OCR

OCR extrae texto de imágenes, escaneos y capturas de pantalla de documentos.

Después del reconocimiento, puede copiar el resultado, exportarlo como Markdown, PDF o Word, o empaquetar varios formatos para descargarlos juntos.

Qué puede hacer OCR

Función	Descripción
Reconocimiento de texto en imágenes	Extrae texto de imágenes, capturas de pantalla y escaneos.
Reconocimiento de diseño de documentos	Mejor para tablas, fórmulas, sellos y diseños mixtos de texto e imagen.
Varios servicios	Admite Baidu PaddleOCR, Microsoft Azure Vision y Google Vision.
Copiar resultados	Copia el texto reconocido después del procesamiento.
Exportar archivos	Exporta Markdown, PDF y Word.
Empaquetado por lotes	Después de reconocer varios archivos, permite descargar los resultados como un paquete.

Configure primero los servicios de OCR

Abra:

System Settings -> Other Settings -> OCR

Rellene las credenciales de los servicios que desea usar:

Servicio	Qué introducir	Más adecuado para
Baidu PaddleOCR	PaddleOCR Token	Primera opción recomendada. Adecuado para documentos, imágenes, tablas y diseños mixtos.
Microsoft Azure Vision	Azure Vision Endpoint y Azure Vision API Key	Útil si ya usa servicios en la nube de Microsoft.
Google Vision	Google Vision API Key. El JSON de cuenta de servicio solo se usa para consultar cuota.	Útil si usa servicios de Google Cloud.

Guarde después de introducir las credenciales.

Puede configurar solo un servicio para la prueba inicial. No necesita los tres.

Configurar Google Vision

La configuración de Google tiene dos partes:

Objetivo	Requisito
Usar OCR	Activar Cloud Vision API y luego crear una API Key.
Consultar uso	Crear una cuenta de servicio, conceder Monitoring Viewer y luego descargar el JSON de la cuenta de servicio.

Usar Google para OCR

1. Abra Google Cloud Console.
2. Vaya a APIs & Services.
3. Abra Library, busque Cloud Vision API y actívela.
4. Vuelva a Credentials.
5. Cree una API Key.
6. Abra la API Key y cópiela.
7. Péguela en Google Vision API Key dentro de ImgHost.
8. Guarde.

Después podrá elegir Google Vision en el diálogo de OCR.

Consultar uso de Google

La consulta de cuota no es necesaria para el reconocimiento.

Solo muestra de forma aproximada cuántas llamadas a Google Vision se usaron en los últimos 30 días.

1. En Google Cloud Console, abra IAM & Admin.
2. Abra Service Accounts.
3. Cree una cuenta de servicio, por ejemplo vision-monitor.
4. Concédale el rol Monitoring Viewer.
5. Abra los detalles de la cuenta de servicio y cree una clave.
6. Elija JSON.
7. Descargue el archivo JSON generado.
8. Vuelva a ImgHost e impórtelo en la cuenta de servicio JSON (opcional).
9. Cuando la importación se complete correctamente, haga clic en consulta de cuota.

Después de importar, ImgHost muestra el nombre del proyecto al que pertenece la cuenta de servicio. Al consultar el uso, ImgHost lee datos de supervisión de Google y muestra el número de llamadas de este mes.

En resumen:

Elemento	Propósito
Google Vision API Key	Ejecuta el reconocimiento OCR.
Cuenta de servicio JSON	Consulta cuántas llamadas a Google Vision se usaron.
Rol Monitoring Viewer	Permite que la cuenta de servicio lea datos de uso.

Obtener un Baidu PaddleOCR Token

Baidu PaddleOCR requiere un token de acceso.

Abra la ventana de llamada API en la página de Baidu PaddleOCR, haga clic para obtener un token y cópielo.

Vuelva a ImgHost, péguelo en PaddleOCR Token y guarde.

Iniciar reconocimiento

En Gestión de archivos, seleccione una imagen o captura de pantalla de documento y haga clic en OCR.

En el diálogo, elija el servicio de reconocimiento y el modelo.

Opciones comunes de modelos PaddleOCR:

Modelo	Más adecuado para
PP-StructureV3	Valor predeterminado recomendado. Adecuado para documentos, tablas, fórmulas, sellos y diseños mixtos.
PP-OCRv5	Imágenes simples, texto normal y reconocimiento ligero.
PaddleOCR-VL	Imágenes multilingües y complejas, y contenido de tipo gráfico.
PaddleOCR-VL-1.5	Páginas de documentos más complejas y recuperación de la disposición.

Si no está seguro, empiece con PP-StructureV3.

Opciones avanzadas

Opción	Descripción
Corrección de orientación	Úsela cuando la imagen esté girada o inclinada.
Aplanado de documento	Úselo para documentos fotografiados con curvatura o inclinación.
Detección de diseño	Úsela cuando quiera conservar encabezados, párrafos, tablas y estructura visual.
Reconocimiento de gráficos	Úselo cuando la imagen contenga gráficos o estructuras complejas.
Mejorar Markdown	Hace que el Markdown exportado sea más fácil de leer.

Para capturas de pantalla normales, mantenga las opciones al mínimo. Para escaneos de documentos, active más opciones relacionadas con documentos.

Ver resultados

Cuando termine el reconocimiento, el diálogo mostrará el resultado.

Puede copiarlo directamente o elegir formatos de exportación.

En páginas de documentos, el PDF exportado puede conservar el aspecto de la página y mantener el texto apto para búsquedas. Esto es útil para archivar escaneos y encontrar contenido más adelante.

Elegir formato de exportación

Formato	Más adecuado para
Markdown (.md)	Notas, sistemas de documentación y edición posterior.
PDF (.pdf)	Conservar el aspecto de la página y los resultados de documentos escaneados.
Word (.docx)	Continuar editando diseño y texto, y entregar a otras personas.
Exportar todo	Guarda varios formatos y la imagen original; adecuado para archivos importantes.

Si solo necesita texto, exporte Markdown.

Si necesita conservar el aspecto de la página, use PDF o Word.

Salida de Word

Los documentos Word exportados pueden abrirse y editarse con software ofimático.

Algunos documentos incluyen imágenes, encabezados y párrafos reconocidos en la salida de Word.

La calidad del reconocimiento depende de la claridad de la imagen original, la elección del modelo y la complejidad del documento.

Mejores tipos de archivo para OCR

Tipo de archivo	Recomendación
Capturas de pantalla claras	Reconocer directamente.
Escaneos	Preferir PP-StructureV3.
Documentos fotografiados	Activar corrección de orientación y aplanado de documento.
Tablas, fórmulas, sellos	Preferir modelos estructurados.
Imágenes simples de texto corto	PP-OCRv5 suele ser suficiente.

Las imágenes más claras y con texto más recto suelen producir mejores resultados.

Casos comunes

Caso	Significado
El reconocimiento falla	Compruebe que el token o la clave del servicio se haya guardado.
El reconocimiento es lento	Los documentos complejos y las imágenes grandes tardan más.
La tabla está incompleta	Pruebe un modelo estructurado.
El texto tiene errores	El desenfoque, los reflejos y la inclinación aumentan los errores de reconocimiento. Pruebe con una imagen más clara.
La salida Word contiene muchas imágenes	Los modelos estructurados pueden conservar algunas imágenes reconocidas. Es normal.

La consulta de cuota de Google falla

Compruebe:

1. Que se haya importado la cuenta de servicio JSON.
2. La cuenta de servicio tiene el rol Monitoring Viewer.
3. Cloud Vision API está activada para el proyecto.

Si solo necesita OCR y no la consulta de uso, puede ignorar el JSON de cuenta de servicio y rellenar solo Google Vision API Key.

Flujo rápido

Open System Settings
-> Open Other Settings
-> Fill OCR service credentials
-> Save
-> Return to File Management
-> Select a file and click OCR
-> Choose a model
-> Wait for recognition
-> Copy results or export Markdown / PDF / Word