Leia espanhol a partir de uma foto, escaneamento ou captura de tela, com vogais acentuadas, — e invertido — tratado como caracteres comuns em vez de ser eliminados. Um modelo de 8 MB cobre 47 idiomas com alfabeto latino — francês, alemão, português, italiano, holandês, polonês, turco, vietnamita e mais — então um documento que alterna entre eles ainda é uma única passagem.
Como funciona
- Coloque uma imagem ou PDF. A detecção de texto é executada imediatamente.
- Escolha seu pacote de idiomas (baixado uma vez, 8–17 MB) e pressione Ler texto.
- Copie as falas, ou baixe .txt / .json. PDFs são lidos de capa a capa.
Perguntas frequentes
- Esse é o mesmo modelo do OCR francês ou alemão?
- Sim. O PaddleOCR treina um reconhecor por SCRIPT, não por idioma, e todos os 47 idiomas com alfabeto latino compartilham esse pacote de 8 MB. Por isso há uma página para ele, em vez de 47 quase idênticas — você já está na página certa para qualquer uma delas.
- Meu arquivo é enviado?
- Não. Os modelos e todo o processamento rodam dentro do seu navegador, no seu próprio dispositivo. Você pode verificar isso por conta própria: abra a DevTools do seu navegador, observe a aba Rede e processe um arquivo: não há uploads. Após a primeira visita, a maioria das ferramentas também funciona totalmente offline.
- Quais linguagens são suportadas?
- 106 línguas em latim, cirílico, árabe, devanagari, CJK, grego, tailandês, tâmil e telugu. O bengali é a única grande lacuna, já que ainda não existe um modelo v5 para ele, e quem escolheu isso diz em vez de adivinhar.
- Quão preciso é isso?
- Em texto limpo de documentos, a taxa de erro de caracteres medida é inferior a 2%, e cada linha carrega uma pontuação de confiança, então você pode ver quais verificar. A caligrafia e fotos de baixa resolução vão parecer piores.
- Ele lê PDFs escaneados?
- Sim. PDFs digitais são lidos a partir de sua própria camada de texto, com caracteres exatos em posições exatas. Páginas escaneadas passam por detecção e reconhecimento, e documentos mistos usam ambos.