OCR significa reconhecimento ótico de caracteres, um nome pomposo para uma ideia simples: software que olha para uma imagem de texto — uma fotografia, uma digitalização, uma página de PDF — e descobre que letras e números lá estão.
Isto importa porque uma fotografia de um recibo, para um computador, é apenas uma grelha de pontos coloridos. Ele não consegue pesquisá-la, copiá-la nem ler o total. Aplique o OCR a essa fotografia e os pontos tornam-se texto a sério: «Blue Bottle Coffee… $14.20…» Agora o computador consegue encontrá-lo quando pesquisa, da mesma forma que encontra um e-mail.
É este o conceito todo. Entra uma imagem de palavras, saem palavras pesquisáveis. Tudo o resto sobre o OCR é pormenor — incluindo o pormenor de por que, mesmo com OCR por todo o lado, continua sem conseguir encontrar a garantia da sua máquina de lavar loiça. Já lá chegamos.
Já usa OCR todos os dias
O OCR parece software empresarial de 2003, mas provavelmente usou-o esta manhã sem dar por isso:
- A pesquisa nas Fotografias do seu iPhone. A Apple chama à sua versão Texto Detetado. O telemóvel lê discretamente o texto de todas as fotografias que tira, e é por isso que consegue pesquisar nas suas fotografias palavras de um letreiro ou de um recibo e obter resultados a sério. Também pode tocar em qualquer fotografia e copiar o texto diretamente dela.
- Aplicações de digitalização. Quando digitaliza um documento com o iPhone, a aplicação tira a fotografia — e depois é o OCR que torna o PDF resultante pesquisável, em vez de ser apenas uma fotografia disfarçada de documento.
- O seu banco. Deposite um cheque fotografando-o, e o OCR lê o montante e os números da conta.
- O correio. Os serviços postais usam OCR para ler moradas e encaminhar envelopes há décadas. É tecnologia genuinamente antiga que foi melhorando devagar.
Por isso, quando uma aplicação de digitalização anuncia «PDFs pesquisáveis», isso é OCR. Não é uma marca nem um produto — é o nome genérico para ensinar os computadores a ler.
Como funciona, por alto
Não precisa da engenharia, mas a versão de um parágrafo ajuda a prever quando vai falhar.
O software de OCR procura as formas dos caracteres: este conjunto de píxeis escuros curva como um «S», aquele tem o traço de um «t». O OCR moderno é muito bom nisto com texto impresso e limpo — boa luz, página plana, tipos de letra normais. Depois junta os caracteres em palavras e as palavras em linhas, e entrega-lhe o resultado como texto simples.
Repare no que está a acontecer: ele reconhece caracteres. Não recibos, não contratos, não «este número é um total e aquele é uma data». Caracteres. Guarde isto, porque é a fenda por onde tudo escorrega.
Onde o OCR tropeça a sério
Três limites aparecem vezes sem conta na vida real:
Caligrafia. Texto impresso é um problema resolvido; a sua letra não é. Letra de forma e bem escrita costuma sobreviver. Letra cursiva, apontamentos apertados na margem e tudo o que tenha sido escrito por um médico sai destroçado ou não sai de todo. Se os seus documentos importantes incluem páginas manuscritas, o OCR simples vai desiludi-lo.
Esquemas de página. O OCR lê da esquerda para a direita, de cima para baixo. Os documentos reais não colaboram: os recibos alinham os preços numa coluna torta à direita, os formulários espalham rótulos e caixas por todo o lado, as tabelas viram sopa de palavras. Os caracteres podem estar todos corretos enquanto a ordem é um disparate — «Total 3 $14.20 Qtd. Oat Latte.»
Contexto. Este é o mais importante. O OCR consegue dizer-lhe que uma página contém os caracteres «15/03/2027». Não consegue dizer-lhe se isso é uma data de validade, uma data de compra ou o dia em que o formulário foi impresso. Ele sabe quais são as letras, não o que significam.
Por que texto pesquisável ainda não são documentos que se conseguem encontrar
Aqui está a consequência prática desse último limite. Imagine que o OCR fez o seu trabalho na perfeição e todas as digitalizações no seu telemóvel são totalmente pesquisáveis. Precisa da garantia da sua máquina de lavar loiça. O que escreve?
«Garantia» — e obtém quarenta resultados, porque todos os recibos mencionam uma garantia. «Máquina de lavar loiça» — nada, porque o recibo diz «BOSCH SHEM63W55N». O texto está todo lá; o significado não. A pesquisa por palavra exata só funciona quando consegue lembrar-se de uma palavra exata, e a papelada é precisamente aquilo que está a tentar não guardar na cabeça.
| O OCR dá-lhe | A compreensão dá-lhe | |
|---|---|---|
| Um recibo | Os caracteres que lá estão | «Um recibo, da Bosch, $649, março de 2025» |
| Uma digitalização do passaporte | Nomes e números como texto | «O seu passaporte — caduca a 15/03/2027» |
| A sua pergunta | Correspondências de palavras exatas | Uma resposta a sério, com o documento anexado |
O passo além do OCR: saber o que um documento é
O passo seguinte é software que não fica pela leitura dos caracteres mas descobre o que o documento é: um recibo, de quem, de quanto, válido até quando. Uma vez que isso se sabe, «onde está a garantia da máquina de lavar loiça?» passa a ser uma pergunta com resposta, em vez de um jogo de adivinhas sobre que palavras aparecem na página.
É à volta dessa parte que o Paperlock foi construído. Digitaliza ou importa um documento para um cofre protegido por Face ID no seu iPhone, e ele lê tudo — incluindo caligrafia — e percebe-o: o tipo, o remetente, as datas, os montantes. Sem pastas nem nomes de ficheiros; ele organiza as coisas sozinho. Depois pergunta em português corrente — «quando caduca o meu passaporte?», «quanto gastei no Blue Bottle?» — e recebe a resposta com o documento de origem anexado. Se a resposta não estiver no seu cofre, ele diz isso em vez de adivinhar. Tudo o que tenha data de validade recebe lembretes automáticos 30 dias e 7 dias antes. Pode ver como tudo isto funciona aqui; chega em breve à App Store.
Uma ressalva que merece uma frase só para si: sempre que uma aplicação lê os seus documentos — OCR ou algo mais inteligente — vale a pena saber onde essa leitura acontece e o que é guardado. Escrevemos um guia honesto sobre se as aplicações de digitalização são seguras e o que deve verificar antes de confiar numa.
A versão curta
O OCR transforma imagens de texto em texto pesquisável, e está discretamente em todo o lado — o seu rolo da câmara, a sua aplicação de digitalização, o seu banco. É genuinamente útil e genuinamente limitado: instável com caligrafia, confundido por esquemas de página e cego ao significado. Dá-lhe as letras; não consegue distinguir a garantia da máquina de lavar loiça do recibo do jantar.
Para encontrar as coisas, é essa última falha que conta — e fechá-la é para isso que serve o passo a seguir ao OCR.