OCR PDF — hacer buscable un escaneo

¿Por qué hacer OCR a tus PDF con ModySign?

Un PDF escaneado es una imagen congelada: imposible buscar dentro, seleccionar o copiar texto. Inservible para búsquedas en un archivo, un curso escaneado o un contrato recibido por fax en PDF. El OCR (Optical Character Recognition) resuelve esto añadiendo una capa de texto sobre la imagen — el PDF mantiene su aspecto original pero se vuelve buscable.

La mayoría de los OCR en línea (Smallpdf, iLovePDF, OCR.space, Adobe Online) suben tus documentos a sus servidores extranjeros. Inaceptable para expedientes médicos, jurídicos, de RR. HH. o administrativos. ModySign ejecuta el OCR íntegramente en tu navegador con Tesseract.js — tus documentos NUNCA salen de tu equipo.

Nuestro OCR admite francés, inglés y español. El primer uso descarga el motor (~5-10 MB) y el modelo de idioma elegido (~2-4 MB), almacenados en caché en el navegador después: los usos siguientes son instantáneos. El PDF final se ve exactamente como el original pero con una capa de texto invisible encima — puedes buscar con Ctrl+F, seleccionar y copiar.

Questions fréquentes

¿Por qué es tan lenta la primera carga?+

El primer uso descarga el motor Tesseract.js (~5-10 MB de WebAssembly) y el modelo de idioma elegido (~2-4 MB). Estos recursos quedan en caché en tu navegador — los próximos OCR serán prácticamente instantáneos. Cuenta con 10 a 30 segundos la primera vez según tu conexión, y casi nada después.

¿Se envía mi PDF a vuestros servidores?+

No, nunca. Tesseract.js se ejecuta íntegramente en tu navegador mediante WebAssembly. Tu PDF NUNCA sale de tu equipo — al contrario que Smallpdf, iLovePDF, OCR.space o Adobe Online, que suben los documentos para procesarlos en sus servidores extranjeros.

¿Qué idiomas se admiten?+

Por ahora: francés, inglés y español. Selecciona el idioma principal del documento antes de empezar — mejora notablemente la precisión en caracteres acentuados (é, à, ñ) y vocabulario específico.

¿Qué calidad de OCR puedo esperar?+

En un escaneo limpio (buena resolución, fondo claro, fuente impresa estándar), la precisión supera el 95% — más que suficiente para búsquedas por palabras clave. En escaneos borrosos, mal encuadrados o con escritura a mano, espera errores. Tesseract es un OCR de código abierto de muy buena calidad pero queda por debajo de soluciones propietarias como Adobe ABBYY.

¿El PDF generado conserva su apariencia?+

Sí. Cada página se vuelve a incluir como imagen JPEG sobre la que se superpone el texto reconocido con opacidad 0 (invisible). Visualmente, el PDF es idéntico al escaneo original, pero ahora puedes buscar con Ctrl+F y copiar el texto.