PDF a Texto (OCR)
Del escaneo al texto que puedes editar
Extrae el texto de un PDF escaneado para copiarlo, buscarlo o editarlo en Word. Elige las páginas y el idioma de reconocimiento; recibirás texto plano, Markdown y un documento DOCX sin modificar el PDF original.
Coste: Hay opciones gratuitas. Las opciones Pro o el uso que supere la cuota gratuita pueden requerir créditos; consulta la guía de abajo.
Cómo convertir un PDF escaneado a texto
Selecciona un PDF
Pulsa Seleccionar PDF o arrastra un PDF de hasta 200 MB a la vista previa. Subidas permite elegir PDFs que hayas cargado desde otras herramientas. Cada trabajo procesa un único archivo.
Localiza las páginas necesarias
El contador de la vista previa indica la posición dentro del archivo, por ejemplo
4 / 12. Escribe esas posiciones en Pages (optional), como1-3,7, o deja el campo vacío para reconocer todas las páginas.Elige el idioma del documento
Idioma del Documento empieza en Auto-detect, adecuado también para páginas con varios idiomas. Si una primera lectura confunde caracteres, selecciona el idioma principal del documento.
Decide el formato de salida
El valor inicial de Formato de salida es Plain Text (.txt). Elige Markdown (.md) para conservar encabezados, listas y tablas como estructura de texto.
Comprueba las unidades y empieza
El recuadro muestra la selección y su coste, por ejemplo Páginas seleccionadas
12/12· unidades2. Pulsa Extract text y mantén la página abierta hasta recibir el resultado. Un trabajo puede durar hasta 30 minutos.Revisa el texto y guárdalo
Lee el panel Extracted text. Copiar envía el contenido al portapapeles; Download text descarga
pdf-ocr.txtopdf-ocr.mden UTF-8. DOCX descarga un documento de Word editable. Los resultados se guardan también en el gestor de archivos compartido.
Idioma, formato y selección de páginas
Las tres opciones de Configuración afectan al reconocimiento o al texto obtenido. El PDF original conserva su contenido y diseño.
- Idioma del Documento: Auto-detect
- Opción inicial. GLM-OCR, el modelo de reconocimiento de Z.ai, identifica por sí mismo el idioma y la escritura. No recibe una indicación manual de idioma; puedes usarlo en documentos que alternan varios.
- Idioma del Documento: un idioma concreto
- El selector muestra English, German, Spanish, French, Italian, Portuguese, Russian, Japanese, Chinese, Arabic e Hindi. Al elegir uno, Google Gemini reconoce las páginas usando el idioma, su escritura y su dirección de lectura como pistas para caracteres ambiguos y límites entre palabras. Esto ayuda a distinguir, por ejemplo, caracteres compartidos por chino y japonés. Los fragmentos en otros idiomas mantienen su idioma original.
- Formato de salida: Plain Text (.txt)
- Devuelve texto con saltos de línea y párrafo, sin marcas Markdown. Las viñetas se convierten en líneas con
-. Las tablas reconocidas pasan a una línea por fila, con tabulaciones entre celdas para pegarlas en columnas de una hoja de cálculo. Úsalo en correos, formularios o índices de búsqueda. - Formato de salida: Markdown (.md)
- Mantiene encabezados con
#, listas, énfasis y tablas mediante marcas de texto. Resulta útil para llevar informes a una wiki, una aplicación de notas o un editor Markdown. Un editor de texto plano muestra esas marcas sin renderizar. - Pages (optional)
- Vacío significa todas las páginas. Puedes combinar números y rangos separados por comas:
5-10o1-3,7. Solo se reconocen y contabilizan las páginas seleccionadas, en el orden del archivo; repetir un número no suma otra página. Usa posiciones del PDF, no la numeración impresa, y escribe ambos extremos del rango. Si una posición no existe, se indica el número real de páginas antes de procesar.
Cuántas unidades OCR consume la selección
Cada unidad cubre hasta 10 páginas seleccionadas y el cálculo se redondea hacia arriba por trabajo. Una carta de 1 página y un formulario de 10 consumen 1 unidad; 11 páginas consumen 2 y un contrato de 37 consume 4. La selección 1-3,7 contiene 4 páginas y consume 1 unidad.
Dividir un informe de 60 páginas en 1-20, 21-40 y 41-60 consume las mismas 6 unidades que procesarlo entero. En cambio, dos trabajos separados de 5 páginas consumen 2 unidades en vez de 1. Para revisar un documento largo por partes, los bloques de múltiplos de 10 evitan ese redondeo adicional.
El uso se cuenta por cuenta o, para invitados, por dirección IP. Se aplican ventanas móviles de 1 hora y 24 horas; las unidades gratuitas disponibles corresponden al menor saldo restante. Si lo superas, puedes iniciar sesión y pagar 1 crédito por cada unidad adicional. Sin saldo suficiente, selecciona menos páginas o espera a que los usos anteriores salgan de esas ventanas.
Cómo preparar un escaneo legible
La nitidez de las imágenes de página condiciona el texto que se puede reconocer.
Comprueba las letras pequeñas
Para escanear texto impreso, 300 dpi es un punto de partida orientativo: comprueba que las letras pequeñas queden nítidas. Es una recomendación de preparación, no un requisito del archivo. Un fax o un escaneo de baja resolución puede difuminar esos detalles.
Pon las páginas del derecho
Las líneas horizontales y las páginas orientadas correctamente facilitan la lectura. Si el documento está de lado o boca abajo, usa Rotar PDF antes de extraer el texto.
Si solo necesitas las ideas principales
Resumen de PDF condensa el documento. Es una alternativa a transcribir cada palabra de un informe largo cuando necesitas una síntesis.
Formatos y límites
- Entrada
- PDF escaneado o digital
- Salidas
- Texto plano (.txt) o Markdown (.md) en UTF-8, documento de Word (.docx) y copia al portapapeles
- Tamaño máximo
- 200 MB por PDF
- Archivos por trabajo
- 1 PDF, completo o con selección de páginas
- Uso
- 1 unidad OCR por cada 10 páginas seleccionadas, redondeando hacia arriba por trabajo
- Procesamiento
- En nuestros servidores, con reconocimiento de GLM-OCR (Z.ai) o Google Gemini. Hasta 30 minutos por trabajo.
- Marca de agua
- Ninguna
- Almacenamiento
- Los archivos cargados y resultados se eliminan automáticamente tras 48 horas para invitados y 30 días para cuentas gratuitas. Los planes de pago permiten conservar archivos más tiempo.
Preguntas frecuentes
¿El PDF escaneado tendrá texto que pueda buscar?
El texto se entrega por separado como TXT, Markdown o Word. No se añade una capa de texto al PDF ni se modifica su diseño. Conserva el PDF original si necesitas las páginas con su aspecto inicial.
¿Puedo extraer texto de un PDF escaneado gratis?
Sí, dentro de las unidades OCR gratuitas disponibles y sin marca de agua. Cada trabajo consume 1 unidad por cada bloque de hasta 10 páginas seleccionadas; ves el cálculo antes de pulsar Extract text. Si superas el saldo, selecciona menos páginas, espera a recuperar unidades o inicia sesión para pagar 1 crédito por unidad adicional.
¿Por qué hay palabras o cifras mal reconocidas?
Los escaneos borrosos, torcidos o con poco contraste dificultan distinguir 0 de O, 1 de l o rn de m. Contrasta nombres, importes, fechas y referencias con la vista previa. Para comparar lecturas, cambia Idioma del Documento entre Auto-detect y el idioma concreto: alternarás GLM-OCR y Gemini. Pasar de un idioma concreto a otro mantiene Gemini. Cada nueva ejecución consume unidades.
¿Se envía el PDF a un servicio externo?
Sí. Nuestros servidores envían el PDF a Z.ai para GLM-OCR con Auto-detect, o a Google Gemini cuando eliges un idioma concreto. Si Gemini alcanza su límite de solicitudes, la misma petición se tramita mediante OpenRouter. Los plazos de almacenamiento indicados corresponden a nuestros archivos y resultados, no a las políticas de esos proveedores.
¿La herramienta traduce el documento?
No. El texto mantiene el idioma en que está escrito. Elegir Spanish, por ejemplo, en Idioma del Documento orienta el reconocimiento de caracteres ambiguos; no traduce los pasajes en otros idiomas de la misma página.
¿Por qué no se ha completado el trabajo?
Antes del reconocimiento, el servidor debe leer el número de páginas. Si el PDF pide contraseña al abrirse, elimina esa protección primero con Desbloquear PDF. Si las páginas seleccionadas no contienen texto legible, como ocurre con páginas en blanco, el trabajo termina con un error de texto no extraído.