Imagem para texto (OCR)

O que o OCR lê bem — e o que ele nunca vai conseguir ler

O reconhecimento de caracteres é reconhecimento de padrões, não compreensão, então o resultado acompanha a entrada com uma honestidade brutal. Uma captura de tela nítida ou uma digitalização plana e bem iluminada de texto impresso sai quase perfeita. Uma foto de celular da mesma página, tirada com um leve ângulo e com uma sombra em um canto, cai visivelmente de qualidade — e escrita à mão, fontes decorativas, texto sobreposto a fotos e impressos de baixo contraste (cinza sobre branco, cor sobre cor) podem sair praticamente inutilizáveis. Três hábitos resolvem a maior parte disso: fotografe de frente, não em ângulo, preencha o quadro com o texto e recorte o entorno, e, quando a fonte já estiver na tela, use a captura de tela original em vez de fotografar o monitor. Cada um desses passos remove uma distorção que, do contrário, o reconhecedor teria de adivinhar.

O download único — e por que ele existe

Na primeira vez que você clicar em Ler texto, o seu navegador baixa o mecanismo de reconhecimento e os dados do idioma que você escolheu — cerca de 5 a 7 MB no total, servidos por este site e armazenados em cache, então as execuções seguintes começam em instantes. Esse download é o preço de uma promessa real: o mecanismo roda inteiramente no seu próprio dispositivo como WebAssembly, o que significa que a foto do seu contrato, receita médica ou holerite nunca é transmitida a lugar nenhum. A maioria dos serviços de OCR online funciona ao contrário — uma página minúscula, e o seu documento enviado ao servidor deles. Se a primeira execução parecer parada por alguns segundos em uma conexão lenta, é porque está baixando, não travada; a linha de progresso indica em qual fase o processo está. Depois dessa primeira visita, o mecanismo carrega direto do cache, e o reconhecimento de uma página comum de texto leva alguns segundos mesmo em um laptop modesto.

Dez idiomas — e sempre revise os números

Ele lê inglês, holandês, alemão, francês, espanhol, italiano, polonês, português, turco e árabe, além de números. Escolha o idioma do texto ao lado do botão: a seleção começa no idioma desta página, e a sua escolha fica guardada neste dispositivo. Cada idioma é um arquivo de dados treinado próprio, então o seu navegador só baixa o que você usa. O texto mistura palavras em inglês, como nomes de produtos ou um título? Marque “+ Inglês” e os dois são lidos juntos, ao custo de um segundo arquivo e de um pouco mais de tempo. O árabe funciona, mas o mecanismo às vezes lê errado os números dentro de um texto em árabe — um problema conhecido, ainda em aberto no Tesseract —, então confira esses com cuidado. De qualquer forma, números merecem um alerta especial só para eles: uma leitura errada de 8 por 3 em um IBAN, um número de telefone ou o total de uma fatura custa muito mais caro do que uma palavra lida errado, e dígitos não carregam nenhum contexto de ortografia que o mecanismo possa usar para se corrigir. Seja qual for o texto, leia o resultado uma vez antes de confiar nele; sejam quais forem os números, confira-os duas vezes.

O texto já saiu — agora coloque-o em algum lugar útil

Copiar texto coloca o resultado na sua área de transferência, e a partir daí ele geralmente tem um de três destinos. Direto para um documento ou e-mail é o óbvio — todo o sentido do OCR é nunca mais redigitar uma página. Menos óbvio: cole em /pt/text-to-speech e a página vira áudio, o que transforma um artigo fotografado em algo que você pode ouvir enquanto faz qualquer outra coisa. E quando o que você realmente precisa é da página como um documento compartilhável, e não como texto solto, /pt/image-to-pdf envolve a foto original em um PDF de verdade — mais organizado para arquivar e encaminhar do que uma imagem solta, com esta ferramenta cobrindo os momentos em que você também precisa das palavras.