Fotografía una página escrita a mano, pásasela a un modelo de visión y recibe texto digital que puedes buscar, editar y pegar donde quieras. Pide una copia literal, haz que marque las palabras dudosas y revisa nombres y números contra el original antes de fiarte.
Tienes un cuaderno lleno de escritura a mano y ningunas ganas de volver a teclearlo. Un modelo de lenguaje con visión puede mirar la foto de la página y devolverte texto digital que puedes buscar, editar y pegar donde quieras. Lee líneas enteras y el contexto de cada palabra, y por eso suele defenderse con letras que el reconocimiento de caracteres antiguo daba por perdidas. No es perfecto, y lo útil es saber exactamente dónde revisarlo.
La escritura a mano es rápida de producir y lenta de aprovechar. Una página de notas de una reunión, una receta con la letra de un abuelo o una pizarra llena de ideas se queda encerrada dentro de una imagen: no puedes buscar en ella, pegarla en un correo ni corregir una errata sin rehacerlo todo. Volver a teclear lleva casi lo mismo que escribir, así que la mayoría de las páginas nunca reciben ese trato.
Un modelo de lenguaje con visión cambia esa tarea. Le das una foto y una instrucción, y te devuelve las palabras que ve como texto plano. Las herramientas de OCR antiguas comparaban formas de letras aisladas. Estos modelos leen la línea entera, así que una letra borrosa dentro de una palabra con sentido suele resolverse por el contexto. Además siguen instrucciones de formato, de modo que una misma foto puede volver como un párrafo limpio, una lista o una tabla, según lo que pidas.
Picasso IA pone estos modelos en el toolkit, junto a todo lo demás, así que no hay nada que instalar. El catálogo tiene 75 modelos de lenguaje grandes, y los que aceptan imágenes, como GPT-4o y Gemini 3 Flash, pueden leer la foto de una página. Las cuentas nuevas reciben créditos gratis, lo bastante para probar una de tus páginas antes de decidir si un cuaderno entero merece el esfuerzo.
El modelo solo puede leer lo que captó la cámara, así que la mayoría de las transcripciones fallidas son problemas de fotografía y no del modelo. Unos pocos hábitos eliminan casi todos.
Dispara desde justo encima de la página y no en ángulo, para que las líneas sigan paralelas y las letras conserven sus proporciones. Usa luz de día o una lámpara a un lado, y vigila tu propia sombra sobre el papel. Llena el encuadre con la página, pero deja un margen fino para que no se corten las palabras del borde. Una página por foto: una doble página con el lomo curvo dobla las líneas, y las palabras más cercanas al pliegue son las primeras en fallar.
Si la escritura es tenue, como el lápiz, un bolígrafo de gel pálido o el papel viejo, sube el contraste en el editor de fotos del móvil antes de subirla. Si la foto sale borrosa porque el móvil dudó al enfocar, repítela en vez de rescatarla; la página de fotos borrosas explica qué puede recuperar un modelo de mejora, pero una captura nítida gana a cualquier reparación. Gemini 3 Flash acepta hasta diez imágenes por solicitud, cada una de hasta 7 MB, así que una pila corta de páginas puede ir en una sola ejecución, aunque una página cada vez facilita rastrear los errores.
No todas las páginas necesitan la misma instrucción. Las mayúsculas limpias se pueden transcribir de forma literal, mientras que la cursiva rápida se beneficia de una petición que deja al modelo marcar las palabras de las que no está seguro. Esta tabla une los casos habituales con lo que conviene pedir y lo que revisar después.
| Escritura | Qué pedir | Qué revisar después |
|---|---|---|
| Letra de imprenta ordenada | Transcripción literal, línea por línea, sin correcciones | Números y nombres propios |
| Cursiva de diario | Transcripción con las palabras poco claras entre corchetes | Las palabras entre corchetes y letras parecidas como la a y la o |
| Apuntes rápidos de clase o reunión | Primero el texto literal, luego una versión limpia aparte | Abreviaturas que el modelo expandió por su cuenta |
| Formularios y campos rellenados | Pares de nombre de campo y valor en una lista | Fechas, teléfonos, códigos e importes |
| Notas al margen y líneas tachadas | Primero el texto principal, las notas del margen en otra lista, sin las palabras tachadas | Si se descartó una palabra tachada que sí querías |
El hilo común es pedir una pasada literal antes de ordenar nada. Con una transcripción fiel en la mano, puedes pedir un resumen, una reescritura o una traducción como segundo paso, y el texto original sigue ahí para comparar. Si tus apuntes salieron de una charla, la página de apuntes de clase cubre la parte de audio del mismo trabajo.
Este es el recorrido en Picasso IA de principio a fin. Parte de una página fotografiada y unos minutos libres.
El cambio más útil es decirle al modelo qué hacer cuando duda. Si lo dejas solo, un modelo de lenguaje tiende a rellenar un hueco con la palabra más probable en lugar de admitir que hay un hueco, y una transcripción fluida que está callada y equivocada es peor que una tosca con signos de interrogación sinceros.
Ayudan tres instrucciones. Pide una copia literal sin correcciones de ortografía ni gramática, para que tus manías sobrevivan. Pide que las palabras inciertas se marquen, entre corchetes o con un signo de interrogación. Y da contexto en una línea: esto es una lista de la compra, una clase de física, una carta en portugués. El contexto estrecha el vocabulario, así que una palabra que podría ser dos cosas se resuelve hacia la que encaja con el tema. Si el texto está en otro idioma, nombra el idioma, porque un modelo que tiene que adivinar a veces adivina mal.
Consejo: lee la transcripción una vez sin mirar la foto y otra vez con ella. La primera pasada pilla frases que no tienen sentido; la segunda pilla frases que tienen sentido pero dicen otra cosa, como un dígito cambiado en un teléfono.
Cuando hay más en juego en una página, pásala por dos modelos. Donde coinciden, normalmente puedes relajarte, y donde difieren, miras tú la foto. Ese desacuerdo es una forma barata de encontrar las pocas palabras que merecen tu atención.
Antes de entregarle una caja de zapatos llena de cartas, aquí van los cinco sitios donde el resultado todavía necesita a una persona.
Nada de esto hace de la herramienta una mala apuesta. La convierte en un borrador rápido que tú revisas, no en un escáner en el que confías a ciegas.
A menudo, sí. Un modelo de lenguaje con visión mira la imagen y devuelve las palabras que reconoce, apoyándose en la frase que las rodea para resolver letras ambiguas. La letra ordenada en una página plana y bien iluminada suele salir en buen estado, mientras que la escritura apresurada o apretada produce más fallos. Cuenta con revisar cada transcripción contra la foto, porque el modelo puede equivocarse sin sonar dudoso.
Elige un modelo de lenguaje grande que acepte imágenes. GPT-4o y Gemini 3 Flash lo hacen, y ambos están en el toolkit de Picasso IA. No hay un ganador único para cada letra, porque los resultados varían con la escritura y la foto, así que pasa la misma página por dos modelos y compara. El catálogo lista otros modelos de lenguaje, y la ficha de cada uno indica si admite imágenes de entrada.
Hace el mismo trabajo, convertir la imagen de una escritura en texto, pero de otra manera. Las herramientas de OCR clásicas comparan formas de letras y funcionan mejor con texto impreso. Los modelos de lenguaje con visión leen las líneas en contexto y siguen instrucciones, así que puedes pedir corchetes en torno a las palabras poco claras o un formato concreto. La contrapartida es que pueden producir una palabra verosímil que no está en la página, y por eso revisar importa.
Dispara en vertical sobre una sola página con luz pareja, sin sombras y con toda la página enfocada. Sube el contraste si la tinta es pálida y recorta el escritorio y todo lo que rodea la página. Luego dale al modelo una línea de contexto, como qué es la página y en qué idioma está. Una buena captura y una instrucción clara mejoran los resultados más que cambiar de modelo.
Con frecuencia, con más errores que en letra de imprenta. La cursiva une las letras, así que parejas parecidas como a y o o n y u son los puntos problemáticos habituales. Pide que las palabras poco claras se marquen entre corchetes y revisa esas primero. Si un modelo se atasca con una página, prueba con otro antes de rendirte, y deja la foto junto a la transcripción mientras corriges.
Muchos modelos de lenguaje manejan varios idiomas, pero la precisión varía según el idioma y el alfabeto. Indica en qué idioma está la página para que el modelo no adivine, y sé más estricto al revisar cuando el texto lleve tildes, diacríticos o un alfabeto que el modelo ve con menos frecuencia. Si además necesitas el texto traducido, pide primero la transcripción y la traducción como paso aparte.
Algunos modelos aceptan más de una imagen por solicitud. Gemini 3 Flash admite hasta diez imágenes, cada una de hasta 7 MB. Para lo que importa, una página por solicitud es más fácil de comprobar, porque sabes exactamente qué foto produjo qué texto. Un lote corto sirve para notas rápidas que solo piensas hojear, y conserva las páginas originales hasta que las hayas verificado.
No sin comprobarlos. Un nombre que el modelo no ha visto nunca se sustituye por uno familiar, y un dígito que se parece a otro se lee como el equivocado, en ambos casos sin avisar. Compara cada nombre, fecha, teléfono e importe con la foto antes de usarlo, y trata cualquier cosa financiera, legal o médica como algo que una persona cualificada debería revisar.
Es decisión tuya, y conviene tomarla a propósito. La foto va a un modelo para que la lea, así que deja fuera lo que no te dé tranquilidad enviar a un servicio en línea, como números de documentos o datos personales de otras personas. Si tienes dudas sobre cómo se tratan tus datos, la página de soporte es el sitio donde preguntar, y un recorte que oculte la parte sensible suele resolver el problema.
Las ejecuciones se pagan en créditos, y el coste depende del modelo que elijas y de los ajustes. Una respuesta de texto de un modelo de lenguaje suele ser pequeña frente a la generación de imagen o video, aunque la cifra exacta varía. Las cuentas nuevas empiezan con créditos gratis, suficientes para probar tus páginas. Para los planes actuales, consulta la página de precios, porque los números escritos aquí quedarían desfasados.
Coge una página de tu cuaderno, fotografíala y pásala hoy por el toolkit de Picasso IA. Una página real te dirá más rápido que cualquier descripción si esto encaja con tu letra.
Elige tu idioma
