Convierte un libro en urdu escaneado en Nastaliq a texto editable en Word
Sube un PDF en urdu escaneado (un libro, una revista o un documento antiguo impreso en Nastaliq) y recibe cada página como texto editable en un archivo de Word orientado de derecha a izquierda, con saltos de página y las palabras dudosas resaltadas. La primera página es gratis sin registro; un libro de hasta 300 páginas cuesta $5, en un pago único.
- Instruido para identificar urdu en Nastaliq y conservar sus letras propias: ٹ ڈ ڑ ں ے ہ ھ ی ک
- Puntuación en urdu conservada: ۔ ، ؟
- Párrafos y tablas orientados de derecha a izquierda en el archivo de Word
- Una página de texto por cada página escaneada, con numeración para cotejar fácilmente
- Palabras dudosas resaltadas en amarillo en vez de adivinadas
Por qué el estilo Nastaliq resulta tan difícil para el OCR
La caligrafía Nastaliq no se apoya sobre una línea horizontal recta. Las letras caen en diagonal hacia la izquierda, las palabras se apilan y los puntos diacríticos forman grupos muy apretados por encima y por debajo. Los motores de OCR tradicionales, entrenados sobre todo con tipografía Naskh lineal, tropiezan con frecuencia; por su parte, los modelos de IA convencionales tienden a deslizarse hacia grafías árabes o persas: ي en lugar de ی, ك en vez de ک, o ه donde el urdu requiere ہ o ھ. En una obra de 300 páginas, estas pequeñas confusiones distorsionan el texto por completo.
En NoCutoff procesamos cada página por separado en alta resolución, con instrucciones expresas de que se trata de urdu en Nastaliq y de que deben respetarse sus letras y signos de puntuación. Si el sistema duda sobre una palabra, anota la lectura más probable y la marca; en el archivo de Word esas palabras aparecen resaltadas para que puedas comprobarlas con el escaneo original.
El archivo de Word
El texto se genera en Unicode en urdu, por lo que permite buscar, copiar, editar y traducir sin trabas. Párrafos y tablas van de derecha a izquierda. El documento aplica la tipografía Urdu Typesetting si está disponible; si buscas la apariencia tradicional de Nastaliq, puedes aplicar Jameel Noori Nastaleeq u otra similar a todo el archivo en un solo paso. Omitimos encabezados repetitivos y números de página del original para ofrecer una lectura fluida, e insertamos un número discreto al inicio de cada página como referencia.
Casos de uso habituales
- Libros descatalogados en urdu para investigación, reedición o preservación digital
- Periódicos y revistas antiguos en urdu
- Documentos familiares, títulos de propiedad y cartas impresas en urdu
- Obras literarias y religiosas para estudio y consulta de citas
Cómo funciona la herramienta, cuánto cuesta y cómo se tratan tus archivos está en la página de PDF escaneado a Word; los precios de todas las herramientas están en la página de precios.
Última actualización:
Preguntas y respuestas
¿Puede ChatGPT leer un libro en urdu escaneado?
Puede descifrar una página suelta si es muy nítida. En documentos extensos suele saltarse páginas, resumir contenido y confundir letras del urdu con caracteres árabes o persas. Esta herramienta procesa cada página con pautas específicas para urdu y te entrega un archivo de Word listo para editar.
¿Cuántas páginas puedo convertir?
Hasta 300 páginas por $5, en un pago único. Con Ilimitado dispones de hasta 600 páginas por trabajo.
¿Reconoce urdu manuscrito?
Está pensada para texto impreso. Para páginas escritas a mano, te recomendamos usar Manuscrito a texto.
¿Puedo traducir el resultado al inglés?
Sí. Sube el archivo de Word resultante a Traducir documentos de Word; las tablas de derecha a izquierda se reorientan automáticamente de izquierda a derecha en la versión traducida.
¿La primera página es gratis?
Sí, sin registro. Un escaneo de hasta 3 páginas es completamente gratis.