MavenDoc › OCR de Documentos
ProdutoOCR de Documentos
Reconhecimento de texto em lote para acervos digitalizados. Transforma pilhas de imagens em documentos pesquisáveis — e é o que torna possível tarjar, indexar e automatizar o que hoje só existe como papel escaneado.
O ponto de partida
Um acervo digitalizado sem OCR é um acervo invisível
Digitalizar resolve o armazenamento e não resolve o acesso. Uma página escaneada é uma imagem: o sistema sabe que ela existe, mas não sabe o que está escrito nela. O resultado é um acervo que só pode ser consultado pelo que foi digitado no cadastro — número, data, assunto — e nunca pelo conteúdo.
Isso trava três coisas ao mesmo tempo. A busca, porque ninguém encontra um nome no meio de dez mil páginas. O tarjamento, porque não há como localizar um número de identificação dentro de uma imagem. E qualquer automação, porque não existe texto para um sistema ler.
O OCR é o passo que destrava os três. Não é um produto de conveniência: é pré-requisito de tudo o que vem depois.
Como funciona
Do lote digitalizado ao documento pesquisável
Triagem automática
Cada página é avaliada antes de processar. Documentos que já têm camada de texto passam direto; só o que é imagem entra na fila de reconhecimento. Isso evita reprocessar acervo misto e reduz o tempo do lote.
Reconhecimento
O texto é extraído da imagem e gravado como camada pesquisável, preservando a página original. O documento continua com a mesma aparência: o que muda é que agora ele pode ser buscado, copiado e lido por leitor de tela.
Indexação
O conteúdo reconhecido alimenta o índice de busca, e a consulta passa a encontrar a ocorrência dentro do documento, não apenas pelos metadados de cadastro.
Encaminhamento
Com texto disponível, o mesmo lote pode seguir para tarjamento automático, para extração de dados ou para consulta por IA. É aqui que o OCR deixa de ser uma etapa e vira automação.
Flexibilidade
O motor de OCR é escolhido por instalação
Não existe um motor de OCR que seja o melhor em todos os cenários. Documento datilografado, formulário com carimbo, manuscrito e microfilme se comportam de maneiras diferentes — e o ambiente do órgão impõe a restrição decisiva: a imagem pode ou não sair da rede?
Por isso o modelo de fornecimento define onde o reconhecimento acontece. Na edição Pro, tudo roda na infraestrutura do órgão. No SaaS, o OCR e a visão computacional são providos pela Maven. No on-premises com chaves próprias, o órgão aciona o provedor com que já tem contrato. A decisão é de segurança da informação, não do produto.
| Modelo | Quem provê o OCR | Onde o arquivo é lido |
|---|---|---|
| SaaS | Provido e operado pela Maven, em nuvem hospedada no Brasil | Ambiente da plataforma |
| On-premises com chave própria | Serviço de visão computacional acionado por chave de API do órgão | Serviço do provedor contratado pelo órgão |
| MavenDoc Pro | Reconhecimento executado integralmente na infraestrutura do órgão | Servidor do órgão, sem saída de dados |
Na edição Pro o OCR roda local por definição: nenhum documento, metadado ou trecho de informação é transmitido a serviços externos. É a escolha para acervo com exigência de soberania total dos dados.
Ligação direta
Sem OCR não existe tarjamento em digitalizado
Essa é a consequência menos óbvia e a mais cara. Em um PDF digitalizado, desenhar um retângulo preto sobre a área sensível não remove nada: o retângulo é uma camada separada, e apagá-la em qualquer editor devolve a página original inteira.
Para ocultar de verdade é preciso localizar a informação dentro da imagem e regravar aqueles pixels sem ela. Isso exige saber onde o dado está — exatamente o que o OCR fornece. Sem ele, a alternativa é alguém percorrer o documento no olho, página por página, o que não se sustenta em nenhum volume real.
A demonstração de por que a tarja desenhada não protege está em a tarja preta não protege.
Perguntas frequentes
O que costuma ficar em dúvida
O OCR funciona com documentos antigos e mal digitalizados?
Depende da qualidade da imagem, e é por isso que o motor é escolhido por instalação. Acervo histórico com digitalização ruim costuma pedir um motor mais robusto; documento recente e bem escaneado é reconhecido por qualquer alternativa. A avaliação é feita com uma amostra real do seu acervo.
O documento original é alterado?
A página permanece como está. O texto reconhecido é gravado como camada pesquisável por baixo da imagem, então a aparência do documento não muda — o que muda é que ele passa a ser buscável e legível por leitor de tela.
É possível processar o acervo inteiro de uma vez?
Sim. O processamento é feito em lote, e em acervos grandes costuma rodar em janelas agendadas, sem interação manual. A triagem evita reprocessar páginas que já têm texto.
O arquivo precisa sair da rede do órgão?
Não necessariamente. Na edição Pro o reconhecimento é executado integralmente na infraestrutura do órgão, sem qualquer comunicação com serviços externos. No SaaS o processamento ocorre em nuvem hospedada no Brasil, e no on-premises com chave própria o órgão define o provedor.
OCR sozinho resolve a publicação de documentos?
Não. O OCR torna o conteúdo localizável; a publicação segura exige, além disso, ocultar o que é restrito e registrar o que foi ocultado. Os dois passos são complementares.
Comece por uma amostra do seu acervo
A avaliação de OCR só é útil com documentos reais. Traga um recorte do que você tem hoje e veja o resultado antes de qualquer decisão.
Falar com um especialista