OCR gratis
OCR extrae texto editable de fotos, capturas de pantalla y PDF escaneados con el motor de código abierto Tesseract, en 19 idiomas que se pueden combinar. Mejora escaneos tenues o torcidos, corrige las páginas de lado, revisa las palabras marcadas como dudosas y descarga un PDF buscable, un archivo de Word, texto plano o JSON. Varios archivos se leen como un único documento.
- Idiomas:
- 19, combinables
- Salida:
- PDF buscable, Word, TXT, JSON
- Motor:
- Tesseract.js 7
- Precio:
- Gratis
- Funciona:
- En local, en tu navegador
- Subidas:
- Ninguna: los archivos no salen de tu dispositivo
- Cuenta:
- No hace falta
Respuestas rápidas
¿Se sube mi documento?
No. Tesseract, el motor de OCR de código abierto, se ejecuta dentro de tu navegador como WebAssembly. Solo el motor y los modelos de idioma se descargan de este sitio; tus archivos nunca salen de tu dispositivo.
¿Qué es un PDF buscable?
Un PDF que se ve exactamente igual que tu escaneo, pero con una capa invisible de texto reconocido encima, para que puedas buscar en él, seleccionar y copiar palabras y hacer que se lea en voz alta. Las páginas de un PDF existente se conservan tal cual.
Por ahora la interfaz de la herramienta está en inglés.
Se procesa en tu dispositivo: tus archivos nunca se suben. Cómo funciona
Actividad de red en esta pestaña
Lo que esta página ha solicitado desde que abriste el sitio en esta pestaña. Una subida es cualquier solicitud que envía datos: POST, PUT, PATCH o una solicitud con cuerpo.
Ninguna subida: esta página no ha enviado nada.
Todavía no hay solicitudes de red.
Para ver todas las solicitudes, abre las herramientas para desarrolladores del navegador (pestaña Red).
Cómo usar OCR
- Arrastra fotos, capturas de pantalla o PDF escaneados (varios archivos se leen como un solo documento, en orden).
- Elige los idiomas del texto y, si hace falta, las opciones de limpieza, y pulsa Recognize text (reconocer texto).
- Corrige el texto si quieres, revisa en la vista previa de la página las palabras resaltadas de baja confianza y descarga un PDF buscable, un archivo de Word, texto plano o JSON.
Créditos y código abierto
Basada en bibliotecas de código abierto. Gracias a las personas que hacen posibles estos proyectos.
- Tesseract.js© Project Naptha (Jerome Wu, Kevin Kwok, Guillermo Webster); Tesseract OCR by Google and contributors · Apache-2.0
- PDF.js© Mozilla Foundation and contributors · Apache-2.0
- pdf-lib© Andrew Dillon · MIT
- docx© Dolan Miu · MIT
API de la plataforma web utilizadas: File API, Canvas 2D, createImageBitmap, Web Workers, Clipboard API, URL API.
- tessdata (best_int LSTM models) por Google / Tesseract OCR contributors (Apache-2.0)
Textos completos de las licencias: avisos de terceros · todos los créditos
Preguntas frecuentes
¿Cómo consigo mejores resultados?
Selecciona los idiomas correctos (y solo esos), usa escaneos de al menos 300 DPI y prueba Black & white (blanco y negro) con fondos tenues o de color. Activa «Fix sideways or upside-down pages» (corregir páginas de lado o del revés) en escaneos girados. Las palabras resaltadas en la vista previa son aquellas de las que el motor no estaba seguro.
¿Lee texto escrito a mano?
Solo letra manuscrita muy clara, parecida a la de imprenta, y no de forma fiable. Tesseract está entrenado con texto impreso.
¿Qué idiomas admite?
Inglés, español, francés, alemán, italiano, portugués, neerlandés, polaco, turco, indonesio, vietnamita, ruso, ucraniano, árabe, hindi, chino (simplificado y tradicional), japonés y coreano. Puedes combinar varios en un mismo documento.