PDF digital frente a PDF escaneado
Un PDF digital (exportado desde Word, una web o un sistema de contabilidad) contiene los caracteres reales junto con sus posiciones. Puedes seleccionar y copiar el texto, y cualquier herramienta de resumen puede leerlo.
Un PDF escaneado (proveniente de un escáner, una fotocopiadora o una app móvil) contiene únicamente imágenes. No hay caracteres, solo píxeles que parecen letras. Al intentar copiar y pegar no obtienes nada, y un resumen que solo lea la capa de texto verá un documento vacío.
Algunos PDF son híbridos: una imagen escaneada con una capa de texto OCR invisible añadida por el software del escáner. Estos se comportan como los PDF digitales, con la precisión del OCR que los generó.
Cómo comprobar si tu PDF está escaneado
- Intenta seleccionar una palabra. Si se resalta toda la página como si fuera una foto, o no se selecciona nada, está escaneado.
- Busca una palabra visible usando Ctrl/Cmd + F. ¿Sin resultados? Está escaneado.
- Haz mucho zoom: el texto escaneado se ve borroso o pixelado; el texto digital se mantiene nítido.
Cómo funciona el OCR (en breve)
El software de OCR limpia la imagen de la página (enderezándola y mejorando el contraste), localiza las líneas de texto, segmenta los caracteres o palabras y los reconoce utilizando un modelo entrenado para cada idioma. Los motores modernos como Tesseract emplean redes neuronales que reconocen líneas completas, lo que mejora la precisión, aunque la calidad del documento original sigue siendo lo más importante.
Cómo conseguir un OCR preciso
- Resolución: 300 ppp (dpi) para textos pequeños; 200 ppp es suficiente para texto normal. Por debajo de 150 ppp, los errores se disparan.
- Páginas planas y rectas: utiliza un escáner plano o una app que enderece y recorte; evita las páginas curvas de los libros.
- Contraste: lo ideal es negro sobre blanco; los tickets térmicos desgastados y los fondos de colores dificultan el proceso.
- Idioma: el OCR utiliza modelos de lenguaje; los documentos en inglés, francés, alemán, español, italiano o portugués son los que mejor reconoce nuestra herramienta.
- Sin manuscritos: las notas a mano rara vez se reconocen con fiabilidad.
Resume un PDF escaneado en un solo paso
- Sube el PDF escaneadoa la herramienta para resumir PDF escaneado o a la página principal.
- Espera a que se ejecute el OCRla barra de progreso indicará «PDF escaneado: ejecutando OCR»; calcula unos pocos segundos por página.
- Elige el resultadoresumen, puntos clave, preguntas o el texto reconocido como .txt.
- Verifica los datos críticoscompara nombres, cantidades y fechas con la imagen original.
Errores típicos del OCR que debes revisar
- 0 y O, 1 y l e I, 5 y S, 8 y B en números y códigos.
- Puntos decimales omitidos o separadores de miles en las cantidades.
- Columnas fusionadas en diseños de varias columnas.
- Cabeceras, sellos y firmas interpretados como caracteres aleatorios.
Un resumen generado a partir de texto OCR hereda estos errores, por lo que conviene tener en cuenta las referencias de página y echar un vistazo rápido a las cifras clave.
Preguntas frecuentes
¿Puedo resumir la foto de un documento?
Sí, siempre que se guarde como PDF y la página esté plana, nítida y bien iluminada. Las aplicaciones de escaneo que recortan y enderezan ofrecen resultados mucho mejores que las fotos directas.
¿Por qué tarda más el OCR?
Cada página debe analizarse como si fuera una imagen. Calcula entre 2 y 4 segundos por página, en comparación con la lectura casi instantánea de los PDF digitales.
¿Hay un límite de páginas para los PDF escaneados?
En la herramienta gratuita, el OCR cubre las primeras 40 páginas de un PDF escaneado. Los PDF digitales pueden tener hasta 300 páginas.
¿Puedo obtener el texto del OCR?
Sí, utiliza la pestaña Extraer texto o la herramienta PDF a texto y descarga el archivo .txt.