El reconocimiento óptico de caracteres (OCR) es una API de Vertex AI preentrenada en Google Distributed Cloud (GDC) aislado que te permite detectar y extraer texto de tipos de archivos admitidos, como imágenes, documentos y notas escritas a mano. Puedes procesar solicitudes insertadas para extraer texto o ejecutar tareas por lotes asíncronas en archivos almacenados en segmentos en los idiomas admitidos.
Métodos de reconocimiento óptico de caracteres
El OCR ofrece los siguientes métodos disponibles en Distributed Cloud para reconocer texto:
| Método | Descripción |
|---|---|
BatchAnnotateImages |
Detecta texto de un lote de imágenes JPEG o PNG proporcionadas en una solicitud insertada. |
BatchAnnotateFiles |
Detecta texto de un lote de archivos PDF o TIFF proporcionados en una solicitud insertada. |
AsyncBatchAnnotateFiles |
Detecta texto de un lote de archivos PDF o TIFF en un segmento de almacenamiento para solicitudes offline. |
Funciones de reconocimiento óptico de caracteres
La API de OCR puede detectar y extraer texto de imágenes. Las dos funciones de anotación siguientes admiten el reconocimiento óptico de caracteres:
TEXT_DETECTIONdetecta y extrae texto de cualquier imagen. Por ejemplo, una fotografía puede contener una señal de tráfico o de una calle. El servicio de OCR devuelve un archivo JSON con la cadena extraída, las palabras individuales y sus cuadros delimitadores.
Imagen 1. Fotografía de una señal de tráfico en la que la API de OCR detecta palabras y sus cuadros delimitadores.
DOCUMENT_TEXT_DETECTIONtambién extrae texto de una imagen, pero el servicio optimiza la respuesta para texto denso y documentos. Por ejemplo, una imagen escaneada de texto escrito a máquina puede contener varios párrafos y encabezados. El servicio de OCR devuelve un archivo JSON con información sobre la página, el bloque, el párrafo, la palabra y el salto.
Imagen 2. Imagen escaneada de texto escrito a máquina en la que la API de OCR detecta información como palabras, páginas y párrafos.
Texto escrito a mano
La figura 3 es una imagen de texto escrito a mano. La API de OCR detecta y extrae texto de estas imágenes. Para ver una lista de los sistemas de escritura que admiten el reconocimiento de escritura a mano, consulta Sistemas de escritura a mano.

Imagen 3. Imagen de escritura a mano en la que la API de OCR detecta texto.
Límites del reconocimiento óptico de caracteres
Los métodos de API BatchAnnotateImages y BatchAnnotateFiles solo admiten una solicitud por llamada por lotes.
En la siguiente tabla se indican los límites actuales del servicio de OCR en Distributed Cloud.
| Límite de archivos para OCR | Valor |
|---|---|
| Número máximo de páginas | Cinco |
| Tamaño máximo de archivo | 20 MB |
| Tamaño máximo de la imagen | 20 millones de píxeles (longitud x anchura) |
Los archivos enviados a la API de OCR que superen el número máximo de páginas o el tamaño máximo de archivo devuelven un error. Los archivos enviados que superen el tamaño máximo de imagen se reducirán a 20 millones de píxeles.
Tipos de archivo admitidos para el OCR
La API preentrenada de OCR detecta y transcribe texto de los siguientes tipos de archivos:
- TIFF
- JPG
- PNG
Debes almacenar los archivos de forma local en tu entorno de Distributed Cloud. No puedes acceder a archivos alojados en Cloud Storage ni a archivos disponibles públicamente para la detección de texto.