Convertir GIF a TXT

Hay cuatro modelos de reconocimiento disponibles en este sitio —inglés, alemán, francés y español— y el que se usa por defecto es el inglés. Además, si el valor que llega no está entre esos cuatro, el código vuelve al inglés en silencio. Es decir: si no tocas el control, una captura en castellano se va a leer con un modelo entrenado en otro idioma.

Y no falla. Ese es el problema. El reconocedor devuelve texto de aspecto normal, palabras verosímiles construidas a partir de las formas que ve y del vocabulario que le han dado. Es el único motor de este sitio que puede equivocarse en su respuesta en vez de limitarse a ser imperfecto, y elegir mal el idioma es la forma más rápida de conseguirlo.

Casi todo GIF con palabras legibles dentro es una captura de pantalla. Las herramientas antiguas de captura guardaban en GIF por defecto, los foros convertían las subidas a ese formato, los wikis y los gestores de incidencias lo admitían cuando admitían poca cosa, y muchísimos tiques de soporte de los últimos veinte años llevan adjunto un GIF de un cuadro de diálogo de error.

Esa procedencia explica a la vez por qué esta conversión hace falta y por qué es más difícil que leer un escaneo. Una captura guardada como GIF ha pasado por una reducción de paleta que la misma captura guardada como PNG no ha sufrido, y el texto es precisamente el contenido más sensible a esa reducción.

El reconocedor lee el archivo directamente y su propia documentación enumera los formatos que acepta: mapa de bits, JPEG, PNG, PBM, WebP y GIF no animado. Una captura, un cuadro de diálogo, una página escaneada guardada como GIF: todo eso está claramente dentro.

Un GIF animado queda fuera de esa lista. En vez de adivinar qué fotograma se usaría, o si el archivo se leería siquiera, la ruta honesta es dar un rodeo de un paso: convierte el GIF a PNG en este sitio —que toma el primer fotograma— y pasa el PNG por esta herramienta. Si el texto que buscas no está en el primer fotograma, extrae ese fotograma en un editor antes.

El texto en pantalla está suavizado: los bordes de cada letra se dibujan con tonos intermedios para que el trazo parezca liso. Un GIF dispone como mucho de 256 colores, y cuando una captura se reduce a esa paleta los tonos intermedios son la primera baja: se sustituyen por el color más cercano o se tramaan en un damero de dos.

El reconocimiento funciona comparando la forma de cada signo con lo que ha aprendido, y un trazo rematado en píxeles alternos es una forma distinta de un trazo rematado en una rampa suave. Por eso una captura en GIF se lee algo peor que la misma captura en PNG, y por eso ampliarla antes no ayuda: ampliar un borde tramado produce un borde tramado más grande.

Todas las demás rutas de imagen de este sitio descodifican el dibujo a píxeles antes de trabajar con él. Esta no, y es una decisión escrita en el código: el archivo se entrega tal cual, porque el reconocedor trae su propio cargador y forzar la imagen a través de un lienzo aplanaría cualquier transparencia a negro.

En un escaneo sobre papel blanco ese detalle es la diferencia entre una página legible y un rectángulo negro, así que conviene saberlo si tu GIF tiene fondo transparente. Como el archivo pasa entero, lo que ve el reconocedor es exactamente lo que contiene el fichero, transparencia incluida.

El resultado es una conjetura hecha por reconocimiento de patrones, no una transcripción, y hay cosas concretas que conviene mirar en un texto en castellano antes de fiarse: los acentos, las eñes, la apertura de interrogaciones y exclamaciones, y las cifras con separador de miles. Son signos pequeños sobre pocos píxeles, y son exactamente donde una captura reducida de tamaño falla primero.

La comprobación que más rinde es leer el resultado contra la imagen, no leerlo solo. Un texto reconocido nunca avisa de sus errores: no hay marcas, no hay porcentaje de confianza en la salida, no hay nada que distinga una palabra bien leída de una inventada. Si vas a citar la frase en un tique o en un informe, esa lectura cruzada es el paso que evita citar algo que no ponía.

Lo que vuelve son líneas de texto con las líneas en blanco que el reconocedor vio entre bloques, y ningún otro procesamiento: solo se recorta el espacio sobrante del final y se añade un salto de línea. Nada junta líneas que parecen una frase partida, nada colapsa los blancos y nada rehace columnas.

Cada uno de esos arreglos sería una suposición sobre la maqueta. Un poema, un bloque de dirección postal, un fragmento de código y una tabla pierden significado cuando se les reordenan los saltos de línea, y la herramienta no tiene forma de saber cuál de las cuatro cosas está mirando. Dejar los saltos en paz significa que una captura de una tabla vuelve con las columnas pegadas, lo cual es incómodo y recuperable, a diferencia de una dirección reescrita.

Arrancar el reconocedor implica descargar y compilar varios megas de WebAssembly y después el modelo del idioma elegido. Son segundos de espera antes de que empiece a reconocerse nada, y es la razón por la que esta es con diferencia la herramienta más lenta del sitio.

Ocurre una vez. El modelo queda guardado en el almacenamiento de tu propio navegador después de la primera vez, así que el segundo GIF empieza casi de inmediato y un lote de veinte paga el arranque una vez y no veinte. Cambiar de idioma carga otro modelo, así que sale a cuenta agrupar por idioma: todas las capturas en español juntas, y después las que estén en inglés.

Escritura a mano, esencialmente. Texto en ángulo, texto sobre un fondo con dibujo, texto tan pequeño que el trazo tiene un píxel de ancho y tipografías decorativas producen errores que van de un par de caracteres a un disparate completo.

El otro caso que conviene nombrar es el GIF que se redujo de tamaño después de tomar la captura. Reducir a la mitad una captura destruye las formas de los signos de una manera que ningún reconocedor recupera, y es extremadamente frecuente porque la gente redimensionaba imágenes para caber en los límites de un foro. Si tienes algún camino de vuelta a la captura original, úsalo: esta conversión no puede restituir lo que quitó el redimensionado.

No hay coordenadas. La salida es texto plano y no incluye la posición de cada palabra en la imagen, ni un formato con estructura como hOCR, ni un PDF con capa de texto buscable. Si necesitas saber dónde estaba cada línea sobre el dibujo, esta no es la herramienta.

Tampoco entra un PDF por aquí. El reconocimiento de este sitio acepta formatos de imagen y el PDF no está entre ellos: la ruta de PDF a texto que existe aquí extrae el texto que el documento ya lleva dentro y no reconoce nada, así que un PDF escaneado no encuentra respuesta en este sitio. Decirlo es más útil que dejarte descubrirlo con un documento de cien páginas.

El lote funciona y aquí compensa más que en otros pares, porque el coste de arranque del motor se paga una vez para toda la tanda en lugar de una vez por archivo. Suelta hasta cien imágenes; cada una se reconoce por su cuenta y el conjunto vuelve en un comprimido con un archivo de texto por imagen. El tope es de 100 MB por fichero, que ninguna captura se acerca a rozar.

Dos avisos prácticos. Lo que pase de cien archivos se descarta de la lista sin decir nada, así que cuenta los resultados del comprimido contra los del directorio. Y como el idioma es un ajuste único para toda la tanda, una carpeta con capturas en castellano y en inglés mezcladas hay que dividirla en dos pasadas: dejar que el modelo equivocado lea la mitad es exactamente el fallo que esta página empieza advirtiendo.

El reconocedor, su núcleo en WebAssembly y todos los modelos de idioma se sirven desde este mismo sitio y no desde una red de distribución ajena. Eso costó trabajo deliberado, porque la biblioteca por defecto los busca fuera, y el asunto no es la imagen —la imagen nunca iba a salir de tu equipo— sino el hecho de la petición.

Quien está leyendo una nómina, una carta médica o una conversación privada dentro de una captura no debería anunciárselo a un tercero por la dirección de la página en la que está. El reconocimiento ocurre en tu navegador, no hay cuenta que crear y el texto no se guarda en ningún sitio.