Imagen a texto (OCR)
Convierte la foto de un documento, una captura de pantalla o un PDF escaneado en texto editable mediante reconocimiento óptico de caracteres (OCR). El reconocimiento se realiza en tu navegador con el motor de código abierto Tesseract, así que el archivo nunca se sube.
- Gratis
- Sin registro
- Funciona en tu navegador
Tu imagen o PDF se lee en este dispositivo y no se sube. El motor OCR y los datos de idioma se descargan desde la CDN jsDelivr en el primer uso.
Cómo usar la herramienta
- Elige una imagen o un PDF de hasta 20 páginas.
- Selecciona el idioma del documento y, si mezcla dos, un segundo idioma.
- Pulsa Extraer texto y revisa, copia o descarga el resultado como archivo .txt.
Ten en cuenta: En el primer uso, el motor OCR y los datos de idioma (unos 2–15 MB por idioma) se descargan desde la CDN jsDelivr. La precisión depende de la nitidez, la iluminación y el diseño; la escritura a mano no se reconoce bien.
Límites: Los límites dependen del navegador y del dispositivo.
Cómo lee el OCR tu documento
El reconocimiento óptico de caracteres localiza las líneas de texto de una imagen, las divide en palabras y caracteres y compara cada forma con un modelo entrenado para cada idioma. Tesseract, el motor que se usa aquí, lo desarrolló originalmente HP y después lo mantuvo Google, y se publica con licencia Apache 2.0. Su reconocedor moderno usa una red neuronal entrenada para cada escritura, por eso elegir el idioma correcto mejora mucho la precisión.
En un PDF escaneado, cada página se convierte primero en imagen dentro del navegador al doble de su resolución y después se reconoce página a página. El resultado conserva los saltos de línea, pero no las columnas, las fuentes ni las tablas.
Usa una imagen nítida y bien iluminada, con la página ocupando casi todo el encuadre y el texto en horizontal. Unos 300 ppp son ideales para escaneos. Revisa siempre nombres, cifras, fechas e importes: el OCR suele confundir formas parecidas, como 0 y O o 1 y l.
Preguntas frecuentes
¿Se sube mi documento?
No. La imagen o el PDF se procesan en tu navegador. Solo se descargan el motor OCR y los archivos de idioma, que no contienen información sobre tu documento.
¿Reconoce la escritura a mano?
Tesseract está pensado para texto impreso. Las mayúsculas claras pueden funcionar, pero la letra cursiva no suele reconocerse bien.
¿Por qué el texto sale desordenado?
Los diseños con varias columnas, tablas o cuadros de texto pueden leerse en otro orden. Recorta la imagen a una columna para obtener un resultado más limpio.