Solo texto impreso. El idioma es lo que más importa; la primera vez se descargan el motor de reconocimiento y su modelo, y después funciona sin conexión.
Qué hace esta herramienta de OCR
Suelta una foto de un documento, una captura de pantalla, una página escaneada o la foto de un cartel, y el texto aparece como texto seleccionable junto a la imagen. Hay doce idiomas: inglés, chino simplificado y tradicional, japonés, coreano, español, francés, alemán, portugués, ruso, italiano y vietnamita. El inglés se lee siempre junto con el idioma elegido, así que un contrato en chino con nombres y cifras en inglés sale como un solo documento. Cada imagen tiene su propio idioma y su propio cuadro de resultado editable, para corregir algún carácter antes de copiar.
La lectura la hacen dos motores, según el idioma que elijas. Inglés, chino simplificado, español, francés, alemán, portugués e italiano van a PP-OCRv6 de PaddleOCR: una red localiza cada línea de texto, otra lee cada línea, y entre los dos modelos ocupan 6,3 MB. Chino tradicional, japonés, coreano, ruso y vietnamita van a Tesseract, porque ese modelo de PP-OCR no tiene kana, hangul ni cirílico en su juego de caracteres y le faltan muchos caracteres tradicionales de uso común. Los dos motores se ejecutan en un hilo worker del navegador, se descargan una vez y quedan en caché. La imagen nunca sale de tu dispositivo, algo importante para documentos de identidad, contratos e informes médicos.
Cómo se usa
Añade, suelta o pega las imágenes. Bajo cada imagen elige el idioma del texto, el factor que más influye en la precisión, y pulsa Reconocer; la primera vez también se descarga el motor. Para comparar, cambia el idioma y vuelve a pulsar Reconocer. Edita el resultado ahí mismo y luego cópialo o descárgalo como .txt. Con dos o más imágenes aparecen abajo Copiar todo el texto y Descargar todo en un .txt.
En inglés, chino simplificado, español, francés, alemán, portugués e italiano, al señalar una línea del resultado se resalta su recuadro en la imagen, y al hacer clic en un recuadro de la imagen se selecciona esa línea. Las líneas se agrupan según la inclinación de la página, y una página a dos columnas se lee columna por columna. Mantener saltos de línea respeta las líneas impresas; Unir en párrafos las convierte en texto corrido para pegarlo en un documento. Si el documento llegó en PDF, pásalo antes por PDF a imagen y envía las páginas aquí con un clic. Las fotos torcidas se leen mejor tras Girar imagen y Recortar imagen.
Errores comunes
El OCR lee texto impreso; la escritura a mano, las fuentes decorativas y el texto sobre fondos cargados salen ilegibles, y ninguna herramienta de navegador cambia eso. La precisión depende sobre todo de la foto: llena el encuadre con la página, mantenla plana y derecha, usa luz uniforme, evita sombras y reflejos, y no reduzcas la imagen antes de arrastrarla: una foto de 12 megapíxeles de una hoja A4 es ideal, una miniatura de 600 píxeles no tiene remedio. Elegir mal el idioma es la otra gran causa de resultados sin sentido: una página en japonés leída como chino, o una en francés leída como inglés, produce basura de aspecto creíble.
Las tablas salen como líneas de texto sin cuadrícula. Los números con poco texto alrededor (facturas, lecturas de contador) se leen bien, pero siempre conviene revisarlos, porque un 6 y un 8 también se parecen para una máquina. El primer uso en un dispositivo descarga el motor y un modelo de idioma, así que necesita conexión una vez; después funciona sin conexión. Los lotes grandes en el móvil pueden ir lentos; unos segundos por página es normal.
Contexto: cómo se reconoce el texto
PP-OCR trabaja en dos pasadas. Una red de detección pequeña marca los píxeles que pertenecen a texto, y cada región marcada se convierte en un rectángulo inclinado, así que una foto tomada unos grados torcida sigue dando líneas rectas. Cada línea se recorta, se escala a 48 píxeles de alto y la lee una red de reconocimiento que conoce 6.905 caracteres: chino simplificado, letras latinas con acentos, dígitos y signos de puntuación. Después las líneas se colocan en orden de lectura. Las filas siguen la inclinación de toda la página, un hueco vertical vacío con líneas largas a ambos lados se trata como dos columnas, y un espacio claramente mayor que el interlineado habitual se convierte en salto de párrafo.
Antes de cambiar de motor probamos los dos con 28 imágenes: 13 textos renderizados limpios, las mismas imágenes reducidas, giradas 2,5°, con ruido y guardadas como JPEG de baja calidad, y dos páginas A4 completas. En chino, la tasa media de error por carácter bajó del 18,6 % con Tesseract al 1,3 % con PP-OCR, y en las versiones tipo foto del 22,2 % al 2,0 %. Un titular blanco sobre un degradado naranja salió vacío con Tesseract y completamente correcto con PP-OCR. Con inglés, francés, alemán y español limpios ambos fueron casi perfectos. En nuestro equipo de pruebas, con WebAssembly de un solo hilo, una captura tarda de 0,3 a 0,7 segundos y una página A4 densa de 6 a 8 segundos. Tesseract, que sigue leyendo los otros cinco idiomas, es una red LSTM entrenada por idioma; sus modelos son el conjunto tessdata_best cuantizado a enteros de 8 bits, y cada imagen se pasa a escala de grises y se amplía a unos 2.000 píxeles antes de leerla.
Cuándo necesitas pasar una imagen a texto
Copiar un párrafo de una captura que te enviaron. Convertir en notas una pizarra, una diapositiva o una página de libro fotografiada. Sacar el texto de una carta escaneada o de un PDF antiguo que solo contiene imágenes. Extraer una dirección, un número de pedido o un número de serie de una foto. Digitalizar recibos y facturas para la contabilidad. Leer un menú, un letrero o una etiqueta en otro alfabeto para pegarlo en un traductor.
En este sitio la cadena es: girar y recortar la foto si hace falta, reconocer el texto aquí y, para los PDF, pasar primero por PDF a imagen. Un documento formado por fotos puede armarse con imagen a PDF una vez revisado el texto.
Preguntas frecuentes
¿Se suben mis imágenes?
No. El reconocimiento se ejecuta en tu navegador, con PP-OCR o Tesseract según el idioma, ambos compilados a WebAssembly. La imagen nunca sale de tu dispositivo. El motor y el modelo se descargan una vez y quedan en caché; después la herramienta funciona sin conexión.
¿Qué idiomas admite?
Inglés, chino simplificado, chino tradicional, japonés, coreano, español, francés, alemán, portugués, ruso, italiano y vietnamita. Los idiomas asiáticos se pueden combinar con inglés en una sola pasada.
¿Puede leer escritura a mano?
No, solo texto impreso. Ni esta ni ninguna otra herramienta de OCR en el navegador lee con fiabilidad la escritura a mano, las fuentes decorativas o el texto sobre fondos cargados.
¿Cómo consigo mejor precisión?
Elige el idioma correcto, usa una foto nítida, derecha y con luz uniforme a resolución completa, y recorta al texto. Las imágenes pequeñas o borrosas se amplían automáticamente, pero no se pueden enfocar.
¿Puedo hacer OCR de un PDF?
Convierte sus páginas con la herramienta PDF a imagen y envíalas aquí; cada página se convierte en un bloque de texto editable.
Artículos sobre esta herramienta
Blog →Más de Herramientas de imagen
11 herramientas →
Quitar fondoRecorte automático; conserva pelo, pelaje y bordes finos
Compresor de imágenesReduce JPG, PNG y WebP con control de calidad; lote a ZIP
Convertidor de imágenesConvierte PNG, JPG, WebP, AVIF, GIF, BMP y SVG por lotes
Redimensionar imagenRedimensiona a ancho × alto o porcentaje sin deformar
Recortar imagenRecorta a una proporción o píxeles exactos; arrastra o tipea
Girar imagenRota 90°, 180° o cualquier ángulo; voltea o refleja cada una
