Español

La herramienta recibe archivos de imagen, TIFF o PDF y aplica OCR para extraer texto legible. Detecta automáticamente el idioma, realiza un análisis de diseño para preservar saltos de línea y estructura de página, y genera texto plano o JSON estructurado con coordenadas por bloque.
Los casos de uso incluyen digitalizar artículos de investigación, recibos, manuscritos históricos y formularios donde el contenido buscable puede indexarse o traducirse. El sistema admite varios idiomas dentro de un mismo documento y puede marcar niveles de confianza para cada región de texto para facilitar el control de calidad.
Una característica clave es la extracción consciente del diseño: los bloques de texto, encabezados y tablas suelen representarse con metadatos de cuadros delimitadores para facilitar el procesamiento downstream como indexación, captura de datos y flujos de accesibilidad. El procesamiento por lotes permite trabajar con grandes archivos con esquemas de salida consistentes, mientras que los formatos de salida incluyen texto plano para acceso rápido y JSON estructurado para integración programática. La herramienta es útil para investigadores, bibliotecarios, estudiantes y equipos de cumplimiento que necesitan resultados OCR reproducibles, extracción de texto trazable e integración fluida en pipelines de datos.