OCR PDF gratis – haz que un PDF escaneado se pueda buscar (sin subirlo)

Cómo hacer que un PDF escaneado se pueda buscar

Un PDF escaneado es un conjunto de imágenes de páginas: ves las palabras, pero no puedes buscarlas, seleccionarlas ni copiarlas. El OCR añade el texto que falta.

1. Añade tu PDF escaneado o fotos de las páginas. En el móvil puedes hacer las fotos directamente.
2. Elige los idiomas del documento. Se sugiere el idioma de la página, pero tu documento puede ser distinto.
3. Elige las páginas. Se detectan las páginas que ya tienen texto, así que solo se leen las escaneadas, salvo que elijas otra cosa.
4. Si quieres, mejora el escaneo para el OCR: escala de grises, más contraste, enderezado o reducción de ruido. La vista previa muestra exactamente lo que leerá el OCR.
5. Ejecuta el OCR, revisa el texto reconocido página a página y corrige los errores.
6. Descarga el PDF con búsqueda, el texto como archivo .txt o copia el texto.

¿Qué es el OCR?

El OCR (reconocimiento óptico de caracteres) localiza letras en una imagen y las convierte en texto real. Esta herramienta usa Tesseract, un motor OCR de código abierto, compilado para funcionar dentro de tu navegador.

En el PDF con búsqueda, las palabras reconocidas se guardan en una capa invisible justo encima de las palabras del escaneo. La página se ve igual que antes, pero tu visor de PDF ya puede buscar en ella, y al seleccionar una palabra se resalta sobre el escaneo. Por ejemplo, una factura escaneada como imágenes se puede buscar por su número, y puedes copiar el total en lugar de teclearlo.

Cómo mejorar el OCR de fotos hechas con el móvil

El OCR lee mejor el texto impreso cuando las letras son nítidas, oscuras y están iluminadas de forma uniforme. Unos pocos hábitos marcan una gran diferencia:

• Usa luz natural o una luz intensa y uniforme, y evita la sombra del móvil o de la mano sobre la página.
• Sostén el móvil paralelo a la página para que las líneas salgan rectas y las letras no se estiren por un lado.
• Llena el encuadre con la página y toca para enfocar; las fotos borrosas pierden primero la letra pequeña.
• Pon la página sobre una superficie oscura y lisa para que sus bordes y líneas se localicen fácilmente.
• Si una foto está algo inclinada, activa el enderezado. Si está desvaída, prueba más contraste; en escaneos granulados, prueba la reducción de ruido.

¿Por qué el PDF puede crecer tras el OCR?

Las páginas de un PDF que añades se conservan tal cual, así que el PDF con búsqueda suele ser solo algo más grande: la capa de texto y un subconjunto de la fuente Inter añaden poco por documento.

Las fotos son otro caso. Las fotos JPEG y PNG se incrustan sin cambios (sin sus metadatos de ubicación y cámara), pero las WebP y HEIC deben convertirse a JPEG, que suele pesar más que el original eficiente. Si necesitas un archivo pequeño, fija un tamaño máximo: las páginas escaneadas se vuelven a guardar como imágenes comprimidas y el texto sigue siendo buscable. La herramienta no reduce el texto por debajo de una resolución legible solo para alcanzar un tamaño.

¿El OCR reconoce la escritura a mano?

No. El motor OCR está entrenado para texto impreso y mecanografiado. Las notas manuscritas normalmente no se reconocen o salen desordenadas, así que la escritura a mano no se admite. Las notas impresas, formularios, cartas y tiques funcionan bien cuando la foto es nítida.

¿El OCR es privado?

Sí. Tus PDF, imágenes, el texto reconocido y tus correcciones se quedan en tu navegador. Nada sobre tu documento se envía a un servidor.

La primera vez que usas un idioma, sus datos de OCR (unos 0,6–2 MB) se descargan de este sitio, junto con el motor OCR y el lector de PDF. Estas descargas no contienen información sobre tu documento, y los datos de idioma se guardan después en tu navegador para usarlos más adelante.

¿Qué idiomas se admiten?

Puedes elegir hasta tres entre: inglés, alemán, italiano, albanés, griego, francés, español, turco, serbio (cirílico o latino), croata y portugués. Elige todos los idiomas que aparezcan: una carta en español con nombres de productos en inglés se lee mejor con el español primero y el inglés después.

Las letras con tilde forman parte de los datos de idioma, así que la ñ y las tildes del español, las diéresis alemanas y la ß, o la ë y la ç del albanés se reconocen y siguen siendo buscables en el PDF.

¿Y si el PDF ya contiene texto?

Muchos PDF ya tienen texto real, por ejemplo documentos guardados desde un procesador de textos o escaneos que ya pasaron por OCR. Antes de leer, la herramienta revisa cada página: las páginas con texto seleccionable, las que solo son una imagen y las mixtas o dudosas se cuentan por separado.

Cuando todas las páginas ya tienen texto, el OCR no hace falta: la herramienta propone extraer el texto existente. En documentos mixtos solo lee las páginas escaneadas y deja las demás intactas, así que su texto original nunca se duplica. Una página que solo tiene un número de página o un encabezado corto cuenta igualmente como escaneada.

OCR en línea gratis sin subir documentos

Es una herramienta en línea en el sentido de que la abres en un sitio web, pero el trabajo ocurre sin conexión desde nuestro punto de vista: tu propio navegador procesa el documento y nunca se sube a un servidor. Sin registro, sin cuota diaria y sin plan de pago.

El tiempo de procesamiento depende de tu dispositivo. Unas pocas páginas tardan segundos; los documentos largos pueden tardar varios minutos, y los archivos muy grandes pueden superar la memoria de un móvil.