Extraer texto de un PDF o una imagen (OCR)

Reconocimiento de texto en tu propio navegador: ni el documento ni las fotos salen de tu equipo.

Un documento escaneado, un PDF con el texto trazado o una imagen (JPG, PNG o una fotografía) no contienen caracteres, sino píxeles: son legibles a simple vista, pero no para un programa que busque texto.

Para esos casos hace falta OCR, reconocimiento óptico de caracteres. Aquí lo hace Tesseract compilado a WebAssembly, ejecutándose dentro de tu navegador, y las páginas se rasterizan con la misma librería de PDF que lleva Firefox. Gratis y sin registro: no hay servicio de visión artificial de terceros por medio, ni facturación por página.

Esto es relevante porque los documentos que se someten a OCR suelen ser nóminas, contratos, facturas, informes médicos o documentos de identidad escaneados. Enviarlos a un conversor online implica depositar el documento completo en un servidor ajeno y, cuando contiene datos personales, constituye un tratamiento que debe poder justificarse. En este caso no existe tal tratamiento: el archivo no sale del equipo.

Esta herramienta funciona directamente en el navegador: el archivo no se sube a ningún servidor. Solo se descarga, la primera vez, el motor de reconocimiento y el modelo de idioma.

Arrastra aquí tu PDF o tu imagen, o

PDF, JPG, PNG o WebP. En un PDF de muchas páginas escaneadas el proceso puede tardar varios minutos.

Acertar con el idioma mejora bastante el resultado, sobre todo con acentos, eñes y signos de apertura. Combinar dos idiomas es algo más lento.

Texto extraído

El OCR nunca es perfecto: con impresión limpia y páginas rectas acierta mucho, con manuscritos, fotos torcidas o escaneos degradados conviene repasar el resultado.

Contacto

Los campos marcados con * son obligatorios.

Si lo prefieres, llámanos: +34 910 884 356