OCR: Extrair Texto de Fotografias
Nesta página
De todas as capacidades visuais do ChatGPT, a extração de texto a partir de imagens é a que gera valor mais rapidamente. Não precisa de uma aplicação de OCR dedicada: basta tirar uma fotografia de um documento, assinatura, rótulo ou ecrã. O ChatGPT transcreve o texto e processa-o imediatamente.
Um OCR que Compreende o que Lê
A diferença em relação às ferramentas tradicionais resume-se a uma palavra: contexto. Um motor de OCR clássico reconhece caracteres e devolve uma cadeia de texto bruta, deixando-o a si a tarefa de lhe dar sentido. O ChatGPT compreende o que lê, permitindo-lhe extrair, estruturar, resumir ou traduzir num único passo.
Um recibo ilustra perfeitamente esta lacuna. Envie uma fotografia com o comando: «Extraia todos os artigos e os respetivos preços e, em seguida, calcule o total». O modelo lê cada linha, distingue os rótulos dos valores, organiza os dados e efetua o cálculo. Verifique sempre o total; um único dígito mal lido deturpa todo o resultado. Uma ferramenta de OCR clássica teria parado na transcrição.
Quatro Casos de Uso Profissionais
Um cartão de visita recolhido numa feira profissional é o exemplo de manual, sobretudo porque estes cartões costumam acabar esquecidos numa gaveta. Fotografe-o e peça: «Extraia as informações de contacto e formate-as para importação num CRM (nome, apelido, empresa, e-mail, telefone)». O resultado surge estruturado e pronto a colar.
Os documentos administrativos seguem a mesma lógica. Perante um formulário em papel parcialmente preenchido, o comando «Transcreva os campos preenchidos deste formulário num formato de tabela» digitaliza numa única passagem o que a introdução manual demoraria muito mais tempo a conseguir. Pode tratar notas de reunião manuscritas da mesma forma: «Transcreva estas notas manuscritas, corrija eventuais erros e organize-as em itens de ação» transforma rabiscos num resumo distribuível, desde que a caligrafia permaneça legível. A contabilidade também beneficia: numa fotografia de uma fatura, «Extraia o número da fatura, a data, o valor antes de impostos, o IVA e o valor total» devolve os cinco campos de que precisa para o seu acompanhamento.
Extrair e Agir num Único Movimento
Não tem de separar a extração do processamento. Um letreiro numa língua estrangeira pode ser lido e traduzido com um único comando: «Leia este letreiro e traduza-o para português». No entanto, o Centro de Ajuda da OpenAI nota que o texto em escritas não latinas, como o japonês ou o coreano, é lido com menor precisão. Para estes documentos, verifique a transcrição antes de confiar na tradução. Um artigo de jornal fotografado pode ser lido e resumido em três pontos-chave. Um menu pode ser lido e filtrado — «identifique as opções vegetarianas com os respetivos preços». Uma tabela impressa converte-se diretamente em CSV.
Crie o hábito de indicar o objetivo final em vez de uma etapa intermédia. Pedir a transcrição numa mensagem e a tradução numa segunda custa-lhe uma ida e volta extra para o mesmo resultado.
A Fotografia Decide Tudo
A precisão da extração é determinada no momento em que tira a fotografia. Nenhum comando consegue recuperar informação perdida nessa fase.
A iluminação vem em primeiro lugar. Um documento bem iluminado, sem sombras nem reflexos, lê-se facilmente; a luz natural difusa produz os melhores resultados. Contraintuitivamente, o flash degrada frequentemente a legibilidade ao criar reflexos que apagam secções inteiras de texto. O ângulo é igualmente importante — fotografe na horizontal e perpendicularmente, pois um ângulo oblíquo distorce os caracteres. Utilize a resolução mais elevada disponível e resista à tentação de redimensionar antes de enviar; uma compressão bem-intencionada destrói precisamente a informação útil. Por fim, o enquadramento deve incluir todo o texto sem espaço vazio excessivo à volta, já que o modelo analisa melhor as imagens quando o conteúdo ocupa uma parte significativa do quadro.
Casos Difíceis e Como Lidar com Eles
Algum texto resiste à extração. Nestes casos, o objetivo é tornar a incerteza visível em vez de a ignorar. Perante uma caligrafia confusa, peça: «Transcreva este texto. Quando não tiver a certeza sobre uma palavra, indique-a entre parênteses retos com um ponto de interrogação». Isto indica-lhe exatamente onde deve focar a sua revisão. Para texto sobre um fundo complexo — como um cartaz onde as letras se destacam sobre uma fotografia — recorte a área que contém apenas o texto. Para documentos antigos ou danificados, um pouco de contexto orienta a leitura: «Este documento data do século XIX; algumas palavras podem usar ortografia arcaica».
Duas verificações permanecem da sua responsabilidade. Primeiro, os números: as confusões entre 0 e O, 1 e l, ou 5 e S são comuns e silenciosas, por isso verifique em dobro valores, números de identificação e datas. Segundo, as línguas: num documento multilingue, especifique quais as línguas presentes. Caso contrário, o modelo pode normalizar uma passagem para a língua dominante.
A Sua Vez
Teste a fiabilidade da extração. Coloque isto à prova com um documento real — um recibo, carta, cartão de visita, página de livro ou notas manuscritas. Utilize o comando: «Extraia todo o texto desta imagem. Em seguida, organize as informações extraídas de forma estruturada e identifique os pontos de dados-chave». Compare o resultado linha por linha com o original. Esta verificação é a única forma de avaliar a fiabilidade real da extração.
Fontes oficiais: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? (Centro de Ajuda da OpenAI)
Pontos-chave
- O ChatGPT funciona como um OCR avançado: extrai, estrutura e processa texto num único passo
- Combine extração com ação (tradução, resumo, reformatação) para poupar tempo
- A qualidade da fotografia é crítica: boa iluminação, ângulo perpendicular, alta resolução
- Verifique sempre dados numéricos e nomes próprios nas transcrições
- Especifique o contexto e a língua para melhorar a precisão em textos complexos