Extraer texto de PDF escaneados e imágenes (OCR)
Convierte un PDF escaneado, una página fotografiada o una captura de pantalla en texto seleccionable y copiable. Sube el archivo, elige el idioma del documento y descarga el texto reconocido como archivo .txt.
Se procesa en tu dispositivo: tu archivo nunca se sube (hasta 50 MB).
A diferencia de casi todos los sitios de OCR, este nunca ve tu documento: el reconocimiento se ejecuta por completo dentro de tu navegador, en tu propio dispositivo. No se sube nada — ni a nosotros ni a nadie.
Cómo funciona
La herramienta usa el motor de OCR Tesseract compilado a WebAssembly, ejecutándose en un hilo en segundo plano de tu navegador. Los PDF escaneados se renderizan primero página a página en alta resolución, y luego cada imagen de página se reconoce carácter a carácter con un modelo del idioma que elijas. La primera ejecución descarga ese modelo de idioma (unos pocos megabytes de datos estáticos); tu archivo en sí nunca se transmite.
Como todo se ejecuta en tu dispositivo, la velocidad depende de tu hardware — un móvil tarda bastante más que un portátil — y la precisión depende del escaneo: las páginas nítidas, rectas y bien iluminadas se leen casi a la perfección, mientras que los escaneos torcidos o de baja resolución producen más errores.
Cómo Extraer texto
- Sube arriba un PDF escaneado, un JPG, un PNG o un WEBP.
- Selecciona el idioma en que está escrito el documento — es importante para la precisión.
- Haz clic en Extraer texto y observa el progreso página a página.
- Descarga el archivo .txt, o ábrelo y copia lo que necesites.
Limitaciones que debes conocer
- El resultado del OCR es texto plano: la maquetación, las columnas, las tablas y las imágenes no se reconstruyen.
- La precisión depende de la calidad del escaneo y de elegir bien el idioma; la escritura a mano por lo general no se puede leer.
- Los PDF están limitados a 20 páginas por ejecución — divide antes los documentos más grandes con la herramienta Dividir PDF.
- El reconocimiento se ejecuta en tu dispositivo, así que los documentos muy grandes tardan en hardware más lento.
Privacidad y seguridad
Tu archivo se sube por HTTPS, se convierte íntegramente en memoria y se devuelve directamente a tu navegador. Nunca se escribe en disco, nunca se registra y nunca se conserva tras la conversión: no hay nada que borrar porque nada se guarda. Los archivos se validan por extensión, tipo y firma de contenido, y las subidas jamás se ejecutan. Lee más en nuestra política de privacidad.
Preguntas frecuentes
¿Mi documento se sube a un servidor para el OCR?
No. El motor de OCR funciona dentro de tu navegador mediante WebAssembly, así que el documento nunca sale de tu dispositivo. La única actividad de red es la descarga única del modelo de idioma — datos estáticos que no revelan nada sobre tu archivo.
¿Qué idiomas puede leer?
Inglés, español, francés, alemán, portugués, italiano, árabe, chino simplificado, indonesio y turco. Elige el idioma del documento, no el de tu interfaz: el reconocimiento usa modelos específicos de cada idioma.
¿Puedo convertir un PDF escaneado en un Word editable?
En dos pasos: pasa el OCR aquí para obtener el texto y luego pégalo en Word o sigue convirtiendo el .txt. El convertidor de PDF a Word maneja directamente los PDF con texto, pero los escaneos necesitan primero este paso de OCR, porque un escaneo contiene imágenes de letras, no texto.
¿Por qué el texto reconocido tiene errores en algunas partes?
La precisión del OCR va ligada a la calidad del escaneo. Las fotos borrosas, las fuentes pequeñas, las páginas torcidas y un idioma mal elegido son las causas habituales. Volver a escanear a mayor resolución, recortar hasta la página y comprobar la selección de idioma soluciona la mayoría de los casos.