Converter AVIF para TXT

Essa é a primeira coisa a saber, e merece ir no topo, não numa nota de rodapé. O leitor de texto é o Tesseract compilado para WebAssembly, e recebe o arquivo exatamente como você soltou — nenhuma decodificação do navegador acontece antes dele, de propósito, porque passar uma imagem por um canvas primeiro achataria a transparência em preto, e uma digitalização de papel branco é justamente onde isso estraga o resultado.

Isso significa que os únicos leitores de imagem em ação são os embutidos no motor de reconhecimento, e são seis: BMP, JPEG, PNG, PBM, WebP e GIF não animado. AVIF não está entre eles. Não há leitor de AVIF dentro do núcleo WebAssembly que este site serve, então soltar um AVIF aqui não produz texto ruim — não produz texto nenhum.

A rota que funciona são duas etapas e custa um arquivo a mais. Converta o AVIF em PNG neste site, depois leia o texto do PNG. PNG é um dos seis que o leitor abre, é sem perda, e é a escolha certa para o arquivo intermediário exatamente por isso: os pixels que o leitor vê são os pixels que o decodificador de AVIF produziu, sem nada acrescentado no caminho.

JPEG também seria lido, e seria a escolha errada aqui. Salvar via JPEG recomprime traços de letra que o AVIF já suavizou uma vez, e a segunda passada cai nos mesmos traços finos que o leitor está tentando reconhecer. Um PNG no meio é maior em disco e melhor em tudo que afeta a leitura — e é um arquivo que você pode descartar assim que o texto sair.

Ninguém exporta AVIF de um scanner ou da galeria do celular. É um formato de entrega para a web, publicado em 2019 pela Alliance for Open Media, e chega até você porque um site com um pipeline de imagem moderno escolheu esse formato — geralmente porque seu navegador avisou que sabia ler AVIF e o servidor mandou o arquivo menor que tinha.

Isso significa que o material que chega nesta página tem um perfil específico: é o que as pessoas salvam de páginas — um gráfico, uma tabela comparativa, um slide de apresentação, uma citação em forma de imagem, uma lista de preço, um documento que alguém digitalizou e publicou como figura em vez de como texto. Em todo caso as palavras estão visíveis e não selecionáveis, e reconhecê-las é o único caminho fora de digitar tudo de novo.

Codecs diferentes falham de jeitos diferentes, e o jeito que um codec falha decide o jeito que o reconhecimento falha. O JPEG quebra em blocos e halos ao redor de bordas duras, o que deixa traço de letra ruidoso mas ainda bem delimitado. O AVIF, sendo um quadro parado de um codec de vídeo, tende a suavizar em vez disso: achata o que decide que não vale a pena descrever.

Suavizar é mais gentil de olhar e mais difícil de ler. Traços finos perdem a borda contra o papel, contra-formas dentro das letras se fecham, e letras vizinhas se fundem numa forma só que o leitor então chuta. É por isso que um AVIF que parece perfeitamente limpo no tamanho da página pode ler mal numa fonte de oito pontos, e por que julgar se o arquivo está bom o bastante significa dar zoom no texto pequeno, não olhar a imagem inteira de relance.

Um site moderno raramente guarda uma cópia só de uma imagem. Guarda vários tamanhos e formatos e entrega o que couber no layout e no navegador, o que explica por que duas pessoas salvando a mesma figura da mesma página podem acabar com arquivos diferentes. O que você tem é a variante que servia à largura da sua janela no momento em que clicou com o botão direito.

Isso vale trinta segundos antes de converter, porque uma variante maior vale mais que qualquer ajuste desta página. Abrir a imagem na própria aba costuma dar uma versão duas ou três vezes maior, e dois ou três vezes mais pixels por caractere é a diferença entre uma leitura estropiada e uma limpa. Ampliar o arquivo que você já tem faz o oposto de ajudar: acrescenta pixels sem acrescentar informação e suaviza ainda mais os traços das letras.

Essa dupla tem um problema que as outras páginas de reconhecimento não têm: o leitor frequentemente não consegue ver a origem. AVIF é lido por todo navegador atual e por bem menos coisa fora dele, então dar duplo clique no arquivo pode não fazer nada, e conferir uma palavra reconhecida contra o original é exatamente o que você precisa fazer com frequência.

A solução é arrastar o AVIF para uma nova aba do navegador. Vai exibir, vai dar zoom, e você pode colocar ao lado do texto reconhecido. E a rota de duas etapas não depende disso funcionar: a conversão para PNG usa um decodificador de AVIF compilado para WebAssembly e enviado junto da página, não o do seu navegador ou sistema operacional.

A saída é uma sequência de caracteres na ordem em que foram lidos, e nada mais. Para um parágrafo de prosa isso perde muito pouco. Para um gráfico significa que você recebe os rótulos dos eixos, os nomes das séries e os números sem indicação de qual pertencia a qual, porque a disposição que fazia daquilo um gráfico era espacial, e texto simples não tem espaço.

Para uma tabela é o mesmo problema com consequências mais graves: os valores das células chegam na ordem de leitura e as colunas somem, então reconstruir leva mais ou menos o tempo que ler levaria. Onde o dado subjacente existe em algum lugar — um arquivo publicado, uma exportação, a página de onde a imagem veio — encontrar vale mais que reconhecer uma foto dele.

O reconhecimento combina formas com caracteres sem entender nenhum deles, e não tem mecanismo para sinalizar incerteza. A saída lê como fluente e completa, seja cada caractere certo ou um quarto deles chute, o que é exatamente o que a torna perigosa.

O material salvo de páginas da web é pesado justamente no conteúdo onde um caractere errado importa: preço, porcentagem, data, estatística, código de referência. Um dígito mal lido dentro de uma cifra que você depois cita é o erro mais provável de sobreviver a uma revisão. Leia os números de volta contra a imagem, prestando atenção especial nos pares de dígitos que compartilham silhueta depois que os traços foram suavizados.

O reconhecedor trabalha dentro do vocabulário e das formas de letra de um idioma só. Recebendo o errado, ele não reporta uma falha — devolve a correspondência mais próxima dentro de um conjunto que não pode conter a resposta certa, o que explica o sintoma clássico de uma página de palavras plausíveis que não significam nada.

Inglês, alemão, francês e espanhol são as opções aqui, e a escolha importa mais do que parece em material salvo da web, onde uma página que você lia traduzida ou uma captura de tela de outro país costuma não estar no idioma padrão da sua máquina. Se um resultado está estranho de um jeito que você não consegue explicar, cheque esse ajuste antes de qualquer outra coisa.

Nada, em nenhuma das duas etapas. O decodificador de AVIF escreve o PNG no seu próprio processador e o Tesseract lê na mesma aba, os dois como WebAssembly. Nenhum arquivo é enviado, não há conta, fila nem limite diário, e o teto gratuito é 100 MB por arquivo — bem além de qualquer coisa que um site já te serviu.

Isso importa mais para esta dupla do que o argumento comum de privacidade sugere. Boa parte do que é salvo como imagem e lido de volta é material que alguém preferiria não entregar a terceiros: um painel interno, uma página atrás de login, um documento circulando num grupo privado, uma captura de tela de um sistema com nome de empresa. Aqui o arquivo fica onde já estava.