Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Introdução à Document AI e ao OCR Inteligente

Aula 9 de 14 Atualizada a 2 de novembro de 2026 Iniciante
Nesta página
  1. Muito mais do que um simples leitor de documentos
  2. Por que razão o OCR clássico não era suficiente
  3. OCR 3 em números
  4. Como difere da Visão do Vibe?
  5. Pontos-chave

Atualização de 2 de novembro de 2026 — Le Chat torna-se Vibe. Desde 28 de maio de 2026, o Le Chat foi renomeado para Vibe (ainda em chat.mistral.ai): um único agente para trabalho e código, que mantém as suas conversas, definições e subscrições. A experiência legada do Le Chat permanece acessível no modo Chat; no modo Work, os agentes tornaram-se competências (invocadas com @), as memórias constituem a base de conhecimento e a pesquisa profunda é agora a competência Deep Research. Os planos denominam-se agora Mistral Free, Pro, Team e Enterprise. Esta lição utiliza o nome Vibe; alguns menus aqui descritos podem ter alterado o nome ou a localização.

Muito mais do que um simples leitor de documentos

Na secção Visão, viu que o Vibe consegue ler texto numa imagem. No entanto, quando se trata de processar documentos complexos — um PDF de várias páginas, um formulário digitalizado, um relatório financeiro repleto de tabelas aninhadas — necessita de uma ferramenta especializada. É exatamente isso que a Document AI da Mistral oferece, alimentada pelo motor OCR 3. Esta lição estabelece as bases de toda a secção: compreender o que é o OCR, como a abordagem da Mistral rompe com as soluções clássicas e, mais importante, quando utilizá-la em vez da Visão.

OCR significa Reconhecimento Ótico de Carateres (Optical Character Recognition). É a tecnologia que converte uma imagem contendo texto — seja uma digitalização, uma fotografia ou um PDF baseado em imagem — em texto digital utilizável: texto que pode copiar, pesquisar ou analisar como qualquer documento nativo digital. As implicações são do quotidiano: pense naquela fatura que um colega enviou como fotografia, ou naquele contrato digitalizado há dez anos onde precisa de encontrar uma cláusula específica. Sem OCR, estes documentos são imagens mudas.

Por que razão o OCR clássico não era suficiente

O OCR existe há décadas, mas as soluções tradicionais — o Tesseract é o exemplo mais conhecido — sofriam de limitações significativas que qualquer pessoa que já tenha digitalizado um documento conhece bem. O layout perdia-se: o texto surgia desordenado, ignorando a estrutura do documento, transformando um relatório cuidadosamente organizado numa mistura indistinta de parágrafos. As tabelas eram ignoradas, com colunas e linhas misturadas a ponto de tornar os dados inutilizáveis. A escrita manual permanecia quase impossível de ler. Documentos multilingues produziam resultados pobres assim que se saía do inglês. E as imagens incorporadas no texto — gráficos, diagramas — eram simplesmente ignoradas.

O motor OCR 3 da Mistral muda completamente o jogo, e a razão reside na sua arquitetura. Em vez de utilizar técnicas clássicas de reconhecimento de carateres, baseia-se num modelo de linguagem multimodal (VLM) especificamente treinado para compreender documentos. A diferença é fundamental: o OCR clássico reconhece carateres individuais e tenta montá-los em palavras, tal como alguém que decifra letra por letra sem compreender a frase. O OCR potenciado por IA da Mistral, pelo contrário, compreende o documento como um todo — a sua estrutura, conteúdo e contexto. Perante uma palavra parcialmente apagada, consegue inferi-la a partir do contexto, tal como um leitor humano faria.

Na prática, a Document AI extrai texto de PDFs, imagens e documentos digitalizados, preservando o layout original. Reconstrói tabelas com os seus cabeçalhos, colunas e dados, produzindo Markdown limpo. Lê escrita manual — notas de médicos, formulários preenchidos à mão, anotações marginais. Processa documentos multilingues com elevada precisão em muitas línguas, descreve imagens e gráficos contidos no documento gerando legendas de texto e compreende o contexto suficientemente bem para responder a perguntas sobre o conteúdo.

OCR 3 em números

Em termos de desempenho, o motor oferece uma precisão de ponta nos benchmarks de reconhecimento de texto, escrita manual e tabelas. Processa até 2.000 páginas por minuto num único GPU — o suficiente para ingerir arquivos inteiros. Aceita múltiplos formatos: PDF, Word, imagens digitalizadas e fotografias de qualidade variável. E o seu output é estruturado: o resultado é um Markdown limpo com imagens referenciadas, não texto bruto que necessita de retrabalho.

Como difere da Visão do Vibe?

Poderá perguntar: «Por que não carregar simplesmente o meu PDF no Vibe e utilizar a Visão?» É uma pergunta pertinente, e a resposta estrutura todo o seu fluxo de trabalho. A Visão do Vibe, abordada na primeira secção deste curso, é perfeita para analisar uma única imagem isolada — uma fotografia, um gráfico, uma captura de ecrã. Mas para documentos de várias páginas com layouts complexos, a Document AI oferece vantagens decisivas: processamento página a página com reconstrução da estrutura global do documento, extração de tabelas fiel ao original em vez de uma aproximação, anotações e metadados que pode solicitar explicitamente — autor, data, valores — e verdadeiro Q&A sobre documentos longos.

Recorde esta regra prática: para uma única imagem com texto, a Visão é suficiente; para um documento de várias páginas que deseja analisar em profundidade, mobilize a Document AI. Um advogado que fotografa uma cláusula para a ver explicada utiliza a Visão; o mesmo advogado que carrega o contrato completo de 40 páginas para auditar as suas obrigações utiliza a Document AI.

Nas lições seguintes desta secção, aprenderá a carregar um PDF no Vibe e obter uma extração automática, extrair dados estruturados — tabelas, cabeçalhos, valores — de qualquer documento e, em seguida, fazer perguntas sobre o conteúdo de um documento para obter respostas precisas.

Pontos-chave

  • A Document AI é a solução da Mistral para o processamento inteligente de documentos, alimentada pelo OCR 3
  • Ao contrário do OCR clássico, o OCR 3 compreende a estrutura e o contexto do documento
  • Lida com tabelas, escrita manual, documentos multilingues e imagens incorporadas
  • Para uma imagem simples, utilize a Visão; para um documento complexo, utilize a Document AI
  • O processamento é rápido: até 2.000 páginas por minuto