Ir al contenido principal
Español— Elegir un idioma
Menú

OCR: Extracción de texto

Lección 6 de 12 Actualizado el 30 de julio de 2026 Principiante
En esta página
  1. Lectura de texto en imágenes
  2. OCR clásico frente a OCR multimodal
  3. Extracción básica
  4. Extracción estructurada de documentos
  5. Extracción de tarjetas de visita
  6. Procesamiento de capturas de pantalla
  7. Procesamiento de documentos por lotes
  8. Limitaciones del OCR de Grok
  9. Puntos clave

Lectura de texto en imágenes

El OCR (reconocimiento óptico de caracteres) es uno de los casos de uso más potentes de Grok Vision. A diferencia de las herramientas tradicionales que solo extraen caracteres, Grok comprende el contexto del texto en la imagen, su maquetación y su significado.

OCR clásico frente a OCR multimodal

Las herramientas de OCR tradicionales (Tesseract, Google Vision OCR, AWS Textract) destacan en la extracción bruta de caracteres. Grok añade una dimensión extra: entiende qué significa el texto dentro del contexto de la imagen.

Por ejemplo, al procesar una factura escaneada, una herramienta de OCR clásica extrae todos los caracteres. Grok también puede:

  • Identificar campos (número de factura, fecha, importe total)
  • Estructurar los datos en un formato utilizable
  • Corregir errores de OCR mediante el contexto
  • Interpretar tablas y maquetaciones complejas

Extracción básica

Para una extracción sencilla del texto visible:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": url_document,
            "detail": "high"  # Esencial para OCR
        },
        {
            "type": "input_text",
            "text": "Extrae todo el texto visible de esta imagen. Conserva la maquetación tanto como sea posible."
        }
    ],
    store=False
)

El parámetro detail: "high" es esencial para el OCR. En modo low, el modelo puede omitir texto fino o leer mal ciertos caracteres.

Extracción estructurada de documentos

Para documentos profesionales, solicita una extracción estructurada:

def extraire_facture(image_url):
    prompt = """Esta imagen es una factura. Extrae la siguiente
información en JSON:
- "invoice_number": el número de factura
- "date": la fecha de emisión
- "issuer": nombre y dirección del emisor
- "recipient": nombre y dirección del destinatario
- "lines": tabla con columnas [description, quantity, unit_price, total]
- "subtotal": importe sin impuestos
- "vat": importe del IVA
- "total_incl_tax": importe con impuestos

Si un campo no es visible, indica null."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Extracción de tarjetas de visita

def extraire_carte_visite(image_url):
    prompt = """Extrae la información de esta tarjeta de visita en JSON:
- "name": nombre completo
- "title": cargo/puesto
- "company": nombre de la empresa
- "email": dirección de correo electrónico
- "phone": número(s) de teléfono
- "address": dirección postal
- "website": URL del sitio web
- "social_media": enlaces a perfiles de redes sociales"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Procesamiento de capturas de pantalla

Las capturas de pantalla son un caso de uso excelente porque suelen contener texto en maquetaciones complejas (menús, barras laterales, ventanas emergentes):

def analyser_screenshot(image_url):
    prompt = """Analiza esta captura de pantalla e identifica:
1. La aplicación o sitio web mostrado
2. La página o sección visible
3. Los elementos principales de la interfaz (botones, menús, formularios)
4. Cualquier texto importante mostrado
5. Cualquier mensaje de error o notificación"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Procesamiento de documentos por lotes

Para procesar un gran volumen de documentos, combina el OCR de Grok con una canalización de procesamiento:

import json

async def pipeline_ocr(documents):
    resultats = []

    for doc in documents:
        # 1. Validar la imagen
        if not valider_image(doc["chemin"]):
            resultats.append({"fichier": doc["chemin"], "erreur": "Imagen no válida"})
            continue

        # 2. Codificar en base64
        image_url = encoder_base64(doc["chemin"])

        # 3. Extraer con Grok
        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": image_url, "detail": "high"},
                {"type": "input_text", "text": doc["prompt"]}
            ],
            store=False
        )

        # 4. Analizar el resultado
        try:
            data = json.loads(response.output_text)
            resultats.append({"fichier": doc["chemin"], "data": data})
        except json.JSONDecodeError:
            resultats.append({"fichier": doc["chemin"], "texte_brut": response.output_text})

    return resultats

Limitaciones del OCR de Grok

  • Texto manuscrito: el reconocimiento funciona bien para escritura legible, pero puede fallar con letra cursiva o ilegible
  • Idiomas no latinos: la precisión varía según el idioma y la tipografía utilizados
  • Imágenes de baja calidad: los escaneos de baja resolución o las fotos borrosas degradan los resultados
  • Texto muy pequeño: incluso en modo high, el texto con una altura inferior a 8 píxeles puede leerse mal

Puntos clave

  • Usa siempre detail: "high" para tareas de OCR
  • Solicita una extracción estructurada (JSON) para utilizar los datos automáticamente
  • Grok va más allá del OCR bruto: comprende el contexto y la maquetación
  • Usa store: false para documentos sensibles (facturas, tarjetas de visita)
  • Valida y preprocesa las imágenes para maximizar la calidad de la extracción