Imagen a texto (OCR)

Qué lee bien el OCR — y qué nunca podrá leer

El reconocimiento de caracteres es comparación de patrones, no comprensión, así que el resultado refleja la entrada con brutal honestidad. Una captura de pantalla nítida o un escaneo plano y bien iluminado de texto impreso sale casi perfecto. Una foto de móvil de la misma página tomada con un ligero ángulo, con una sombra en una esquina, baja notablemente de calidad — y la letra manuscrita, las fuentes decorativas, el texto sobre fotografías y las impresiones de bajo contraste (gris sobre blanco, color sobre color) pueden salir apenas utilizables. Tres costumbres arreglan la mayor parte: dispara de frente en lugar de en ángulo, llena el encuadre con el texto y recorta lo que lo rodea, y cuando el origen ya está en pantalla, usa la captura de pantalla original en lugar de fotografiar tu monitor. Cada uno de esos pasos elimina una distorsión que el motor de reconocimiento, de otro modo, tendría que adivinar.

La descarga de una sola vez, y por qué existe

La primera vez que pulsas Leer texto, tu navegador descarga el motor de reconocimiento y sus datos del idioma inglés —unos 7 MB, servidos desde este sitio y guardados en caché, así que las siguientes veces empiezan en cuestión de segundos. Esa descarga es el precio de una promesa real: el motor se ejecuta íntegramente en tu propio dispositivo como WebAssembly, lo que significa que la foto de tu contrato, receta médica o nómina nunca se transmite a ningún sitio. La mayoría de los servicios de OCR online funcionan al revés — una página diminuta, y tu documento subido a su servidor. Si la primera ejecución parece quedarse quieta unos segundos con una conexión lenta, está descargando, no atascada; la línea de progreso te dice en qué fase está. Después de esa primera visita el motor se carga desde la caché, y el reconocimiento de una página normal de texto tarda unos pocos segundos incluso en un portátil modesto.

Solo en inglés, por ahora — y revisa siempre los números

Esta primera versión lee texto y números en inglés. Se planean más idiomas —cada uno es un archivo de datos entrenados adicional, así que llegarán como descargas separadas en lugar de un único paquete gigante— pero hoy una carta en neerlandés o una factura en turco saldrán confusas en cuanto las palabras dejen de parecerse al inglés. Los números merecen su propia advertencia especial: leer mal un 8 como un 3 en un IBAN, un número de teléfono o un total de factura sale mucho más caro que una palabra mal leída, y las cifras no llevan ningún contexto ortográfico que el motor pueda usar para corregirse. Sea cual sea el texto, revisa el resultado una vez antes de confiar en él; sean cuales sean los números, compruébalos dos veces.

El texto ya está fuera — ahora ponlo en algún sitio útil

Copiar texto pone el resultado en tu portapapeles, y desde ahí suele tener uno de tres destinos. Directamente a un documento o un correo es el obvio — todo el sentido del OCR es no volver a teclear jamás una página. Menos obvio: pégalo en /es/text-to-speech y la página se convierte en audio, lo que transforma un artículo fotografiado en algo que puedes escuchar mientras haces cualquier otra cosa. Y cuando lo que realmente necesitas es la página como un documento que puedas compartir en lugar de texto suelto, /es/image-to-pdf envuelve la foto original en un PDF como es debido — más ordenado de archivar y reenviar que una imagen a secas, con esta herramienta cubriendo los momentos en los que también necesitas sus palabras.

Cómo obtener el mejor resultado del OCR

El reconocimiento de caracteres funciona mejor con imágenes nítidas y bien iluminadas, con texto oscuro sobre fondo claro. Fotografía los documentos de frente en lugar de en ángulo, recorta hasta dejar solo el texto si puedes, y prefiere la captura de pantalla original antes que una foto de la pantalla. Por ahora lee inglés y números; se planean más idiomas.