PDF buscable sin subir tu archivo
El archivo se procesa en tu navegador. El motor OCR y el modelo de idioma pueden descargarse cuando son necesarios, pero tu documento no se envía al proveedor del OCR. En PDF, MakeFileWork conserva la apariencia original de las páginas y añade una capa de texto posicionada.
Qué puede y qué no puede garantizar el OCR
La precisión depende de la calidad del escaneo, resolución, giro, tipografía e idioma. La salida se vuelve a abrir y se comprueba que contiene una capa de texto buscable, pero conviene revisar el reconocimiento antes de usarlo en información legal, financiera o crítica.
Comprobación de texto realmente buscable
Después del OCR se vuelve a abrir el PDF generado y se comprueban todos los términos distintos del OCR posicionado con el texto extraído de las páginas de salida y, si el PDF ya contenía texto, también con el original. Las palabras que ya estaban en el documento no cuentan como prueba de una nueva capa OCR. Si faltan palabras posicionadas o no puede confirmarse la capa buscable, se informa del fallo y no se ofrece una descarga falsamente verificada. Las palabras repetidas se comprueban por número de apariciones, no solo por presencia. También se rechazan coordenadas fuera de página y volúmenes excesivos de texto. La comprobación técnica no garantiza que los importes, nombres o fechas reconocidos sean correctos.
Descargas verificadas y archivos mal identificados
Antes del reconocimiento se compara la firma real del archivo con su extensión y su tipo MIME declarado: un PDF renombrado como PNG se rechaza. Después del OCR, el PDF y el TXT quedan vinculados a sus evidencias originales. Se reabre la estructura del PDF, se comprueba el número de páginas y se recalcula SHA-256 al descargar. Cambiar el archivo o el idioma invalida el resultado anterior. Esto protege la entrega, pero no garantiza que cada palabra reconocida sea correcta.
OCR por páginas: completo, selectivo o asistido
Para PDF de hasta 20 páginas puedes reconocer todas, indicar intervalos como 1-3,5 o inspeccionar localmente qué páginas parecen escaneadas. Las páginas omitidas mantienen el texto nativo existente y no reciben una capa OCR nueva. La detección automática es orientativa: si una página mezcla texto seleccionable e imágenes escaneadas, utiliza «Todas las páginas» para evitar omisiones. Las selecciones fuera de rango se rechazan antes de iniciar el reconocimiento.
Cómo cancelar un OCR largo
Si has elegido el archivo o idioma equivocado, pulsa «Cancelar OCR». Se descarta el resultado y se intenta detener el trabajador de reconocimiento o el renderizado PDF. La descarga del modelo o alguna operación del navegador pueden tardar en finalizar; cancelar no garantiza liberar toda la memoria de inmediato. No se ofrece una descarga de un trabajo cancelado.
Límites seguros
Se admiten archivos de hasta 20 MB, PDF de hasta 20 páginas y páginas o imágenes de hasta 25 megapíxeles. Así se evita un consumo de memoria o CPU sin límites.
Cuándo usar OCR y qué se descarga
Es útil si ves las palabras en una factura, carta, formulario o contrato escaneado, pero no puedes seleccionarlas ni buscarlas. El PDF buscable mantiene la apariencia original de sus páginas y añade una capa de texto; el TXT contiene el reconocimiento sin el diseño de página. Si el PDF ya tiene texto seleccionable, normalmente no necesitas OCR.
Cuándo revisar manualmente el texto
El OCR es una ayuda de reconocimiento, no una fuente de verdad. Si el documento contiene nombres propios, importes, fechas, identificadores, cláusulas legales o datos que vayan a alimentar otro sistema, compara una muestra con el escaneo original antes de copiar, importar o archivar el texto reconocido.
OCR de varios documentos en un lote
Reconoce hasta seis PDF o imágenes de forma secuencial, descarga los PDF buscables y textos UTF-8 verificados en un ZIP y revisa el informe de fallos por archivo. Un archivo fallido nunca se presenta como recuperado. El modelo OCR puede requerir una descarga; los documentos originales permanecen en el navegador.
Reabrir y comprobar resultados de OCR
Después de reconocer un lote puedes descargar el ZIP completo o cada PDF buscable y TXT por separado. Cada salida aceptada tiene una huella SHA-256; el ZIP incluye manifiesto, informe JSON y auditoría CSV protegida contra fórmulas. Puedes reabrir un ZIP guardado y proporcionar una huella SHA-256 independiente para comprobar que no se ha sustituido. El manifiesto interno por sí solo no demuestra el origen del archivo. La validación comprueba estructura y texto disponible, no la exactitud de cada palabra.
Reintentar solo los archivos rechazados
Si un lote OCR falla parcialmente, selecciona solo uno o varios originales rechazados, incluso en distinto orden. Se comprueba nombre, tamaño y SHA-256 contra el informe guardado; los archivos que ya se verificaron se conservan byte por byte. Los rechazados no seleccionados siguen rechazados, y ningún reintento fallido se declara recuperado. Para informes antiguos sin huella del original, vuelve a seleccionar todos los archivos en el orden inicial.