OCR de PDF digitalizado: texto em 11 idiomas, grátis

Como usar

Escolha o PDF digitalizado com Escolher um arquivo. O número de páginas aparece abaixo do nome.
Deixe Páginas vazio para as primeiras 20 páginas, ou digite páginas como 1-3, 8. No máximo 20 páginas são lidas em uma execução.
Escolha o Idioma do texto, depois clique em Ler o texto. Cada página aparece sob o próprio título conforme é lida; Cancelar interrompe a execução a qualquer momento.
Confira a página marcada como incerta com a digitalização, depois clique em Copiar, ou em Baixar para guardar um arquivo .txt.

Como as páginas são lidas

Cada página é desenhada a partir do PDF com 300 dpi, e uma página muito grande é desenhada menor para caber na memória do navegador. A imagem é lida pelo Tesseract, o motor de OCR de código aberto, que roda em um worker da web para que a página continue respondendo. O motor encontra as linhas de texto e depois lê cada caractere com uma rede neural treinada em texto impresso no idioma escolhido. Os arquivos de idioma são os modelos rápidos do tessdata_fast.

O que faz uma digitalização ser bem lida

Texto reto, nítido e escuro em uma página limpa é lido melhor, a partir de uma digitalização de 200 dpi ou mais. Uma página torta, clara ou com sombra é lida pior, e o mesmo vale para letras muito pequenas, como notas de rodapé. Letra manuscrita e fontes decorativas não são lidas com segurança, porque o motor foi feito para texto impresso. Uma página sem texto, como uma página em branco ou um desenho, é informada como sem texto.

Os limites de uma execução

Uma execução lê no máximo 20 páginas. O motor pode levar 2 minutos para iniciar e 1 minuto por página; uma execução que demorar mais é interrompida, e as páginas já lidas ficam na caixa. A confiança que o motor dá a cada página é uma estimativa dele para as suas palavras, então uma página abaixo de 60 é marcada para conferência. É um guia, não uma prova de que cada palavra está certa. Um PDF que já tem texto não precisa de OCR: Extrair texto de PDF lê esse texto como ele está guardado.

Seu arquivo fica no seu dispositivo

O PDF é aberto e desenhado no seu navegador pelo pdf.js, uma biblioteca de código aberto, e o motor lê as imagens em um worker. Nada é enviado, e nada é guardado no seu navegador nem no nosso servidor. A caixa de texto fica vazia de novo quando você sai da página.

Exemplo: uma carta digitalizada de 3 páginas

Uma carta de 3 páginas digitalizada como imagens não tem texto que a ferramenta Extrair texto de PDF consiga ler. Basta escolher o arquivo aqui e deixar Páginas vazio: as três páginas são lidas, e a caixa mostra --- Página 1 ---, depois o texto da página 1, depois --- Página 2 --- e assim por diante.

Para ler só a segunda e a terceira páginas, digite 2-3 em Páginas. Essas duas páginas aparecem sob os próprios títulos, e a execução é mais curta.

Perguntas frequentes

Por que uma palavra sai com a letra errada?

O motor lê a forma de cada letra, então uma linha pequena, clara, borrada ou torta pode sair com uma letra trocada. Compare a página com a digitalização. Se muitas palavras saírem erradas, digitalize a página de novo, mais reta e com resolução maior.

Quantas páginas posso ler de uma vez?

No máximo 20 páginas em uma execução. Para um arquivo mais longo, leia em partes: depois da primeira execução, digite 21-40 em Páginas, ou divida o arquivo antes com Dividir PDF.

O que acontece quando uma execução para antes do fim?

A execução para no limite de tempo, quando você clica em Cancelar ou quando o motor falha. As páginas já lidas ficam na caixa sob os seus títulos, e a mensagem diz quantas páginas foram lidas.

Ele consegue ler um PDF que já tem texto?

Ele trabalha sobre as imagens das páginas, então serve para digitalizações. Um PDF que já tem texto é lido com mais exatidão por Extrair texto de PDF, que pega o texto guardado como ele está.

Meu PDF digitalizado é enviado ou guardado?

Não. O PDF é lido no seu navegador e nunca é enviado. Nada é guardado no seu navegador nem no nosso servidor, e o texto some quando você sai da página.

Por que uma página aparece marcada para conferência?

O motor dá a cada página uma confiança média para as palavras que leu. Uma página abaixo de 60 significa que o leitor ficou em dúvida sobre muitas palavras. Um valor alto é bom sinal, mas não prova que cada palavra está certa.

Fontes

Números e texto verificados pela última vez em quarta-feira, 11 de novembro de 2026.