OCR de texto
Reconhece texto em árabe, inglês ou chinês dentro das imagens e devolve texto editável e copiável
Arraste e solte arquivos aqui
ou escolher arquivos
Aceita JPG / PNG / WebP / BMP - texto impresso funciona melhor
Sobre esta ferramenta
Citar um texto preso num print, arquivar um contrato fotografado, digitalizar recibos - é para isso que serve o OCR. Esta ferramenta reconhece o texto das imagens dentro do seu navegador com a versão WASM do motor Tesseract, do ecossistema da Mozilla. Chinês simplificado misturado com inglês funciona logo de cara, e os modos só inglês, só árabe, árabe + inglês e só tailandês estão a um clique.
O resultado aparece como texto editável, que você copia com um clique ou baixa como arquivo TXT. A primeira execução baixa o modelo de reconhecimento (1 a 31 MB conforme o idioma, que depois fica no cache do navegador). O reconhecimento é totalmente local - as imagens nunca são enviadas, então dá para processar documento de identidade, contrato e recibo com segurança. Imagem mais nítida, letra maior e página mais reta significam mais precisão; caligrafia e fontes decorativas continuam difíceis.
Recursos
- Reconhecimento misto de chinês simplificado + inglês, além dos modos só inglês, só árabe, árabe + inglês e só tailandês
- Copiar o resultado com um clique, ou baixar como arquivo TXT
- Nota de confiança geral, para você saber como foi
- Modelo fica em cache depois do primeiro download - as execuções seguintes começam na hora
- Tesseract WASM roda localmente - sem upload, sem cadastro, sem limites
Como usar
- Solte ou selecione a imagem JPG / PNG / WebP a ser reconhecida
- Escolha o idioma (por padrão, somente inglês; também disponível chinês simplificado + inglês e árabe)
- A primeira execução baixa o modelo - aguarde
- Leia ou copie o texto, ou baixe como TXT
Perguntas frequentes
- Como melhorar a precisão do OCR?
- Dicas práticas: use a resolução original em vez de uma miniatura comprimida; deixe o texto ocupar o quadro; mantenha a foto focada, bem iluminada e reta em relação à página; print rende mais que foto. Texto impresso é reconhecido muito melhor que caligrafia.
- Por que o modelo é baixado no primeiro uso?
- O motor de OCR precisa dos arquivos de idioma (~31 MB para chinês + inglês, cerca de 1 MB para árabe ou tailandês). Eles rodam localmente dentro do navegador como WASM e dados de modelo, e é exatamente isso que mantém suas imagens em sigilo. O modelo fica em cache após o primeiro download e as execuções seguintes começam na hora.
- Como é o reconhecimento de árabe?
- O árabe impresso é reconhecido com muita precisão - print limpo volta praticamente sem erros. Texto com todos os sinais vocálicos, caligrafia e foto de baixa resolução ainda perdem precisão. Quando houver palavras ou números latinos no meio do árabe, escolha o modo árabe + inglês; para árabe puro, use só árabe, cujo modelo tem cerca de 1 MB e baixa num instante.
- Meus arquivos são enviados?
- Não. O reconhecimento roda dentro do seu navegador via Tesseract WASM, e a imagem só existe na memória do dispositivo - funciona até offline.
- Dá para reconhecer PDFs escaneados?
- Por enquanto esta ferramenta aceita imagens JPG / PNG / WebP. Exporte antes as páginas do PDF escaneado com a ferramenta PDF para JPG e reconheça uma a uma; combinada com a exportação editável do PDF para Word, o documento escaneado volta a ser editável.