Torne um PDF digitalizado pesquisável com OCR no navegador, com uma camada de texto invisível sob as páginas originais, sem enviar nada.
Processando localmente no seu dispositivo ...
0%
Seus arquivos nunca saíram do seu dispositivo
Não. Tudo roda no seu navegador - o seu arquivo nunca sai do seu dispositivo. Como isso é verificável
Um PDF digitalizado é, em essência, uma pilha de imagens: vê o texto, mas não consegue selecioná-lo, pesquisá-lo nem copiá-lo. O OCR (reconhecimento ótico de caracteres) lê as letras da imagem e coloca-as como uma camada de texto invisível exatamente por cima das páginas. O aspeto mantém-se idêntico, mas o PDF torna-se pesquisável e o texto selecionável, precisamente o que organismos públicos, arquivos e motores de pesquisa de texto completo precisam.
Escolha como saída um PDF pesquisável (páginas originais com camada de texto) ou texto simples como TXT. Defina o idioma do documento na lista, mais de 100 idiomas do português, do inglês e do alemão ao russo, ao árabe e ao hindi, passando pelo japonês, pelo coreano e pelo chinês, cada um com o seu próprio nome, para que os caracteres sejam reconhecidos corretamente. Tudo corre no navegador via WebAssembly: o mesmo motor Tesseract de código aberto da ferramenta "Imagem para texto", aplicado página a página a todo o PDF. Na primeira utilização, o navegador descarrega o motor e o modelo de idioma escolhido uma única vez (poucos MB, mesma origem); depois funciona sem ligação.
A ferramenta destina-se a PDFs digitalizados ou compostos apenas por imagens. O reconhecimento depende muito da qualidade da digitalização: páginas nítidas, direitas e com bom contraste são reconhecidas muito bem; as tortas ou desfocadas, muito pior; a escrita manual não é reconhecida de forma fiável. No PDF pesquisável cada página é reinserida como imagem, pelo que o esquema é preservado mas o ficheiro pode crescer. Um PDF que já contém texto real não precisa de OCR. Verifique o resultado nos números e nos nomes próprios.
| Formatos de entrada | |
|---|---|
| Formato de saída | |
| Processamento em lote | Sim |
| Processamento | Localmente no navegador (WebAssembly) |
| Upload de arquivos | Nenhum |
Limites: Para PDFs DIGITALIZADOS ou de imagens: torna-os pesquisáveis via OCR (camada de texto invisível) ou devolve texto simples. Reconhece texto IMPRESSO em mais de 100 idiomas e muitos alfabetos; escrita manual não de forma fiável. Nota: a camada de texto invisível no PDF pesquisável usa uma fonte Latin-1, pelo que os caracteres não latinos (p. ex. CJK, árabe, cirílico) não são incorporados aí; para essas escritas, use a saída "Só texto (TXT)" para obter o texto completamente reconhecido. No PDF pesquisável cada página é reinserida como imagem, o esquema preserva-se mas o ficheiro pode crescer; um PDF com texto real não precisa de OCR. O reconhecimento não é perfeito: verifique especialmente os números e os nomes próprios. O motor e o modelo de idioma são descarregados uma única vez (poucos MB, mesma origem), depois a ferramenta funciona sem ligação. PDFs grandes podem exigir mais tempo e memória consoante o número de páginas e o dispositivo.
Não. A renderização e o reconhecimento decorrem inteiramente de forma local no navegador (WebAssembly); o PDF nunca sai do seu dispositivo, o que é a vantagem decisiva sobretudo para contratos e correspondência oficial.
A página tem o aspeto da digitalização, mas por baixo existe uma camada de texto invisível. Isso permite-lhe pesquisar no PDF, selecionar e copiar texto sem que o aspeto visual se altere.
Sim. Cada página é incorporada como imagem da página original com a camada de texto invisível alinhada por cima com precisão. O aspeto não muda, embora o ficheiro possa crescer ligeiramente.
Outros idiomas sim: mais de 100 disponíveis, incluindo árabe, russo, hindi, japonês, coreano e chinês. A escrita manual não é reconhecida de forma fiável, apenas o texto impresso. Para alfabetos não latinos use a saída "Só texto (TXT)", pois a camada de texto do PDF pesquisável está limitada ao Latin-1.