Imagem para texto (OCR)

Copie o texto de um documento fotografado, de um print ou de uma digitalização. O reconhecimento acontece no seu aparelho, e você pode editar o resultado na hora.

Escolha o idioma da imagem. Dois idiomas ao mesmo tempo deixam a leitura um pouco mais lenta.

Suas imagens são processadas neste aparelho e não são enviadas para nenhum servidor.

Como usar

  1. Escolha uma ou mais imagens, arraste para a caixa acima ou cole um print com Ctrl+V.
  2. Confira o Idioma do texto. O padrão é português mais inglês, útil para textos que misturam os dois.
  3. Espere a leitura terminar. A porcentagem abaixo do nome de cada arquivo mostra o andamento.
  4. Corrija o texto na caixa se precisar e toque em Copiar ou Baixar .txt. Para várias páginas, use Copiar tudo.

Como esta ferramenta lê o texto

A ferramenta usa o Tesseract, um mecanismo de OCR de código aberto, rodando no navegador por meio do Tesseract.js. Os modelos de idioma vêm do conjunto tessdata_fast: redes neurais LSTM que leem a imagem linha por linha. Para idiomas de escrita latina, esses modelos foram treinados com cerca de 400 mil linhas de texto em cerca de 4.500 fontes.

Antes da leitura, cada imagem é preparada. A orientação registrada pela câmera (EXIF) é aplicada. Imagens com menos de 1 megapixel são ampliadas, até 3×, em direção a 2 megapixels, porque letras minúsculas são difíceis de separar. Por exemplo, um print de 800 × 600 pixels é ampliado 2,04× para 1633 × 1225 pixels. Nos nossos testes, um texto de 9 pixels em um print JPEG teve 46% das palavras corretas sem ampliação e 94% depois de ampliado 2×. Fotos com mais de 12 megapixels são reduzidas para 12: no nosso computador de testes, uma imagem de 53 megapixels foi lida em 2,2 segundos em vez de 7,1, com o mesmo resultado. Se a segmentação automática da página não encontra texto, ou a confiança fica abaixo de 60%, a imagem é lida de novo como um bloco único de texto. Essa segunda leitura salva páginas fotografadas com alguns graus de inclinação.

Do que depende a precisão

  • Tamanho da letra. A documentação do Tesseract recomenda pelo menos 300 DPI. Em 300 DPI, um texto de 10 pontos tem altura de x (a altura de um x minúsculo) de cerca de 20 pixels, e abaixo de 10 pixels é difícil ter um resultado confiável.
  • Contraste. O ideal é texto escuro sobre fundo claro. Sombras, dobras e fundos estampados reduzem a precisão.
  • Linhas retas. Uma página torta dificulta separar as linhas.
  • Texto impresso. Letra escrita à mão é mal reconhecida.

Dicas para fotografar documentos

  1. Coloque o papel numa superfície plana, com luz uniforme. Desligue o flash para evitar reflexos.
  2. Segure o celular paralelo ao papel, de modo que as bordas da página fiquem retas e a página quase preencha a tela.
  3. Toque no texto na tela para focar e espere ficar nítido.
  4. Uma página por foto. Uma foto de 4032 × 3024 totalmente ocupada por uma folha A4 equivale a cerca de 340 DPI.

Limitações

O resultado é texto simples. Tabelas, colunas e formatação não são mantidas, e o texto de colunas vizinhas pode acabar na mesma linha. Ainda não aceita PDF. Como tudo roda no seu aparelho, fotos grandes demoram no celular, e imagens muito grandes podem falhar por falta de memória. Revise sempre o texto antes de usar, principalmente números como CPF, chave Pix ou número de boleto.

Perguntas frequentes

Minhas imagens são enviadas para um servidor?
Não. O navegador lê a imagem no seu próprio aparelho. Do swift.id só são baixados o mecanismo de OCR e os dados do idioma, uma vez, e o navegador os guarda em cache. Por isso dá para usar com fotos do RG, holerite ou cartas.
Por que o resultado tem tantos erros?
As causas mais comuns são letras pequenas ou borradas demais, luz desigual e página fotografada em ângulo. Corte a imagem na área do texto, tire a foto de novo mais perto e de frente, e leia outra vez. Uma confiança abaixo de 60% indica que vale revisar o resultado com atenção.
Reconhece letra cursiva ou escrita à mão?
Muito pouco. O Tesseract, mecanismo de OCR usado aqui, foi treinado com texto impresso, e a própria documentação dele avisa que escrita à mão não funciona bem. Uma letra de forma bem caprichada às vezes é lida em parte, mas não conte com isso.
Dá para ler arquivos PDF?
Ainda não. Para um PDF escaneado, tire um print de cada página e adicione as imagens aqui. Se você consegue selecionar o texto no leitor de PDF, copie de lá: o resultado é sempre mais exato que o OCR.
Por que fica lento no celular?
O reconhecimento roda no processador do seu celular, não em um servidor. No nosso computador de testes, uma foto de 12 megapixels de uma página com 130 palavras foi lida em 1,5 segundo; um celular, principalmente se for antigo, pode levar várias vezes mais. Na primeira vez também são baixados os dados do idioma (português 1,0 MB, inglês 1,9 MB). Cortar a foto na área do texto acelera o processo.
Quais idiomas ele reconhece?
Português, inglês, espanhol, francês, alemão e indonésio, e você pode combinar dois. Escritas não latinas, como árabe, cirílico ou chinês, ainda não estão disponíveis.