày trong Gonzalez & Woods' textbook.
Trước khi bất cứ thứ gì trở thành các điểm ảnh, luôn có một hệ thống quang học và một cảm biến ảnh. Các máy ảnh hiện đại thường sử dụng cảm biến CCD hoặc CMOS: những mạch tích hợp với hàng triệu phần tử nhạy sáng nhỏ phản ứng với ánh sáng. Các tổng quan về thiết kế cảm biến và mảng lọc màu trong imaging-sensor literature và technical papers on Bayer pattern sensors làm rõ cách những thiết bị này lấy mẫu ảnh quang học.
Hầu hết máy ảnh và điện thoại tiêu dùng sử dụng ma trận lọc Bayer: một mảng lọc màu đặt các bộ lọc đỏ, lục và lam lên từng phần tử cảm biến theo một mẫu lặp lại, thường với số bộ lọc xanh lục gấp đôi đỏ hoặc lam để xấp xỉ độ nhạy thị giác của con người. Mẫu kinh điển này được ghi lại trong the Bayer filter và các tài liệu kỹ thuật liên quan. Một thuật toán khử khảm (demosaicing) sau đó nội suy các giá trị này để tái tạo giá trị RGB đầy đủ cho từng điểm ảnh. Chất lượng của bước này ảnh hưởng mạnh tới độ nét, nhiễu và các hiện tượng giả tần (aliasing) trong ảnh cuối cùng, như được nhấn mạnh trong analyses of demosaicing quality.
Quá trình số hóa có hai bước chính: lấy mẫu và lượng tử hóa. Lấy mẫu quyết định bạn đo cảnh tại những vị trí nào — bạn đặt các điểm ảnh dày đặc ra sao trên không gian. Đó chính là độ phân giải không gian của bạn, ví dụ 4000×3000 điểm ảnh. Lượng tử hóa quyết định mức độ chi tiết khi biểu diễn cường độ hoặc màu sắc — mỗi điểm ảnh có thể nhận bao nhiêu mức giá trị, chẳng hạn 256 mức cho mỗi kênh trong ảnh 8 bit. Cả hai khái niệm này được giải thích rõ trong guides to image sampling and quantization và tutorials on converting continuous images to matrices of integers.
Kết hợp với nhau, lấy mẫu không gian và lượng tử hóa cường độ biến một cảnh liên tục thành một ma trận số nguyên 2D, tạo nền tảng cho xử lý ảnh số. Với các bức ảnh màu thông thường, RGB 24 bit cho đủ số mức để hiện tượng dải màu (banding) hầu như không đáng kể trong đa số cảnh, nhưng các quy trình khoa học và HDR thường dùng các kênh 10, 12 hoặc 16 bit để có nhiều khoảng trống hơn, như được đề cập trong color-depth discussions và PNG specification's description of 1–16 bit sample depths.
Định lý lấy mẫu Nyquist–Shannon phát biểu rằng để tái tạo hoàn hảo một tín hiệu, bạn phải lấy mẫu với tần số ít nhất gấp đôi tần số cao nhất của nó; nếu không, các chi tiết tần số cao sẽ bị gập (alias) xuống tần số thấp hơn và tạo ra méo dạng. Nguyên lý này, được mô tả trong the Nyquist–Shannon theorem entry và các hướng dẫn như GeeksforGeeks' Nyquist overview, áp dụng trực tiếp cho ảnh số.
Trong ảnh, việc lấy mẫu không gian không đủ biểu hiện dưới dạng aliasing — các hoa văn moiré trên vải mịn hoặc tường gạch, các cạnh răng cưa khi bạn phóng to, và những hiện tượng giả khác. Ví dụ và giải thích xuất hiện trong sampling and aliasing chapters in computer vision texts và trong các hướng dẫn thu nhận tín hiệu từ measurement-fundamentals resources.
Các hệ thống máy ảnh đối phó với điều này bằng các bộ lọc thông thấp quang học, cảm biến có độ phân giải cao hơn và xử lý hậu kỳ. Các kỹ thuật chống aliasing và kiểm soát moiré trong hệ thống máy ảnh được bàn luận chi tiết trong imaging sections of Nyquist resources và trong computer-vision sampling notes.
Hầu hết các bức ảnh bạn gặp đều là ảnh raster: các lưới điểm ảnh cố định, trong đó mỗi điểm ảnh lưu một màu. Đồ họa raster rất giỏi trong việc ghi lại chi tiết giàu sắc độ liên tục như ảnh chụp và tranh vẽ, như được giải thích trong Adobe's raster vs vector comparison và computer-graphics tutorials. Tuy nhiên, chất lượng gắn liền với độ phân giải — phóng to quá nhiều thì bạn sẽ thấy rõ các điểm ảnh.
Đồ họa vector hoạt động khác. Chúng lưu trữ các hình dạng — điểm, đường, đường cong và vùng tô được mô tả bằng toán học — thường ở các định dạng như SVG, EPS hoặc PDF. MDN guide to SVG và W3C's SVG overview mô tả cách SVG sử dụng XML để biểu diễn hình dạng, văn bản và các phép biến đổi. Vì bộ kết xuất tính toán lại các hình dạng đó ở mọi kích thước, đồ họa vector là độc lập với độ phân giải: một logo trông sắc nét như nhau trên danh thiếp và trên biển quảng cáo, như được nhấn mạnh trong design-oriented raster vs vector explainers và modern SVG guides.
Trong thực tế, các định dạng raster (JPEG, PNG, TIFF, GIF, AVIF, WebP và các định dạng khác) chiếm ưu thế trong nhiếp ảnh, tài liệu quét và hình ảnh phức tạp, trong khi các định dạng vector như SVG và PDF được ưa chuộng cho logo, biểu tượng, sơ đồ và đồ họa nhiều chữ. Các bài viết so sánh như image file format explainers và modern image format guides cho thấy những vai trò này được triển khai ra sao trong thực tế.
Một mô hình màu là một cách toán học để biểu diễn màu sắc — RGB, CMYK, HSV, YCbCr, v.v. primer on color models và comparisons of RGB, CMYK, HSV, and YIQ giải thích cách các mô hình này được dùng trong phần cứng và ứng dụng. color space lấy một mô hình và gắn nó với các màu cơ bản cùng điểm trắng cụ thể, chẳng hạn sRGB hoặc Adobe RGB, cùng với một hàm truyền (transfer function).
RGB chiếm ưu thế cho màn hình và hầu hết ảnh người dùng, trong khi CMYK được dùng cho in ấn. YCbCr tách một kênh độ chói khỏi hai kênh màu và được sử dụng rộng rãi trong video số và nén JPEG, như được mô tả trong the YCbCr article và JPEG compression explanations.
Phần lớn ảnh không được lưu trong không gian ánh sáng tuyến tính thuần túy. Thay vào đó, chúng dùng một không gian mã hóa gamma (như sRGB), phân bổ nhiều giá trị mã hơn cho các tông tối nơi mắt chúng ta nhạy hơn và ít giá trị hơn cho vùng sáng. Đây là một phần của pipeline màu được mô tả trong color-space tutorials và trong các ghi chú kỹ thuật về luma and gamma-corrected RGB.
Tiêu chuẩn JPEG gốc (JPEG 1, ISO/IEC 10918-1 / ITU-T T.81) ra đời từ đầu những năm 1990 và vẫn là định dạng ảnh chụp được dùng rộng rãi nhất trên web và trong các máy ảnh tiêu dùng. Tiêu chuẩn này được mô tả trong the JPEG committee's overview và ITU-T T.81 recommendation.
Thông thường, JPEG cơ bản sẽ:
Các giải thích chi tiết xuất hiện trong Stanford's JPEG compression notes, trong tutorials on the JPEG standard, và trong các bài giảng về mã hóa biến đổi và lượng tử hóa. Bước lượng tử hóa của JPEG là thứ khiến nó trở thành nén mất dữ liệu và là nguồn chính gây ra các hiện tượng giả như khối (blocking) và đổ chuông (ringing) ở bitrate thấp.
PNG (Portable Network Graphics) được tạo ra vào giữa những năm 1990 như một thay thế miễn phí bản quyền cho GIF sau tranh cãi về thuật toán nén LZW đã được cấp bằng sáng chế trong GIF. Định dạng này được đặc tả trong the W3C PNG specification và được đặt vào bối cảnh lịch sử trong histories of how GIF royalties led to PNG.
PNG hỗ trợ ảnh mức xám, ảnh màu chỉ mục và ảnh truecolor, với kênh alpha tùy chọn cho độ trong suốt và độ sâu bit từ 1 đến 16 bit trên mỗi kênh. Nó sử dụng nén DEFLATE không mất dữ liệu, kết hợp LZ77 và mã Huffman, như được giải thích trong PNG compression guides và optimization articles on PNG compression. Điều này khiến PNG trở nên lý tưởng cho đồ họa giao diện, logo, ảnh chụp màn hình và các hình có cạnh sắc, nhiều chữ.
Một bản cập nhật gần đây cho đặc tả PNG bổ sung hỗ trợ HDR, hoạt ảnh (APNG) và siêu dữ liệu Exif nhúng, theo các báo cáo về the first major PNG update in over two decades. Điều này giúp PNG vẫn cạnh tranh với các định dạng mới hơn trong khi giữ vững thế mạnh là một định dạng không mất dữ liệu.
GIF (Graphics Interchange Format) là một định dạng bitmap được giới thiệu năm 1987. Mỗi khung hình sử dụng một bảng màu tối đa 256 màu được mã hóa bằng nén LZW, như được giải thích trong GIF format explainers và technical breakdowns of GIF image data. Tính năng "sát thủ" của GIF là hoạt ảnh theo khung đơn giản với độ trong suốt tùy chọn, đó là lý do nó vẫn là định dạng quen thuộc cho meme và ảnh phản ứng trên mạng.
Các hạn chế của GIF — 256 màu mỗi khung, thiếu các kỹ thuật nén giữa khung hiện đại và kích thước tệp lớn cho những cảnh phức tạp — khiến nó trở thành lựa chọn kém cho nội dung giống video. Các hướng dẫn tối ưu hóa như tutorials on reducing GIF file size và GIF compressor toolscho thấy cắt xén, giảm số khung và giảm số lượng màu có thể giúp ích, nhưng các định dạng mới hơn hoặc codec video thường hiệu quả hơn nhiều.
TIFF (Tagged Image File Format) là một vùng chứa linh hoạt dựa trên các thẻ, có thể lưu nhiều ảnh, siêu dữ liệu và nhiều kiểu nén khác nhau (không nén, LZW, PackBits, JPEG, v.v.). Nó được mô tả trong the TIFF encyclopedia entry, DAM-oriented TIFF guidesvà các mô tả định dạng chính thức như the Library of Congress' TIFF_UNC profile.
TIFF được sử dụng rộng rãi trong xuất bản, nhiếp ảnh chuyên nghiệp và số hóa di sản văn hóa vì nó có thể lưu ảnh độ sâu bit cao, xử lý tối thiểu với siêu dữ liệu phong phú và hầu như không có hiện tượng giả do nén. Các hướng dẫn lưu trữ như the Library of Congress Recommended Formats Statement for still images và federal digitization format comparisons thường liệt kê TIFF trong số các định dạng được ưu tiên.
Trong thập kỷ qua, một thế hệ định dạng ảnh mới đã xuất hiện nhằm vắt được nhiều chất lượng hơn từ ít bit hơn, đặc biệt cho việc phân phối trên web và di động. Các bài viết như comprehensive image format comparisons và WebP vs AVIF vs JPEG benchmarks cung cấp các số liệu cụ thể về cách các định dạng này hoạt động.
WebP hỗ trợ cả nén mất dữ liệu và không mất dữ liệu, cùng với kênh alpha và hoạt ảnh. Với nhiều bức ảnh, WebP mất dữ liệu có thể nhỏ hơn JPEG khoảng 25–30% ở cùng mức chất lượng cảm nhận. AVIF sử dụng các công cụ trong khung (intra-frame) của codec video AV1 để đạt hiệu quả nén cao hơn nữa; các thử nghiệm thực tế thường cho thấy giảm kích thước 40–50% so với JPEG. Các so sánh chi tiết xuất hiện trong 2024–2025 format guides, analyses of AVIF vs WebP vs JPEG XLvà statistical format comparisons.
HEIF/HEIC gói ảnh bằng mã hóa HEVC và phổ biến trong một số hệ sinh thái di động, trong khi JPEG XL hướng tới việc kết hợp nén hiệu quả với các tính năng như nén lại không mất dữ liệu các tệp JPEG hiện có. Các thảo luận trong next-generation format overviews và performance-focused format guides làm nổi bật cách những định dạng này phù hợp với các chiến lược hiệu năng web hiện đại.
Mặc dù có nhiều ưu điểm, mức độ chấp nhận chúng còn bị giới hạn bởi hỗ trợ của trình duyệt và hệ điều hành, công cụ, cũng như các cân nhắc về lưu trữ dài hạn. Các tổ chức vẫn nhấn mạnh những định dạng cũ hơn, được tài liệu hóa tốt như TIFF, PNG và JPEG trong Recommended Formats Statements và still-image format preference documents.
Vượt ra ngoài các điểm ảnh, tệp ảnh thường mang theo siêu dữ liệu. Tiêu chuẩn mức thấp phổ biến nhất là EXIF (Exchangeable Image File Format), ban đầu được thiết kế cho máy ảnh số chụp tĩnh. Đặc tả và lịch sử của nó được ghi lại trong the EXIF article và EXIF metadata guides for photographers.
Các thẻ EXIF có thể lưu kiểu máy ảnh, ống kính, thiết lập phơi sáng, thời gian chụp, tọa độ GPS và nhiều thông tin khác, được nhúng trực tiếp trong JPEG, TIFF và một số định dạng khác. Các tổng quan như EXIF in digital asset management và guides to photo metadata làm rõ cách EXIF được dùng trong thực tế và lưu ý rằng mặc dù PNG và WebP về mặt kỹ thuật có thể lưu các khối siêu dữ liệu, EXIF phong phú vẫn phổ biến nhất trong các tệp JPEG và TIFF.
Các tổ chức như Thư viện Quốc hội Hoa Kỳ công bố Recommended Formats Statements (các tuyên bố về định dạng khuyến nghị) xếp hạng các định dạng cho việc thu thập và lưu trữ, cân bằng giữa tính mở, mức độ tài liệu hóa, hỗ trợ siêu dữ liệu và độ vững kỹ thuật. still-image RFS và các bản cập nhật gần đây cho 2025–2026 phác thảo những định dạng được ưu tiên và chấp nhận cho ảnh tĩnh.
Những tài liệu này thường nhấn mạnh TIFF không nén hoặc nén không mất dữ liệu, JPEG chất lượng cao, PNG và JPEG 2000 trong số các lựa chọn ưu tiên hoặc chấp nhận được, và nhấn mạnh các đặc tính như độ sâu bit, độ phân giải không gian và siêu dữ liệu. still-image preferences page nêu rõ yêu cầu hỗ trợ các siêu dữ liệu kỹ thuật chuẩn hóa như EXIF và các sơ đồ liên quan.
Khi việc tạo nội dung tổng hợp trở nên dễ dàng hơn, nhu cầu nhúng thông tin nguồn gốc nội dung vào ảnh và video ngày càng tăng. Các sáng kiến như Coalition for Content Provenance and Authenticity (C2PA) và Adobe's Content Authenticity Initiative xác định cách gắn các "Content Credentials" có thể kiểm chứng bằng mật mã vào nội dung ngay khi tạo và trong quá trình chỉnh sửa. Điều này được thảo luận trong reporting on C2PA and deepfake labeling và trong các tài liệu lưu trữ rộng hơn như format-preference statements.
Tuy nhiên, các triển khai ban đầu cho thấy nhiều nền tảng thường xóa hoặc ẩn siêu dữ liệu về nguồn gốc, và người dùng hiếm khi thấy nhãn rõ ràng ngay cả khi siêu dữ liệu vẫn còn. Các bài viết như Sora deepfake-detection critiques và digital forensics perspectives on deepfakes làm nổi bật khoảng cách giữa khả năng kỹ thuật và thực tiễn triển khai.
Các ảnh thô không nén có kích thước khổng lồ, nên nén là điều thiết yếu cho lưu trữ, truyền tải và sử dụng tương tác. Nén không mất dữ liệu (PNG, một số TIFF, GIF, WebP/AVIF không mất dữ liệu) khai thác tính dư thừa để giảm kích thước mà không thay đổi bất kỳ giá trị điểm ảnh nào, như được mô tả trong PNG compression references, TIFF documentationvà GIF compression guides. Nén mất dữ liệu (JPEG, WebP/AVIF mất dữ liệu, một số TIFF) loại bỏ thêm thông tin mà về lý thuyết ít bị nhận thấy hơn, như thể hiện trong các phân tích JPEG và định dạng hiện đại kiểu JPEG vs WebP vs AVIF comparisons.
Các so sánh hiện đại cho thấy trong nhiều trường hợp sử dụng, AVIF và WebP có thể vượt trội cả JPEG lẫn PNG về cân bằng kích thước/chất lượng, đặc biệt cho phân phối trên web, theo CDN-oriented format benchmarks và image-format statistics.
Khi nén mất dữ liệu bị đẩy quá xa, các hiện tượng giả trở nên có thể nhìn thấy. Những hiện tượng thường gặp gồm ghép khối (blocking), đổ chuông (ringing), dải màu (banding) và nhiễu "muỗi" (mosquito noise). The compression artifact entry và guides to artifact removal cung cấp các phân loại chi tiết, trong khi video artifact guides cho thấy các vấn đề tương tự xuất hiện thế nào trong ảnh động.
Các công cụ giảm hiện tượng giả cố gắng làm mượt ranh giới khối, tái tạo lại cạnh hoặc áp dụng các bộ lọc khử khối, đôi khi sử dụng các mô hình học máy. Nền tảng khái niệm của chúng quay lại cách JPEG lượng tử hóa các hệ số DCT, như được giải thích trong JPEG coefficient quantization walkthroughs và detailed JPEG standard notes.
Trên web, ảnh thường là thành phần lớn nhất trong dung lượng trang. Việc chọn định dạng và mức nén hiệu quả có thể làm giảm đáng kể tổng kích thước dữ liệu ảnh truyền đi — đôi khi tới 50–70%. Các tài liệu tập trung vào hiệu năng như WebP vs AVIF vs JPEG comparisons và modern optimization guides cho thấy những lựa chọn này tác động lớn đến mức nào.
Các kỹ thuật thực tiễn bao gồm chọn đúng định dạng (AVIF/WebP cho ảnh chụp, PNG/SVG cho hình vẽ đường nét, GIF tối giản hoặc video cho hoạt ảnh), cung cấp nhiều bản mã hóa và để trình duyệt tự chọn, và thay đổi kích thước ảnh để phù hợp với nhu cầu hiển thị bằng markup đáp ứng. Các bài viết như image file format explainers và image format comparison guides đưa ra những khuyến nghị cụ thể.
Tối ưu hóa không mất dữ liệu các GIF và PNG cũ bằng những công cụ chuyên dụng (như flexiGIF hoặc các trình tối ưu PNG chuyên biệt) có thể mang lại thêm mức tiết kiệm mà không thay đổi điểm ảnh, như được ghi nhận trong PNG compression references và GIF optimization tool descriptions.
Khi các mô hình sinh ngày càng giỏi tạo ra hình ảnh và video, quan niệm "thấy mới tin" dần bị xói mòn. Công nghệ deepfake có thể tạo khuôn mặt giống thật, hoán đổi danh tính và tổng hợp những sự kiện chưa từng xảy ra. Các phân tích đạo đức và xã hội như deepfakes and the crisis of digital authenticity, ethics of deepfake technologyvà deepfake risk assessments nêu bật các mối lo ngại từ hình ảnh không có sự đồng ý cho tới thông tin sai lệch chính trị.
Các nghiên cứu thực nghiệm cho thấy nhiều người dùng đã gặp khó khăn trong việc phân biệt nội dung tổng hợp với nội dung thật, làm d ấy lên các câu hỏi về sự đồng ý, danh tính và tính toàn vẹn thông tin. Các góc nhìn pháp y số và pháp lý trong deepfakes and evidence tampering analyses nhấn mạnh cách điều này ảnh hưởng tới tòa án và điều tra.
Các nỗ lực phát hiện hoặc gắn nhãn deepfake đang tụt hậu so với khả năng sinh: ngay cả những hệ thống nhúng siêu dữ liệu nguồn gốc như thông tin xác thực C2PA thường không hiển thị cảnh báo rõ ràng, hoặc có thể bị loại bỏ trong các chuỗi phân phối, như được ghi nhận trong reporting on deepfake labeling failures. Đối với ảnh số, điều này tạo ra một chiều trách nhiệm mới cho các kỹ sư, nền tảng và nhà hoạch định chính sách.
Một ảnh số cùng lúc là rất nhiều thứ: một tín hiệu đã được lấy mẫu bị ràng buộc bởi thiết kế cảm biến và tần số lấy mẫu, một đối tượng toán học trong không gian màu, một hiện thân của định dạng tệp như JPEG hay PNG, và một hiện vật văn hóa chịu ảnh hưởng của lựa chọn thẩm mỹ, các lo ngại đạo đức, chính sách lưu trữ và các khung niềm tin. Những lớp này lần lượt được mô tả trong sampling and quantization tutorials, formal digital image definitions, format comparison guides và preservation and format-preference statements.
Hiểu về ảnh số đồng nghĩa với việc hiểu cách tất cả những lớp đó khớp với nhau. Khi bạn nhìn một bức ảnh như một mảng số được định hình bởi lý thuyết lấy mẫu, khoa học màu sắc, nén, siêu dữ liệu và bối cảnh xã hội, những lựa chọn như "Logo này nên là SVG hay PNG?" hay "JPEG này có đủ tốt cho lưu trữ không?" trở thành các đánh đổi có cơ sở thay vì đoán mò.
Khi các định dạng phát triển — PNG có thêm hỗ trợ HDR, AVIF và JPEG XL thách thức JPEG, và các tiêu chuẩn về nguồn gốc được chồng thêm lên — bức tranh này sẽ tiếp tục thay đổi. Các bài viết về PNG's recent spec updates, next-generation image formats và evolving preservation guidance cho thấy rõ rằng lĩnh vực ảnh số luôn là một mục tiêu di động. Điều không đổi là ảnh số sẽ vẫn nằm ở trung tâm cách chúng ta nhìn, ghi nhớ và tranh luận về thế giới — dù đó là các bản quét TIFF được lưu trữ cẩn thận trong kho lưu trữ hay những meme thoáng qua lướt nhanh trên mạng xã hội.
Bộ chuyển đổi này chạy hoàn toàn trong trình duyệt của bạn. Khi bạn chọn một tệp, nó sẽ được đọc vào bộ nhớ và chuyển đổi sang định dạng đã chọn. Sau đó, bạn có thể tải xuống tệp đã chuyển đổi.
Việc chuyển đổi bắt đầu ngay lập tức và hầu hết các tệp được chuyển đổi trong vòng chưa đầy một giây. Các tệp lớn hơn có thể mất nhiều thời gian hơn.
Các tệp của bạn không bao giờ được tải lên máy chủ của chúng tôi. Chúng được chuyển đổi trong trình duyệt của bạn và sau đó tệp đã chuyển đổi sẽ được tải xuống. Chúng tôi không bao giờ thấy các tệp của bạn.
Chúng tôi hỗ trợ chuyển đổi giữa tất cả các định dạng hình ảnh, bao gồm JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, v.v.
Bộ chuyển đổi này hoàn toàn miễn phí và sẽ luôn miễn phí. Bởi vì nó chạy trong trình duyệt của bạn, chúng tôi không phải trả tiền cho máy chủ, vì vậy chúng tôi không cần tính phí bạn.
Đúng! Bạn có thể chuyển đổi bao nhiêu tệp tùy thích cùng một lúc. Chỉ cần chọn nhiều tệp khi bạn thêm chúng.