Um PDF digitalizado parece um documento normal, mas é, na verdade, apenas uma pilha de imagens. Não consegue selecionar o texto, pesquisar uma palavra nem copiar uma frase — porque, para o computador, ali não existe texto nenhum, apenas uma imagem dele. É aqui que entra o OCR (reconhecimento ótico de caracteres): lê as formas das letras na imagem e reconstrói o texto real.
O ColaPDF torna o seu PDF digitalizado pesquisável executando o OCR diretamente no seu navegador e adicionando uma camada de texto invisível por cima de cada página. A página continua com o mesmo aspeto, mas agora pode pesquisar, selecionar e copiar o texto. Como o reconhecimento acontece no seu próprio dispositivo, documentos sensíveis — registos médicos, contratos, papéis legais — nunca são enviados para ninguém. Apenas o motor de OCR genérico e o modelo de idioma vêm de um CDN público; o seu arquivo fica consigo.
Não. O reconhecimento de texto (OCR) acontece inteiramente no seu navegador. O seu PDF nunca sai do seu dispositivo. Apenas o motor de OCR e o modelo de idioma são baixados de um CDN público — nunca o seu arquivo.
Um PDF digitalizado é, na verdade, só imagens das páginas, por isso não dá para selecionar nem pesquisar o texto. O OCR lê o texto e adiciona uma camada de texto invisível por cima, para poder pesquisar, selecionar e copiar.
O OCR é muito bom com texto impresso e nítido. A precisão diminui com manuscrito, digitalizações de baixa resolução, fontes invulgares ou layouts em várias colunas. Escolher o idioma certo do documento ajuda muito.
Na primeira vez que usa um idioma, o seu modelo de reconhecimento (alguns MB) é baixado e guardado em cache. Depois disso é muito mais rápido.
Português, Inglês, Espanhol, Francês, Alemão e Italiano, incluindo opções combinadas como Português + Inglês para documentos mistos.