OCR de PDF en línea gratis

El OCR (Reconocimiento Óptico de Caracteres) convierte las imágenes de texto dentro de un PDF en texto real, seleccionable y buscable. Los documentos escaneados, las fotos de recibos con el móvil y los PDF antiguos cargados de imágenes se benefician por igual: tras el OCR puedes copiar texto, buscar dentro del archivo y pasarlo por otras herramientas como PDF a Word. Lo más difícil del OCR es la cobertura de idiomas: reconocer inglés es muy distinto a reconocer chino, japonés o escritura árabe. Esta herramienta soporta más de 100 idiomas a través de Tesseract.js, aunque los paquetes de idioma más grandes (como los CJK) descargan datos adicionales del modelo la primera vez que se usan. El OCR corre completamente en tu navegador. El motor WASM de Tesseract procesa cada página, añade una capa de texto al PDF manteniendo visible la imagen original y entrega una salida buscable. Nada sale de tu dispositivo.

Última revisión: Julio 2026

¿Qué es esto?

El OCR ocurre en tres etapas. Primero, el preprocesamiento de imagen normaliza la página: la binarización convierte el color en blanco y negro, la corrección de inclinación endereza los escaneos torcidos y la eliminación de ruido limpia las manchas. Segundo, el análisis de layout segmenta la página en zonas de texto y zonas no textuales (imágenes, líneas, tablas), y dentro de las zonas de texto identifica líneas y palabras individuales. Tercero, el reconocimiento de caracteres usa una red neuronal LSTM (Long Short-Term Memory) para convertir las imágenes de palabras en secuencias de caracteres. El OCR moderno es notablemente preciso con escaneos limpios y de alto DPI de texto impreso, a menudo por encima del 99% para inglés. La escritura a mano, las imágenes de baja resolución y los layouts complejos reducen la precisión de forma significativa.

Cómo usar esta herramienta

1. 1Elige un PDF con páginas escaneadas o basadas en imagen. Si tu PDF ya tiene texto seleccionable, el OCR no es necesario: usa la herramienta 'Extraer texto' para ahorrar tiempo de procesamiento.
2. 2Selecciona los idiomas presentes en el PDF. Elige solo los que realmente aparecen: incluir idiomas no usados ralentiza el procesamiento sin mejorar la precisión. En documentos multilingües, selecciona el idioma principal.
3. 3Haz clic en Procesar. La herramienta carga el modelo de idioma (la primera ejecución puede tardar 10-30 segundos en descargar el modelo de ~10MB) y luego procesa cada página. Espera de 2 a 5 segundos por página en escaneos típicos.
4. 4Descarga el PDF con OCR. La salida se ve idéntica a la entrada, pero ahora puedes seleccionar, copiar y buscar texto en todo el documento. Prueba Ctrl+F para verificar que el texto se ha reconocido correctamente.

Consejos y buenas prácticas

• La precisión del OCR depende mucho de la calidad del escaneo. Los escaneos de 300 DPI de texto impreso rinden un 98-99% de precisión. A 150 DPI baja a 85-90%. Las fotos con el móvil varían mucho: 90-95% con buena luz, 70-80% con luz pobre.
• La primera ejecución descarga el motor WASM de Tesseract (~15MB) más los modelos de idioma (5-15MB cada uno). Una vez descargados, los modelos se almacenan en caché y las siguientes ejecuciones son mucho más rápidas.
• Para los idiomas CJK (chino, japonés, coreano), el paquete de idioma es notablemente más grande (~15-25MB por idioma). La primera ejecución tarda más que con idiomas latinos.
• El reconocimiento de escritura a mano no es el fuerte de esta herramienta. Tesseract maneja bien el texto impreso pero le cuesta la letra cursiva. La precisión baja al 30-60% con manuscritos.
• El OCR añade una capa de texto oculta debajo de la imagen visible. Si el PDF de salida parece igual, es lo esperado: prueba a seleccionar texto para confirmar que el OCR funcionó.