Cómo funciona
- Suelta imágenes o PDF.
- Elige el idioma o los idiomas del texto.
- Copia el texto o descarga archivos TXT y PDF con búsqueda.
Por qué usarla
- Inglés, español, francés, alemán, portugués, italiano, ruso, árabe, hindi, chino, japonés y coreano.
- Hace que se pueda buscar en los PDF escaneados.
- Puntuación de confianza para cada resultado.
- Los datos de idioma se sirven desde este sitio y quedan en caché.
Sacar el texto de imágenes y escaneos: qué esperar
Cómo lee una imagen
El reconocimiento de texto, u OCR, encuentra las líneas de texto de una imagen, las divide en caracteres y decide qué letra es cada uno, usando un modelo entrenado con texto impreso en los idiomas que elijas. Esta herramienta usa Tesseract, un motor de código abierto veterano, compilado para funcionar en el navegador. Los datos del idioma, unos 3 MB para el inglés, se descargan una vez desde este sitio y se guardan para la próxima vez.
Las imágenes pequeñas se amplían antes de leerlas, ya que el motor funciona mejor con letras grandes y nítidas, y las imágenes ligeramente inclinadas se enderezan. Las páginas PDF se dibujan a unos 190 ppp y se leen una a una.
Qué tan preciso es
Con texto impreso limpio, mucho. Leímos un informe de 10 páginas preparado para parecer un escaneo de oficina, con sus páginas dibujadas a 300 ppp sobre papel ligeramente gris y guardadas como imágenes JPEG, y comparamos el resultado con el texto del que salió el informe:
| Medida | Resultado |
|---|---|
| Caracteres leídos correctamente | Del 99,8 al 100 % por página |
| Palabras leídas correctamente | 6991 de 7006 |
| Caracteres erróneos por página | De 0 a 8, de unos 4000 |
| Páginas sin un solo error | 4 de 10 |
| Tiempo por página | Unos 7 segundos |
Un escaneo real con polvo, inclinación y luz desigual puntuará algo más bajo. Los resultados bajan más según lo que la cámara le da al motor: las fotos de teléfono tomadas en ángulo o con poca luz, el texto pequeño, los fondos de color, las fuentes decorativas y las páginas con texto en varias direcciones restan precisión. La escritura a mano no es compatible en absoluto.
Obtener el mejor resultado
- Fotografía de frente, con buena luz, con la página llenando el encuadre y sin la sombra de tu teléfono.
- Elige los idiomas correctos. Cada idioma tiene su propio modelo. Una página en español leída como inglés sale con más errores, sobre todo en las letras acentuadas; elige hasta tres cuando una página los mezcle.
- Elige el diseño. Automático (columnas, títulos) encuentra columnas y títulos. Un solo bloque de texto sirve para un único párrafo o la captura de un mensaje. Texto disperso (carteles, etiquetas) sirve para carteles, etiquetas y diagramas.
- Recorta hasta el texto con recortar imágenes cuando una foto muestre mucho más que la página.
PDF con búsqueda
Con Crear también un PDF con búsqueda activado, también obtienes un PDF que se ve exactamente como tu escaneo, con el texto reconocido colocado de forma invisible sobre cada palabra. Puedes buscar en él, seleccionar y copiar, y la imagen original queda intacta. Es la forma habitual de hacer que una pila de documentos escaneados admita búsquedas. Para reconstruir en cambio un escaneo como documento editable con párrafos y tablas, usa PDF a Word.
Si algo sale mal
- No encontró texto. La imagen puede estar demasiado borrosa o ser demasiado pequeña, o estar en un idioma que no elegiste. Prueba una foto más nítida, el idioma correcto u otro diseño.
- El texto sale en el orden equivocado. Las columnas y los recuadros confunden el orden de lectura. Prueba Un solo bloque de texto, o recorta una columna cada vez.
- El PDF ya tiene texto que se puede seleccionar. Entonces no necesita OCR: PDF a texto copia el texto real más rápido y sin errores.
Cómo lo probamos. Un informe de 10 páginas con texto de dominio público, dibujado como un escaneo en color a 300 ppp sobre papel gris y guardado en páginas JPEG, leído con los ajustes de esta herramienta en Chrome. El resultado de cada página se comparó con el texto de origen carácter a carácter, sin tener en cuenta los saltos de línea ni los espacios.
Usos populares de esta herramienta
Preguntas y respuestas
¿Qué precisión tiene?
El texto impreso, bien iluminado y con una resolución decente suele leerse con mucha precisión. Las fotos borrosas, las fuentes poco comunes y la letra a mano reducen la precisión.
¿Puede leer letra a mano?
No de forma fiable. Está pensado para texto impreso.
¿Se envían mis escaneos a un servidor?
No. El reconocimiento se ejecuta en tu navegador con WebAssembly.