Cómo usar OCR para PDF
- 1
Añade el PDF escaneado
Suelta un archivo de un escáner o de una aplicación de escaneo del móvil; la herramienta comprueba cuántas páginas ya tienen texto seleccionable.
- 2
Elige los idiomas
El inglés viene preseleccionado y se sugiere el idioma de tu navegador; añade hasta cuatro idiomas que realmente aparezcan en el documento.
- 3
Ajusta la precisión y las páginas
Mejor lee las páginas a 300 DPI y Más rápido a 200 DPI. Limita el proceso a un intervalo de páginas y omite las páginas que ya tienen texto.
- 4
Descarga los resultados
Guarda el PDF buscable o descarga todo el texto reconocido como archivo .txt, con una marca antes de cada página.
Límites y Pro
Gratis: PDF de hasta 50 MB, OCR en un máximo de 200 páginas por ejecución y hasta 4 idiomas de reconocimiento a la vez entre los 47 disponibles.
Pro eleva el límite a 5000 páginas por ejecución y archivos de hasta 4 GB; la velocidad de reconocimiento sigue dependiendo del procesador de tu dispositivo. Ver Pro
Acerca de OCR para PDF
El resultado es tu PDF original con una capa de texto invisible añadida a cada página escaneada. El escaneo en sí no se vuelve a comprimir ni a dibujar, así que se ve exactamente igual que antes, pero cada palabra reconocida queda ahora en su posición en la página: Ctrl+F la encuentra, al hacer clic y arrastrar se selecciona, y al copiar y pegar se obtiene texto real. Las páginas se renderizan a 300 DPI (200 en el modo Más rápido) y las lee Tesseract, el motor de OCR de código abierto, que se ejecuta como WebAssembly en tu navegador; se procesan varias páginas en paralelo y se muestra una línea de estado para cada una.
Las páginas escaneadas de lado o boca abajo se detectan y se leen en el sentido correcto, se pueden omitir las páginas que ya tienen texto seleccionable para no procesar dos veces los documentos mixtos, y la capa de texto se guarda en Unicode, de modo que los resultados en cirílico, griego, árabe, hebreo, hindi, tailandés, chino, japonés y coreano se pueden buscar y copiar igual que los del alfabeto latino. La exportación a texto sin formato reúne todo lo reconocido, página por página.
Usos habituales: hacer buscables cartas y contratos archivados, extraer cifras de una factura escaneada, preparar un escaneo para convertirlo a Word o dar a quienes usan lectores de pantalla un texto que puedan escuchar.
La precisión depende del escaneo. El texto impreso limpio a 300 DPI suele leerse casi a la perfección; la escritura a mano, las fotos con poco contraste, las tipografías decorativas, la letra diminuta y las páginas fotografiadas con mucha inclinación producen más errores. Las páginas muy torcidas no se enderezan, y el motor lee palabras, no el diseño, así que las columnas y las tablas salen como líneas de texto simples en la exportación.
Privacidad
Las páginas escaneadas se renderizan y reconocen dentro de esta pestaña del navegador mediante Tesseract compilado a WebAssembly; ni el PDF ni el texto reconocido se envían a ningún servidor. El motor y los archivos de los idiomas que elijas, de 2 a 15 MB cada uno, se descargan una sola vez desde una CDN pública y tu navegador los guarda en caché.
Características
Busca y copia
Las palabras reconocidas se colocan sobre el escaneo, así que buscar, seleccionar y copiar funciona en Acrobat, Vista Previa, Chrome y otros lectores.
Calidad del escaneo intacta
Solo se añade una capa invisible, así que sellos, firmas y fotos conservan su nitidez original y el tamaño del archivo apenas aumenta.
47 idiomas
Desde inglés, español y alemán hasta árabe, hindi, chino, japonés y coreano, combinables hasta cuatro a la vez.
Páginas giradas
Una página de lado o boca abajo se prueba de nuevo en cada orientación y se conserva la mejor lectura.
Documentos mixtos
Las páginas con una capa de texto existente se dejan como están, lo que ahorra tiempo en PDF escaneados solo en parte.