OCR para PDF e imagens no Google Docs

Digitar conteúdo de arquivos *.pdf ou imagens, ou mesmo ficar no tedioso Control + C, Control + V, não é mais necessário para quem usa o Google Docs. Um experimento, há mais de um ano no ar em caráter beta (da espécie "beta pra valer mesmo"), finalmente foi convertido pela gigante de Mountain View em recurso nativo do Docs.

OCR no upload de PDF e imagens para o Google Docs.

O blog oficial reitera que o recurso, a priori, só funciona nos idiomas inglês, francês, italiano, alemão e espanhol, mas como sou curioso com essas coisas, decidi fazer um teste usando um documento redigido em nosso vernáculo.

O resultado foi meio... desastroso. Embora o software de OCR tenha conseguido decifrar todas as palavras do texto de uma página que enviei (diretrizes do meu trabalho de sistemas operacionais rs), a formatação foi totalmente perdida. E "totalmente", nesse caso, não é força de expressão. Dá uma olhada:

Comparativo: Google Docs (OCR) e original em PDF. (clique para ampliar)

O blog Google Operating System também realizou o mesmo teste, com um documento escrito em inglês, e lá o resultado foi ruim, mas por motivo diverso: cerca de 10% das palavras foram interpretadas incorretamente. Se serve de consolo, ao testarem o mesmo documento com outra solução online dedicada a esse fim, o resultado foi similar.

É uma tecnologia interessante e que economiza muito tempo, porém, no estado atual, o tempo ganho na transposição automática para o formato digital acaba diluído no destinado a correções e/ou formatação. Tal qual o editor de vídeos "super avançado" do YouTube, esse parece ser um recurso ainda muito "verde", mas que, futuramente, poderá atingir um nível mínimo de qualidade para ser usado em situações reais.