Cómo convertir documentos manuscritos a texto

Si tienes una pila de documentos manuscritos que claman por ser digitalizados para permitir una fácil edición, compartición y almacenamiento, la tecnología de escritura a texto (HTR) está aquí para rescatarte. Con su ayuda, puedes convertir documentos manuscritos a texto en unos pocos pasos simples, y todo lo que necesitas es un escáner y software.

Tabla de Contenidos

• El Desafío de Escanear Documentos Manuscritos
• Convertir Documentos Manuscritos a Texto Usando Transkribus
• Alternativas a Transkribus

El Desafío de Escanear Documentos Manuscritos

Escanear documentos manuscritos y convertirlos a texto digital puede ser realmente complicado, ya que conlleva un conjunto único de desafíos:

• La escritura varía de persona a persona, lo que dificulta que el software estándar de Reconocimiento Óptico de Caracteres (OCR) reconozca y transcriba el texto con precisión.
• Los documentos manuscritos a menudo contienen errores, como palabras tachadas y errores ortográficos, que pueden confundir aún más al software de escaneo.
• Muchos documentos que han sido escritos a mano son antiguos, y la calidad del papel, la tinta utilizada e incluso la presencia de marcas o pliegues puede complicar aún más el proceso de escaneo.

Para hacer frente a estos y otros desafíos, los desarrolladores de software han creado software especializado de Escritura a Texto (HTR), diseñado específicamente para la tarea de convertir documentos manuscritos a texto.

Las herramientas HTR utilizan algoritmos avanzados para adaptarse a diferentes estilos de escritura, diferenciar entre texto intencionado y marcas o correcciones erróneas, y lidiar con documentos viejos o dañados.

Convertir Documentos Manuscritos a Texto Usando Transkribus

Cuando se trata de convertir documentos manuscritos a texto, hay muchas herramientas HTR disponibles. Sin embargo, la que más recomiendo es Transkribus. Es un software en línea con una versión de escritorio que es extremadamente fácil de usar, y puedes entrenarlo para mejorar su rendimiento.

Fuera de la caja, los resultados con Transkribus pueden ser decepcionantes. Sin embargo, el verdadero poder de esta herramienta radica en su interfaz de entrenamiento. Con algo de tiempo y esfuerzo, puedes entrenar a Transkribus para que reconozca tu escritura más precisamente, lo que puede mejorar significativamente la calidad de la transcripción.

La versión gratuita de Transkribus te permite convertir hasta 100 documentos y realizar hasta cinco ejecuciones de entrenamiento al mes (más sobre esto pronto). Para comenzar, visita el sitio web de la herramienta, haz clic en el botón Probar gratis y crea una cuenta de usuario.

Para comenzar a convertir tu documento, abre la colección predeterminada en Transkribus. Piensa en colecciones como carpetas donde puedes organizar tu trabajo, y cada colección contiene documentos individuales. Cada documento está compuesto por imágenes que representan las páginas reales de tu texto.

Para añadir tu documento, haz clic en el botón Subir Archivos. Transkribus acepta varios formatos, como JPEG, PNG y PDF, pero para un reconocimiento óptimo, se recomienda usar JPEG de 300 DPI. Una vez que tus documentos estén subidos, estás listo para convertir el documento manuscrito a texto.

Abre el documento y selecciona todas las imágenes que deseas convertir. Haz clic en el botón Reconocer.

Transkribus ofrece una variedad de modelos públicos para diferentes idiomas y períodos de tiempo. Para un reconocimiento inmediato de texto sin ningún entrenamiento, elige uno que mejor se adapte a las características de tu documento, luego haz clic en el botón Iniciar Reconocimiento y espera. Yo elegí el modelo The English Eagle.

Los trabajos de reconocimiento de texto de los usuarios gratuitos reciben baja prioridad, por lo que puede tardar un tiempo en que Transkribus termine.

Después del proceso de reconocimiento, ajusta los resultados utilizando el editor de documentos de Transkribus. Sincroniza las vistas de texto e imagen para un proceso de edición intuitivo. Puedes utilizar etiquetas para marcar entidades, eventos o transcripciones inciertas.

Entrenar un Modelo Personalizado para Mejorar el Rendimiento de HTR

Para entrenar un modelo personalizado, prepara tus datos de verdad de base. Esto implica transcribir con precisión un conjunto de documentos manuscritos que coincidan con los estilos de escritura que quieres que el modelo reconozca. Cuanto más variados y representativos sean tus datos, mejor funcionará tu modelo.

Para entrenar un modelo, haz clic en el botón Entrenar Nuevo Modelo. Selecciona la opción Modelo de Reconocimiento de Texto, elige la colección que contiene tu(s) documento(s) de verdad base, luego selecciona las páginas que se incluirán en los datos de entrenamiento y validación. Los datos de entrenamiento se utilizan para ajustar los parámetros del modelo, mientras que los datos de validación proporcionan una evaluación imparcial del rendimiento del modelo.

Configura los ajustes del modelo, como el idioma y el conjunto de caracteres para comenzar el proceso de entrenamiento, que implica múltiples ciclos o “épocas” donde el modelo aprende de tus datos. Transkribus detiene automáticamente el entrenamiento cuando el rendimiento del modelo deja de mejorar.

Después del entrenamiento, utiliza tu modelo personalizado para transcribir nuevos documentos con mayor precisión.

Alternativas a Transkribus

Si bien Transkribus es mi opción principal para convertir documentos manuscritos a texto, hay muchas otras excelentes opciones:

• Pen2Txt es un recién llegado en el panorama de HTR. Su objetivo es ofrecer una alta precisión aprovechando lo último en tecnología de IA para adaptarse a diversos estilos de escritura. Aunque todavía es un trabajo en progreso, Pen2Txt ofrece una interfaz amigable y un rendimiento sólido. Sin embargo, los usuarios gratuitos están limitados a solo tres conversiones.
• Google Document AI es parte de la suite de herramientas de procesamiento de documentos impulsadas por IA de Google. Ofrece un excelente reconocimiento inmediato sin necesidad de entrenamiento, lo que lo convierte en una opción sólida para conversiones rápidas. Puedes obtener $300 en crédito gratuito para probar la herramienta, pero deberás pagar por cada conversión para uso continuo.
• GrabText es una herramienta en línea simple que captura texto manuscrito o impreso de fotos, gráficos y documentos, y lo convierte en texto editable. Ofrece un sencillo proceso de tres pasos: captura el texto, aplica correcciones automáticas (incluyendo ortografía y gramática), y exporta el texto convertido en varios formatos. Desafortunadamente, necesitas invitar a un amigo para usarlo gratis.

Ya sea que elijas Transkribus o alguna de las alternativas mencionadas anteriormente, podrás digitalizar tus documentos con facilidad. Si estás buscando más opciones, aprende cómo convertir imágenes a texto utilizando OCR en Android.

Crédito de imagen: Pixabay. Todas las capturas de pantalla de David Morelo.