Converter JPG para TXT

Reconhecimento óptico de caracteres olha para formas e decide quais letras elas são. Ele não sabe o que o documento diz, e não tem como te dizer quão confiante estava — então a saída é um texto fluente e com aparência completa que pode conter erros que ninguém sinalizou.

Essa é a coisa mais importante de entender antes de confiar num resultado. Leia ele contra o original, sobretudo os números: um dígito lido errado num preço, num número de conta ou numa data é exatamente o erro que sobrevive a uma olhada rápida e causa um problema real depois.

Mais do que qualquer ajuste, mais do que qualquer ferramenta. Texto impresso, reto, bem iluminado, em foco e num tamanho razoável sai quase perfeito. Tudo que degrada a imagem degrada a leitura, mais ou menos na ordem que você esperaria: foco primeiro, depois sombra sobre o texto, depois o ângulo da página, depois o tamanho da letra no enquadramento.

O que significa que a alavanca útil é a câmera, não o conversor. Segure a página reta, fotografe de cima para baixo em vez de de uma cadeira, pegue luz de lado em vez de vinda de trás de você, encha o quadro com a página, e toque para focar antes de apertar o botão. Dez segundos disso valem mais do que qualquer quantidade de processamento depois.

Esse é o ajuste que importa e o que as pessoas pulam. O reconhecedor compara formas com as letras e o vocabulário de um idioma específico, e recebendo o errado ele não falha — produz um texto fluente e errado, porque está achando a melhor combinação dentro de um conjunto que não tem a resposta certa.

Uma página em alemão lida como inglês volta com trema desfigurado e palavras quase existentes. Um documento em idioma que não foi informado produz o mesmo efeito. Se um resultado parece estranho de um jeito que você não consegue explicar, confira isso antes de qualquer outra coisa.

A saída é texto puro: sem títulos, sem colunas, sem tabelas, sem posições. Uma carta de coluna única volta legível e em ordem. Uma página de duas colunas pode voltar com as colunas intercaladas, porque o reconhecedor lê ao longo de linhas que parecem linhas.

Um formulário é o caso mais difícil — rótulos e valores acabam próximos de um jeito difícil de reconstruir, e uma tabela vira uma sequência de números sem noção de qual coluna vieram. Para esses, o conselho honesto é esperar algum trabalho manual com o resultado, ou fotografar um campo por vez.

O reconhecimento aqui é construído para tipo impresso, onde uma letra é uma entre poucos milhares de possibilidades. Letra à mão não é assim: cada pessoa produz formas diferentes, e a mesma pessoa produz formas diferentes em dias diferentes.

Letra de forma limpa e separada às vezes sai utilizável. Letra cursiva comum geralmente não sai, e o resultado vai parecer palavras de verdade em vez de um erro — o que é pior do que falhar, porque convida a acreditar. Se um bilhete escrito à mão precisa virar texto, digitá-lo é mais rápido do que corrigir um reconhecimento dele.

Notas fiscais, para prestação de contas. Cartas e formulários que chegaram em papel. Páginas de livros e periódicos para uma citação. Quadros brancos depois de uma reunião. Números de série e etiquetas em equipamento. Cardápios, placas e avisos durante uma viagem.

Quase tudo isso é pessoal ou comercial: nomes, endereços, valores, dados de conta, informação médica. É nesse contexto que a próxima seção importa, e é por isso que ela está aqui na página, não num rodapé.

O reconhecimento roda dentro da aba do navegador, no seu próprio processador, no seu próprio dispositivo. A fotografia nunca é enviada, então não há cópia num servidor, nenhum prazo de retenção para perguntar, nenhuma conta e nenhuma cota diária.

Observar a aba de rede enquanto funciona é o jeito honesto de confirmar isso: nenhum pedido carregando a imagem sai. Para uma foto de uma receita médica, uma carta de banco ou um contrato assinado, essa é a diferença substancial em relação a um serviço hospedado, e não só uma frase de marketing.

Solte um lote inteiro de fotos e cada uma é reconhecida na sua vez, com os resultados voltando juntos e mantendo o nome de arquivo original. O motor é iniciado uma vez para o idioma escolhido e reaproveitado entre os arquivos, então dez fotos custam a inicialização de alguns segundos uma vez só.

Reconhecimento de texto é a operação mais lenta deste site, de longe, então um lote grande é algo para começar e voltar depois. Confira as primeiras páginas antes de deixar o resto rodando sozinho — um idioma errado descoberto na primeira foto custa segundos; descoberto na última custa o lote inteiro.