Imagem para texto

Texto para copiar, de qualquer imagem

Um recibo que você fotografou, um slide numa captura de tela, a página de um livro, uma placa: as palavras estão na imagem, mas não dá para selecionar. O reconhecimento óptico de caracteres (OCR) lê as letras e devolve o texto. Escolha a imagem, o idioma e toque em Extrair texto. O texto aparece na página com um botão Copiar, e você pode baixar um arquivo .txt.

Dicas para um bom resultado:

• Use uma foto nítida, tirada de frente, com luz uniforme e sem sombras sobre o texto.
• O texto precisa ser grande o bastante: cerca de 20 pixels de altura ou mais funciona melhor.
• Escolha o idioma do documento; acentos e letras especiais (ç, ã, õ) só são lidos certo com o idioma certo.

O OCR lê bem texto impresso. Letra de mão e fontes decorativas são bem menos confiáveis.

Privado por padrão

O reconhecimento roda no navegador com o Tesseract, o motor de OCR de código aberto. Sua imagem não é enviada; o arquivo do idioma é baixado uma vez (cerca de 1 a 3 MB) e depois fica guardado no navegador.

A imagem é decodificada num Web Worker e passada ao Tesseract, compilado para WebAssembly, usando o reconhecedor de rede neural (LSTM) e o modelo do idioma escolhido. O Tesseract encontra as linhas de texto, separa as palavras e reconhece os caracteres, depois devolve o texto na ordem de leitura. Tudo, inclusive o motor e os arquivos de idioma, é servido pelo UtilNest e roda no seu aparelho.