Adicionar camada de texto OCR a um PDF escaneado
Envie um PDF escaneado ou só com imagens, escolha seu idioma, e receba de volta uma cópia que parece exatamente igual mas agora é pesquisável, com texto selecionável e copiável - o OCR roda inteiramente no seu navegador usando Tesseract.js. A imagem original de cada página é mantida como está enquanto o texto reconhecido é desenhado por cima em posições correspondentes, mas totalmente invisível, então a aparência do arquivo nunca muda. Depois do processamento, a ferramenta reextrai o texto que acabou de incorporar e mostra quantas palavras pesquisáveis encontrou, para que você possa confirmar que o resultado realmente funcionou antes de confiar nele.
Perguntas frequentes
O PDF vai parecer diferente depois?
Não. A imagem original de cada página é mantida exatamente como está - o texto reconhecido é desenhado por cima em posições correspondentes, mas totalmente invisível, então visualmente o arquivo não muda. Ele só se torna pesquisável, selecionável e copiável por baixo.
Como sei que a camada de texto realmente funciona?
Depois do processamento, esta ferramenta reextrai o texto do arquivo que acabou de criar, usando a mesma extração que a ferramenta PDF para texto usa, e mostra quantas palavras pesquisáveis encontrou. Se essa contagem for 0, algo no escaneamento (qualidade muito baixa, idioma errado, ou uma página genuinamente em branco) provavelmente impediu o OCR de lê-la.
Quão preciso é o texto reconhecido?
Depende inteiramente da qualidade do escaneamento - escaneamentos nítidos, de alta resolução e bem iluminados de texto impresso são reconhecidos muito bem, enquanto páginas borradas, tortas, de baixa resolução ou manuscritas terão mais erros. Esta ferramenta torna os documentos pesquisáveis, ela não garante reconhecimento perfeito, então não confie que o texto oculto está 100% correto.
Quais idiomas são suportados?
Escolha o idioma do documento antes de processar - o mecanismo de OCR carrega um modelo específico do idioma, então combiná-lo com o idioma real do seu documento dá resultados visivelmente melhores do que deixá-lo no idioma errado.
Meu PDF é enviado para algum lugar?
Não. A renderização, o OCR e a reconstrução do PDF acontecem todos localmente no seu navegador usando pdf.js, Tesseract.js e pdf-lib - o arquivo nunca é enviado para um servidor.