Português

A ferramenta recebe arquivos de imagem, TIFF ou PDF e aplica OCR para extrair texto legível. Detecta automaticamente o idioma, realiza análise de layout para preservar quebras de linha e estrutura de página, e produz texto simples ou JSON estruturado com coordenadas por bloco.
Casos de uso incluem digitalizar artigos de pesquisa, recibos, manuscritos históricos e formulários onde conteúdo pesquisável pode ser indexado ou traduzido. O sistema suporta múltiplos idiomas em um único documento e pode marcar níveis de confiança para cada região de texto para auxiliar o controle de qualidade.
Uma característica-chave é a extração sensível ao layout: blocos de texto, cabeçalhos e tabelas costumam ser representados com metadados de bounding-box para facilitar o processamento downstream, como indexação, captura de dados e fluxos de acessibilidade. Processamento em lote permite lidar com grandes arquivos com esquemas de saída consistentes, enquanto os formatos de saída incluem texto simples para acesso rápido e JSON estruturado para integração programática. A ferramenta é útil para pesquisadores, bibliotecários, estudantes e equipes de conformidade que necessitam de resultados OCR reprodutíveis, extração de texto rastreável e integração suave em pipelines de dados.