OCR PDF grátis – torne um PDF digitalizado pesquisável (sem envio)

Como tornar um PDF digitalizado pesquisável

Um PDF digitalizado é um conjunto de imagens de páginas: você vê as palavras, mas não consegue pesquisar, selecionar nem copiar. O OCR adiciona o texto que falta.

1. Adicione o PDF digitalizado ou fotos das páginas. No celular, você pode tirar as fotos direto.
2. Escolha os idiomas do documento. O idioma da página é sugerido, mas seu documento pode ser diferente.
3. Escolha as páginas. As páginas que já têm texto são detectadas, então só as digitalizadas são lidas, a menos que você escolha outra coisa.
4. Se quiser, melhore a digitalização para o OCR: escala de cinza, mais contraste, endireitamento ou redução de ruído. A pré-visualização mostra exatamente o que o OCR vai ler.
5. Rode o OCR, confira o texto reconhecido página por página e corrija os erros.
6. Baixe o PDF pesquisável, o texto como arquivo .txt ou copie o texto.

O que é OCR?

O OCR (reconhecimento óptico de caracteres) encontra letras em uma imagem e as transforma em texto de verdade. Esta ferramenta usa o Tesseract, um motor de OCR de código aberto, compilado para rodar dentro do seu navegador.

No PDF pesquisável, as palavras reconhecidas ficam em uma camada invisível exatamente sobre as palavras da digitalização. A página continua igual, mas seu leitor de PDF agora consegue pesquisar nela, e selecionar uma palavra a destaca na digitalização. Por exemplo, uma nota fiscal digitalizada como imagem fica pesquisável pelo número, e você pode copiar o total em vez de digitá-lo.

Como melhorar o OCR de fotos tiradas no celular

O OCR lê melhor texto impresso quando as letras estão nítidas, escuras e com iluminação uniforme. Alguns hábitos fazem muita diferença:

• Use luz do dia ou uma luz forte e uniforme, e evite a sombra do celular ou da mão sobre a página.
• Segure o celular paralelo à página para as linhas ficarem retas e as letras não ficarem esticadas de um lado.
• Preencha o enquadramento com a página e toque para focar; fotos borradas perdem primeiro as letras pequenas.
• Coloque a página sobre uma superfície escura e lisa para que as bordas e linhas sejam fáceis de encontrar.
• Se uma foto estiver um pouco torta, ative o endireitamento. Se estiver desbotada, tente mais contraste; em digitalizações granuladas, tente a redução de ruído.

Por que o PDF pode ficar maior depois do OCR?

As páginas de um PDF que você adiciona são mantidas como estão, então o PDF pesquisável costuma ficar só um pouco maior: a camada de texto e um subconjunto da fonte Inter acrescentam pouco por documento.

Fotos são outro caso. Fotos JPEG e PNG são incorporadas sem alterações (sem os metadados de localização e câmera), mas fotos WebP e HEIC precisam ser convertidas para JPEG, que muitas vezes é maior que o original eficiente. Se você precisa de um arquivo pequeno, defina um tamanho máximo: as páginas digitalizadas são salvas de novo como imagens comprimidas e o texto continua pesquisável. A ferramenta não reduz o texto abaixo de uma resolução legível só para atingir um tamanho.

O OCR reconhece escrita à mão?

Não. O motor de OCR é treinado para texto impresso e digitado. Anotações à mão normalmente não são reconhecidas ou saem embaralhadas, então escrita à mão não é aceita. Anotações impressas, formulários, cartas e recibos funcionam bem quando a foto está nítida.

O OCR é privado?

Sim. Seus PDFs, imagens, o texto reconhecido e suas correções ficam no navegador. Nada sobre seu documento é enviado a um servidor.

Na primeira vez que você usa um idioma, os dados de OCR dele (cerca de 0,6–2 MB) são baixados deste site, junto com o motor de OCR e o leitor de PDF. Esses downloads não contêm nenhuma informação sobre seu documento, e os dados de idioma ficam guardados no navegador para usos futuros.

Quais idiomas são aceitos?

Você pode escolher até três entre: inglês, alemão, italiano, albanês, grego, francês, espanhol, turco, sérvio (cirílico ou latino), croata e português. Escolha todos os idiomas que aparecem: uma carta em português com nomes de produtos em inglês é lida melhor com o português primeiro e o inglês depois.

Letras acentuadas fazem parte dos dados de idioma, então o ç, o til e os acentos do português, os tremas alemães e o ß, ou o ë e o ç do albanês são reconhecidos e continuam pesquisáveis no PDF.

E se o PDF já tiver texto?

Muitos PDFs já têm texto de verdade, por exemplo documentos salvos de um editor de texto ou digitalizações que já passaram por OCR. Antes de ler, a ferramenta confere cada página: páginas com texto selecionável, páginas que são só imagem e páginas mistas ou incertas são contadas separadamente.

Quando todas as páginas já têm texto, o OCR é desnecessário: a ferramenta sugere extrair o texto existente. Em documentos mistos, ela lê só as páginas digitalizadas e deixa as outras intactas, então o texto original delas nunca é duplicado. Uma página que só tem um número de página ou um cabeçalho curto ainda conta como digitalizada.

OCR online grátis sem enviar documentos

É uma ferramenta online no sentido de que você a abre em um site, mas o trabalho acontece offline do nosso ponto de vista: seu próprio navegador processa o documento, que nunca é enviado a um servidor. Sem cadastro, sem cota diária e sem plano pago.

O tempo de processamento depende do seu dispositivo. Algumas páginas levam segundos; documentos longos podem levar vários minutos, e arquivos muito grandes podem passar da memória de um celular.