Extraer el texto de una imagen

Texto atrapado en píxeles

Una foto de un recibo, la captura de una conversación, la imagen de una pizarra: todas contienen información que una persona lee de un vistazo, pero que una base de datos no puede consultar, un buscador no puede encontrar y un script no puede analizar. El reconocimiento óptico de caracteres existe precisamente para cerrar esa brecha, y es una tecnología práctica desde que los escáneres planos y los primeros motores de reconocimiento hicieron viable digitalizar archivos de papel hace décadas; la api ocr aplica ese mismo principio a cualquier imagen que llegue hoy a su flujo de trabajo.

Qué envía y qué recibe

Envía una imagen — una foto tomada con el celular, una captura de pantalla, una página escaneada guardada como imagen — y el servicio la analiza para detectar y transcribir el texto que contiene, devolviendo el contenido reconocido como texto plano que puede guardar, buscar o pasar a otro proceso. Está preparado para la variabilidad de las imágenes reales: iluminación desigual, una ligera inclinación, texto sobre un fondo cargado, porque las imágenes de producción rara vez son tan limpias como un escaneo de laboratorio.

El ciclo de la solicitud asíncrona

Una llamada a POST /ocr/image devuelve un task_id de inmediato en lugar de obligarle a mantener una conexión abierta mientras corre el reconocimiento. Una vez extraído el texto, se le avisa mediante un webhook firmado — la opción indicada para un flujo que procesa muchas imágenes de forma automática — o puede obtener el resultado desde un enlace firmado que permanece válido 24 horas, útil cuando una persona solo necesita bajar una transcripción.

Dónde encaja el OCR en un sistema más grande

Esto encaja de forma natural detrás de una función de carga de documentos, una app que escanea recibos, una herramienta de inventario que fotografía etiquetas de producto, o cualquier flujo donde los usuarios entregan imágenes en lugar de datos escritos. Como el endpoint es asíncrono y sin estado por solicitud, escala igual sea que procese la carga de un solo usuario o un trabajo por lotes con miles de imágenes durante la noche, sin necesitar una integración distinta para cada caso.

Costo, reintentos y manejo de datos

El precio es de $0.010 por solicitud más $0.0575 por imagen, publicado y predecible, sin sistemas de tokens ni unidades inventadas. Las imágenes que fallan en el reconocimiento se reintentan tres veces antes de devolver un error claro, y una tarea fallida nunca se cobra — solo paga por texto realmente entregado. El acceso requiere saldo prepago, sin plan gratuito ni prueba, lo que mantiene el endpoint rápido y libre de abuso; sin saldo, las llamadas devuelven 402. Las imágenes cargadas y el texto extraído se eliminan tras la ventana de retención y nunca se usan para entrenamiento.