Converter HEIF para TXT

A situação para a qual esta página foi escrita é de mesa, não de celular. As fotos já estão no computador — copiadas do celular, exportadas de uma galeria, mandadas por um colega — e são documentos, não paisagem: nota fiscal, leitura de medidor, anotação à mão, uma página de contrato, quarenta páginas de um manual que alguém fotografou em vez de escanear.

No celular, o sistema costuma oferecer selecionar texto numa foto, e isso é mais rápido que qualquer site. Num computador, com arquivos nesse formato, geralmente não há nada: o sistema pode nem mostrar uma miniatura. Reconhecimento numa aba do navegador é uma das poucas rotas que não começa instalando alguma coisa.

O mecanismo de reconhecimento lê o arquivo que recebe sem nada decodificando antes. Isso é proposital — passar uma imagem por um canvas na entrada achataria transparência para preto, e numa digitalização de papel branco isso é a diferença entre legível e ilegível — mas significa que os únicos leitores de imagem em jogo são os seis compilados no mecanismo: BMP, JPEG, PNG, PBM, WebP e GIF sem animação. HEIF não está entre eles, e não existe leitor de HEIF em lugar nenhum do núcleo de reconhecimento que este site serve.

Então o trabalho são duas conversões, não uma. Converta o HEIF para PNG neste site, depois leia o texto do PNG. O decodificador que cuida da primeira etapa é um software separado do reconhecedor e lê HEIF de verdade, e é por isso que HEIF para PNG e HEIF para JPG funcionam nas próprias páginas. PNG é a escolha certa para o arquivo intermediário: a foto já foi comprimida uma vez pelo aparelho que a tirou, e uma segunda passada com perdas cai exatamente nos traços finos que o reconhecedor tenta identificar.

Todo outro par neste site funciona ou falha em voz alta. Uma imagem vira outra imagem, e se o codificador não conseguir, você recebe um erro. Reconhecimento é diferente por natureza: devolve texto que parece exatamente texto, esteja certo ou não sobre o que a página dizia.

Então a saída é uma leitura, não uma transcrição, e precisa ser conferida contra o original. Isso não é um aviso para pular — é o fato operacional mais importante deste par, e decide como você deve usar o resultado.

Quatro modelos estão disponíveis: inglês, alemão, francês e espanhol. Cada um é um modelo treinado para as letras e o vocabulário daquele idioma, e o reconhecedor trabalha estritamente dentro do que você escolher.

Escolher errado não produz um erro, o que é o motivo desta seção existir. Produz a melhor correspondência disponível dentro de um conjunto que não contém a resposta certa, então o texto sai fluente, com forma plausível e errado. Se um resultado parecer estranho de um jeito que você não consegue explicar, este é o primeiro ponto a checar e costuma ser a causa.

Reconhecimento é de longe a coisa mais pesada que este site faz, e a maior parte da espera no primeiro arquivo não é leitura — é baixar e compilar vários megabytes de WebAssembly e depois um modelo de idioma.

Esse custo é pago uma vez por idioma e mantido pelo resto da sessão, e o modelo fica em cache no seu navegador depois, então um documento amanhã não baixa de novo. A consequência prática é contraintuitiva: soltar uma pasta com vinte páginas é bem mais eficiente por página do que converter uma só, então agrupe o trabalho em vez de fazer arquivo por arquivo.

Resolução raramente é o problema numa foto de celular — doze megapixels dão pixels de sobra por caractere mesmo quando a página ocupa parte do quadro. Geometria e luz são os problemas de verdade.

Fotografe a página plana em vez de enrolada, de cima reto em vez de sentado de lado, e com a luz vindo de lado para sua própria sombra não cair sobre o texto. Essas três coisas mudam o resultado mais do que qualquer ajuste nesta página, e uma página fotografada em ângulo produz erros que nenhuma quantidade de resolução compensa.

A saída é texto simples: as palavras, na ordem de leitura, com quebras de linha. Não há colunas, células de tabela, títulos ou posições na página, porque um arquivo de texto não tem onde colocar essas coisas.

Uma carta ou um recibo sobrevive bem a isso. Uma página de duas colunas entrelaça, já que o reconhecedor lê ao longo de qualquer coisa que pareça uma linha. Uma tabela de números vira uma sequência sem colunas, e um formulário acaba com rótulos e valores adjacentes de um jeito difícil de desembaraçar. Nesses casos, fotografar uma seção por vez dá algo realmente utilizável.

Linhas em branco entre parágrafos ficam como estão, e linhas que parecem uma frase quebrada não são juntadas. Isso é proposital, não inacabado: as duas arrumações são suposições sobre layout, e um poema, um endereço em bloco e uma tabela perdem sentido quando as quebras de linha são reorganizadas.

Então o arquivo que você baixa é o que foi lido, e qualquer reformulação é uma decisão sua num editor onde você consegue ver os dois. Essa é a ordem certa — um conversor que silenciosamente reformata um documento é muito mais difícil de confiar do que um que entrega exatamente o que encontrou.

Prosa perdoa. Um caractere lido errado numa frase geralmente é óbvio, e quem lê conserta sem perceber. Números não têm essa redundância: um dígito errado num valor, numa referência de conta, numa leitura de medidor ou numa data parece exatamente certo, e não há nada na frase para contradizer.

Como os documentos que as pessoas fotografam são majoritariamente do tipo numérico — nota fiscal, recibo, extrato, leitura, número de referência em carta —, o hábito útil é tratar o texto como rascunho para as palavras e conferir cada número contra a imagem antes de mandar para qualquer lugar.

A foto nunca é enviada. Nem, e isso exigiu trabalho de propósito, mais nada: a biblioteca de reconhecimento busca seu script de worker, seu núcleo WebAssembly e seu modelo de idioma num CDN de terceiros a menos que todo esse caminho seja substituído, e os três são servidos por este site em vez disso.

A distinção importa mais do que parece à primeira vista. A foto nunca teria saído de qualquer jeito, mas alguém lendo um holerite não deveria ter esse fato anunciado a uma rede de conteúdo junto com seu endereço e a página em que está. Um teste quebra o build se uma dessas URLs de terceiros reaparecer.

O arquivo de texto é um derivado, e falível, então o HEIF original continua sendo o registro. Ele também é insubstituível aqui: este site lê o formato e não escreve, porque o decodificador é licenciado de um jeito que um site estático consegue honrar e não há codificador nessas condições.

Se o documento importa, guarde os dois, e considere converter a foto para PDF também, para ter uma página legível ao lado do texto pesquisável. Essa combinação — uma imagem que você pode mostrar a alguém e um texto que você consegue buscar — é o que a maioria das pessoas realmente quer ao começar esse trabalho.

Os modelos aqui são treinados em tipo impresso, e é isso que leem bem: caracteres limpos, retos, de tamanho razoável numa tipografia comum voltam quase perfeitos. Fontes de exibição incomuns, letra muito pequena e itálico pesado custam precisão, e um fax fraco ou uma cópia de quinta geração custa muito mais.

Escrita à mão não é questão de grau. Anotações cursivas, uma assinatura, um valor rabiscado num recibo ou um formulário preenchido à mão produzem uma saída que parece palavras e não corresponde a nada. Se a parte valiosa da sua foto é manuscrita, a resposta honesta é digitar você mesmo e usar a conversão para as partes impressas ao redor — o formulário, o timbre, os termos no verso da página.

Quando a pasta tem uma mistura — algumas fotos de documentos, algumas de paisagem, algumas já em outros formatos —, separe antes de converter, não depois. Reconhecimento é a operação mais lenta deste site, e rodá-lo em quarenta fotos para achar as doze com texto é um mau uso de uma tarde.

A outra decisão a tomar de antemão é o idioma, porque o ajuste se aplica a tudo que você soltar e o reconhecedor inicializado fica pronto pelo resto da sessão. Uma pasta toda em alemão é uma configuração e quarenta leituras rápidas. Uma pasta com dois idiomas quer duas passadas com o ajuste trocado no meio.