Aplicar OCR a un PDF
Herramienta gratuita que lee el texto de los PDF escaneados con OCR (reconocimiento óptico de caracteres) y los convierte en PDF con búsqueda. El texto reconocido se añade a las páginas como texto invisible, así que las páginas se ven igual. El PDF se procesa en tu navegador y nunca se sube. Puedes reconocer hasta 200 páginas a la vez (30 páginas en dispositivos en los que el proceso es más lento). Puedes abrir PDF de hasta 200 MB por archivo (100 MB en móviles y tabletas).
Solo cuando un PDF tiene páginas cuyo texto es una imagen, la primera ejecución descarga un modelo de IA (unos 17 MB) desde este sitio; las siguientes usan la copia guardada en tu navegador. Tus PDF nunca se suben.
Ajustes
Cómo se usa
- 1
Añade los PDF
Elige o arrastra los PDF que quieres reconocer. Puedes añadir varios PDF a la vez. Los PDF nunca se suben.
- 2
Elige el idioma del documento
En «Idioma del documento», elige el idioma en que está escrito el PDF. Para reconocer solo algunas páginas, indícalas en «Intervalo de páginas».
- 3
Reconoce y guarda
Pulsa «Ejecutar» para reconocer las páginas cuyo texto es una imagen y crear un PDF con capa de texto. Guárdalo con «Guardar» y revisa las líneas reconocidas con «Revisar el texto reconocido».
Sobre el OCR de PDF
El texto se reconoce con el modelo de reconocimiento de texto de PaddleOCR (PP-OCRv6, Apache-2.0), que se ejecuta dentro de tu navegador. Solo cuando el PDF tiene páginas cuyo texto es una imagen, la primera ejecución descarga el modelo de IA (unos 17 MB) desde este sitio; las siguientes usan la copia guardada en tu navegador. En los dispositivos que no pueden usar la GPU (WebGPU), el proceso se hace con la CPU y tarda más que con la GPU. Tras reconocer la primera página, la herramienta estima el tiempo total a partir de lo que tardó esa página en tu dispositivo y lo muestra. El texto invisible usa una fuente creada a partir de GlyphLessFont de Tesseract (Apache-2.0).
Las páginas que ya tienen datos de texto y las que ya tienen una capa de texto OCR no se reconocen y se dejan como están. En las páginas que mezclan datos de texto e imágenes, solo se reconocen las partes que no se solapan con los datos de texto. Las páginas cuyos datos de texto están dañados (al seleccionar el texto aparecen otros caracteres) no reciben capa de texto. Si eliges japonés en «Idioma del documento», el reconocimiento se limita a los caracteres que se usan en documentos japoneses, y si eliges coreano se usa un modelo coreano (unos 13 MB, que no reconoce caracteres chinos). Pulsa «Revisar el texto reconocido» para ver los recuadros de las líneas reconocidas sobre la página, con las líneas más propensas a contener errores en otro color.
Especificaciones de esta herramienta
- Entrada
- Salida
- Límites
- Sin límite de archivos (procesamiento por lotes). Hasta 200 MB por archivo (100 MB en móviles y tabletas). Hasta 200 páginas reconocidas a la vez (30 páginas en dispositivos que procesan con la CPU)
- Gratis, sin registro, sin instalar aplicaciones
- Los archivos nunca se suben (se procesan en tu navegador)
Preguntas frecuentes
¿Se envía mi PDF a un servidor?
No. La lectura del PDF, el reconocimiento del texto y el guardado se hacen en el navegador de tu dispositivo. Las estadísticas que nos ayudan a corregir errores (el intervalo del número de páginas, los intervalos de cuántas páginas y líneas se reconocieron, el intervalo del tiempo por página, tipos de error, etc.) se envían al servidor de este sitio. No incluyen el contenido del PDF, el texto reconocido, los nombres de archivo, las contraseñas ni los intervalos de páginas que indicas. Puedes desactivar el envío de estadísticas con el interruptor «Enviar estadísticas de procesamiento» al pie de la página.
¿Puede reconocer un PDF con contraseña o con restricciones del autor?
Sí. Un PDF con contraseña se abre al introducir la contraseña de apertura. Si el autor ha restringido los cambios en el contenido o la copia y la extracción, la herramienta no lo reconoce hasta que introduzcas la contraseña de permisos (al añadir una capa de texto, el texto restringido se podría extraer). Esta herramienta no intenta adivinar contraseñas, así que, si no conoces la contraseña de permisos, consúltalo con quien creó el PDF. El cifrado del PDF original se mantiene tal cual en el PDF guardado. Si el PDF tiene firma digital, la firma deja de ser válida en el PDF guardado.
¿Puede reconocer texto vertical o escrito a mano?
Está pensada para texto impreso en horizontal. También reconoce páginas con texto vertical, pero con más errores que el texto horizontal, y puede omitir signos de puntuación. El texto escrito a mano no es compatible.
¿Puede haber errores en el texto reconocido?
Sí. Según el tamaño del texto, la resolución del escaneo y las manchas o la inclinación del papel, algunos caracteres pueden reconocerse mal u omitirse. Los números muy espaciados dentro de tablas se reconocen mal con más frecuencia que el resto del texto. Si eliges japonés en «Idioma del documento», los caracteres que quedan fuera de los niveles 1 y 2 de JIS y los emojis pueden reconocerse como caracteres de forma parecida. Antes de usar el PDF guardado, revisa con «Revisar el texto reconocido» las líneas más propensas a contener errores. Esta herramienta no permite corregir el texto reconocido.
Ayúdanos a mejorar el servicio
Cuando una conversión falla, enviarnos las circunstancias nos ayuda a encontrar la causa. Saber qué dispositivos y formatos fallan más, y cuánto tarda el procesamiento, nos permite revisar los formatos admitidos y corregir los errores. Si no te importa, dejarlo activado nos ayuda mucho.
Qué se envía
- La herramienta usada y los ajustes elegidos (formato de salida, calidad, etc.)
- Las características del dispositivo (GPU, memoria, número de núcleos)
- El formato de entrada con su tamaño aproximado
- Cuántos archivos tuvieron éxito o fallaron y cuánto tardó
- El tipo y los detalles del error cuando algo falla
Qué no se envía nunca
- Los archivos en sí y los nombres de archivo
- El texto de los PDF, el texto que reescribes o censuras, las contraseñas, los nombres de fuentes y los intervalos de páginas que indicas
- El texto reconocido y la posición de las líneas reconocidas
- Las direcciones IP
Los datos van únicamente al servidor de este sitio, nunca a un servicio de terceros.
La lista completa, con el detalle que envía cada herramienta, está en «Estadísticas de procesamiento» de la política de privacidad.
Detalle que envía esta herramienta (solo cantidades, tiempos, tipos y sí/no)
Además de lo indicado en «Qué se envía», esta herramienta envía los siguientes datos.
- Herramientas de PDF (todas)
- El rango del número de páginas, si la edición está restringida, si se introdujo la contraseña de permisos y si el PDF tiene firma o está cifrado.
- OCR de PDF
- El número de entradas y salidas, de páginas reconocidas, de páginas reconocidas sin texto encontrado, de páginas con datos de texto que no se reconocieron, de páginas con datos de texto e imágenes mezclados, de páginas que ya tenían capa de texto OCR, de páginas con datos de texto dañados, de páginas en blanco, de páginas que no pudieron recibir capa de texto, de páginas cuya orientación se corrigió y de páginas en las que se cerró una sección sin cerrar del contenido original, de líneas y caracteres reconocidos, de zonas y caracteres no reconocidos por solaparse con texto existente o anotaciones, y de pasadas para añadir la capa de texto (todo como intervalos), los intervalos de la proporción de líneas verticales y de líneas más propensas a contener errores, los intervalos del tiempo por página y del tiempo de carga del modelo de IA, el tipo y la versión del modelo de IA y si se descargó, el intervalo de la resolución de dibujo y si se redujo, el intervalo del número de partes en que se dividió una imagen para buscar texto, si el tiempo estimado superó los 15 minutos, si la GPU dejó de estar disponible y si se volvió a aplicar la protección original.