Converter GIF para TXT

Quase todo GIF com palavras legíveis dentro é uma captura de tela. Ferramentas antigas de print salvavam em GIF por padrão, fóruns convertiam qualquer envio para esse formato, e uma quantidade enorme de chamados de suporte dos últimos vinte anos tem um GIF de uma tela de erro anexado.

Esse histórico explica por que essa conversão vale a pena e também por que é mais difícil que ler um documento escaneado normal. Um print salvo como GIF passou por uma redução de paleta que o mesmo print salvo em PNG não passou, e texto é o conteúdo mais sensível a isso.

O reconhecedor lê o arquivo diretamente, e a própria documentação da ferramenta cobre GIF para arquivos não animados. Um print, um diálogo capturado, uma página escaneada salva em GIF: tudo isso está dentro do que a ferramenta lê.

Um GIF animado fica fora disso. Em vez de adivinhar qual quadro seria usado, o caminho honesto é um passo a mais: converta o GIF para PNG primeiro — o que captura o primeiro quadro — e passe o PNG por esta ferramenta. Se o texto que você quer não estiver no primeiro quadro, extraia esse quadro num editor de imagem antes.

Texto de tela é suavizado: as bordas de cada letra são desenhadas em tons intermediários para os traços parecerem lisos. Um GIF tem no máximo 256 cores disponíveis, e quando um print é reduzido a essa paleta, os tons intermediários são os primeiros a sumir — substituídos pela cor disponível mais próxima ou espalhados num quadriculado de duas.

O reconhecimento funciona comparando o formato de cada letra com o que aprendeu, e um traço com borda em pixels alternados é uma forma diferente de um traço com borda suave. É a principal razão de um print em GIF ler um pouco pior do que o mesmo print em PNG.

Toda outra conversão de imagem deste site decodifica a foto até os pixels antes de trabalhar com ela. Esta, de propósito, não faz isso: o arquivo é entregue intacto, porque o reconhecedor tem seu próprio carregador, e forçar a imagem por um canvas achataria qualquer transparência para preto.

Num scan de papel branco, esse detalhe sozinho é a diferença entre uma página legível e um retângulo preto — vale saber isso se o seu GIF tiver fundo transparente. Como o arquivo passa direto, o que o reconhecedor vê é exatamente o que o arquivo contém, transparência inclusa.

Quatro modelos de idioma estão disponíveis: inglês, alemão, francês e espanhol. É uma escolha manual, não uma detecção automática, porque detecção também é um chute e um chute errado seria invisível.

Uma escolha errada não falha: ela produz texto com aparência plausível, no idioma errado, mapeando formas para o vocabulário que o modelo tem. É o comportamento mais perigoso desta ferramenta, porque tudo no resultado parece normal. Se o resultado parecer uma tradução malfeita do que está na imagem, o idioma configurado é o primeiro lugar a checar.

O que volta são linhas de texto com as quebras que o reconhecedor viu entre os blocos, e nenhum outro processamento. Nada junta linhas que parecem uma frase quebrada, nem reconstrói colunas.

Cada uma dessas correções seria um chute sobre o layout. Um poema, um bloco de endereço, um trecho de código e uma tabela perdem sentido quando as quebras de linha são reorganizadas, e a ferramenta não tem como saber qual desses está vendo. Deixar as quebras como estão significa que um print de tabela volta com as colunas coladas, o que é inconveniente e recuperável — diferente de um endereço reformatado.

Iniciar o reconhecedor significa baixar e compilar vários megabytes de WebAssembly e depois o modelo de idioma. São segundos de espera antes de qualquer reconhecimento começar, e é por isso que esta é de longe a ferramenta mais lenta do site.

Isso acontece uma única vez. O modelo fica em cache na sua própria máquina depois da primeira execução, então um segundo GIF começa quase na hora, e um lote de vinte arquivos paga o custo de início só uma vez.

Basicamente, letra à mão. Texto inclinado, texto sobre fundo carregado, texto tão pequeno que os traços têm um pixel de largura e fontes decorativas produzem erros, de alguns caracteres até nonsense completo.

O outro caso a citar é um GIF reduzido de tamanho depois do print original. Diminuir pela metade um print destrói o formato das letras de um jeito que nenhum reconhecedor recupera, e isso é extremamente comum porque as pessoas costumavam reduzir imagens para caber no limite de um fórum.

O reconhecedor, o núcleo em WebAssembly e cada modelo de idioma são servidos por este site, e não buscados de uma CDN pública. Isso deu trabalho deliberado, porque o padrão dessa biblioteca é buscar os três em outro lugar, e o ponto não é a imagem em si — ela nunca sairia de qualquer forma — mas o fato da requisição.

Alguém lendo um holerite, uma carta médica ou uma conversa privada num print não deveria ter isso anunciado a terceiros pela URL da própria página. O reconhecimento acontece no seu navegador, não há cadastro e o texto nunca é armazenado.