What is OCR para PDF?
El OCR (reconocimiento óptico de caracteres) convierte el texto de una imagen —como un PDF escaneado— en texto que un ordenador puede leer. En el caso de los formularios PDF, los sistemas de OCR modernos también detectan los límites de los campos, las casillas de verificación y las zonas de firma, de modo que un PDF escaneado plano se vuelve rellenable.
Por qué es importante el OCR para los formularios
La mitad de los PDF que se usan en el día a día son documentos escaneados planos: formularios impresos que alguien ha escaneado y enviado por correo. Sin OCR, una herramienta solo puede ver píxeles. Con OCR, la herramienta puede leer las etiquetas de los campos («Nombre», «Fecha de nacimiento», «Número de pasaporte»), encontrar los recuadros vacíos a su lado y tratar el documento escaneado como un formulario rellenable.
Qué hace el OCR moderno además de leer texto
El OCR antiguo solo reconocía texto. Los sistemas modernos combinan el reconocimiento de caracteres con modelos de visión que interpretan la maquetación y clasifican las zonas de la página: esta zona es un campo de texto, esta es una casilla de verificación, esta es una línea de firma. Esa inteligencia de maquetación es lo que convierte el OCR de una simple herramienta de transcripción a una herramienta para rellenar formularios.
Cuándo falla el OCR
La calidad es fundamental. Un escaneo nítido a 300dpi funciona casi a la perfección, pero una foto hecha con el móvil en ángulo y con poca luz, no. Las etiquetas de campo escritas a mano, los escaneos con calidad de fax y los formularios que mezclan varios idiomas en una misma página son problemáticos. La solución tiene varias capas: un OCR mejor para los casos sencillos, modelos de visión entrenados en varios idiomas para los difíciles y un paso de revisión humana para los casos límite.
Cómo usa FillWizard el OCR
Cuando subes un PDF plano, FillWizard ejecuta un OCR junto a un modelo que interpreta la maquetación y detecta campos en cinco idiomas —incluidos formularios en árabe que se leen de derecha a izquierda—. Los campos detectados se asocian con tu perfil de identidad. Antes de exportar, verás un paso de revisión donde se marcan los campos con baja fiabilidad para que puedas corregirlos. Los valores se superponen sobre el escaneo original y el resultado se exporta como un PDF plano.
Related terms
- AcroFormAcroForm es la tecnología original de formularios PDF, integrada en la especificación PDF de Adobe. Un PDF AcroForm incrusta objetos de campo rellenables —nombres, tipos, posiciones, valores por defecto— directamente en la estructura del PDF, por lo que cualquier lector de PDF moderno puede detectarlos y rellenarlos mediante programación.
- Acoplar un formulario PDFAcoplar un formulario PDF integra los valores de los campos rellenados en el contenido de la propia página. Después de acoplarlo, los campos ya no se pueden editar, los valores pasan a formar parte del documento de forma permanente y el archivo se abre exactamente igual en cualquier lector de PDF.