Saltar al contenido
Convertube

OCR PDF

Reconoce el texto de un PDF escaneado y añade una capa de texto invisible para poder buscar en él. Todo ocurre en tu dispositivo: el escaneo no se sube.

Se ejecuta en tu dispositivoGratis, sin límitesReconocimiento de texto con IA, en tu dispositivo

Suelta los archivos aquí

o

Admite .pdf · Un archivo cada vez · hasta 150 MB cada uno Aquí, «subir» y «descargar» significan que tu navegador lee un archivo de este dispositivo y escribe otro en él. Tu archivo no se envía a ningún servidor: abre el panel de red del navegador y compruébalo; ninguna petición lleva tu archivo.

Preguntas frecuentes: OCR PDF

¿En qué se diferencia de las demás herramientas de OCR?

En dónde se hace el trabajo. El reconocimiento es la función de PDF que todo el sector ejecuta en sus propios servidores, así que hacer que un escaneo admita búsquedas implica enviarlo a algún sitio, y los escaneos para los que la gente lo necesita son contratos, facturas, historiales médicos y certificados. Aquí el modelo se ejecuta en tu navegador: se descarga una vez, unos 21 MB, y a partir de ahí el archivo nunca sale del equipo. Puedes mirar el panel de red mientras trabaja y comprobar que ninguna petición lleva el archivo.

¿Qué precisión tiene, sinceramente?

Buena, pero no garantizada. En un conjunto de prueba de dieciséis páginas generadas con una inclinación de 0,3 grados —porque un escaneo real siempre tiene algo—, la tasa de acierto de caracteres fue del 95,2 %. Las páginas limpias y rectas puntúan más alto; los sellos, la escritura a mano, las fotocopias débiles y las páginas fotografiadas en ángulo puntúan más bajo, a veces mucho más. Tómalo como una forma de hacer que un documento se pueda encontrar y no como una transcripción: las palabras que busques normalmente estarán ahí, pero esto no es una transcripción con validez legal.

¿Cambia el propio escaneo?

No, y esto se comprueba en lugar de afirmarse: tras una pasada, el SHA-256 de cada flujo de imagen del resultado coincide exactamente con el de la entrada. Las páginas nunca se decodifican, se vuelven a codificar ni se redimensionan; solo se añaden una capa de texto y la descripción de su fuente, que en un escaneo de dos páginas ocuparon 5,1 KB. Si además quieres un archivo más pequeño, comprímelo después y no en su lugar: la compresión vuelve a codificar las imágenes, y hacerlo antes le daría al reconocedor menos que leer.

¿Puedo ver o seleccionar el texto añadido?

No puedes verlo, pero sí seleccionarlo. El texto se escribe en el modo de renderizado que no pinta nada, colocado encima de las palabras de las que procede, así que la página parece intacta mientras la búsqueda, la copia y los lectores de pantalla encuentran las palabras. Eso también significa que no se incrusta ninguna fuente: los glifos nunca se dibujan, así que solo hace falta la correspondencia de caracteres, y la fuente ocupa cero bytes. El resultado se volvió a leer con dos motores PDF independientes, no solo con el que usamos nosotros, y ambos devolvieron el mismo texto en chino.

¿Y si el PDF ya tiene texto?

Se deja como está y la herramienta te lo dice. Un PDF exportado desde Word ya admite búsquedas, y añadirle encima una capa de reconocimiento haría que cada búsqueda coincidiera dos veces y que cada copia saliera duplicada. Lo que comprueba la herramienta es si las páginas llevan texto, con un muestreo a lo largo del documento; si lo llevan, aquí no hay nada que añadir.

¿Cuánto tarda?

Unos segundos por página en una página normal en chino o en inglés —medimos de 2,4 a 4,0 segundos en un ordenador de sobremesa con aceleración por hardware—, más la descarga única del modelo. Una página académica densa a dos columnas, de cuatro mil caracteres, tardó unos catorce. El coste depende de cuánto texto haya en la página y no de su tamaño, y en un móvil será varias veces más lento.

Convertidor de PDF

Herramientas PDF

Convertidor de PDFSobre PDF