OCR de PDF
Se procesa en tu navegador. El archivo no sale de tu equipo.
Preguntas frecuentes
Porque el modelo de reconocimiento de cada idioma pesa entre 6 y 10 MB y hay que traerlo una vez. A partir de ahí tu navegador lo guarda en caché: la segunda pasada arranca en seco y funciona sin conexión. Si marcas dos idiomas, se descargan los dos.
No. El motor de OCR se ejecuta dentro de tu navegador compilado a WebAssembly. Lo único que viaja por la red es el modelo del idioma, que viene del servidor de modelos y no lleva nada tuyo.
El PDF buscable conserva el documento tal y como se ve y le añade debajo una capa de texto que no se dibuja: al buscar con Ctrl+F aparecen las coincidencias sobre la imagen. El .txt tira el diseño y se queda solo con las palabras, ordenadas por página.
Sí, casi siempre desde el original: un escaneo derecho, a 300 PPP y con buen contraste acierta mucho más que una foto torcida. Marcar el idioma correcto también cambia bastante el resultado, y marcar cinco idiomas “por si acaso” lo empeora.
Sí, y conviene: cada página tarda varios segundos. Escribe los números que te interesen y el resto ni se dibuja ni se reconoce.
Sirve, pero no hace falta. Si el PDF ya lleva texto incrustado, la herramienta de extraer texto te lo da al instante y sin errores de lectura. El OCR es para escaneos y fotografías.