Fotografe uma página escrita à mão, entregue a um modelo de visão e receba texto digital que você pode pesquisar, editar e colar onde quiser. Peça uma cópia literal, faça o modelo marcar as palavras duvidosas e confira nomes e números com o original antes de confiar.
Você tem um caderno cheio de escrita à mão e nenhuma vontade de digitar tudo de novo. Um modelo de linguagem com visão consegue olhar a foto da página e devolver texto digital que você pode pesquisar, editar e colar onde quiser. Ele lê linhas inteiras e o contexto de cada palavra, e por isso muitas vezes se sai bem com letras que o reconhecimento de caracteres antigo dava como perdidas. Não é perfeito, e a habilidade útil é saber exatamente onde conferir.
A escrita à mão é rápida de produzir e lenta de aproveitar. Uma página de anotações de reunião, uma receita na letra de um avô ou um quadro cheio de ideias fica trancado dentro de uma imagem: você não consegue pesquisar nele, colar em um e-mail nem corrigir um errinho sem refazer tudo. Redigitar leva quase o mesmo tempo que escrever, então a maioria das páginas nunca recebe esse tratamento.
Um modelo de linguagem com visão muda essa tarefa. Você entrega uma foto e uma instrução, e ele devolve as palavras que enxerga como texto simples. As ferramentas de OCR antigas comparavam formas de letras isoladas. Esses modelos leem a linha inteira, então uma letra borrada dentro de uma palavra que faz sentido costuma ser resolvida pelo contexto. Eles também seguem instruções de formato, de modo que a mesma foto pode voltar como um parágrafo limpo, uma lista ou uma tabela, conforme o que você pedir.
O Picasso IA coloca esses modelos no toolkit, ao lado de todo o resto, então não há nada para instalar. O catálogo tem 75 modelos de linguagem grandes, e os que aceitam imagens, como GPT-4o e Gemini 3 Flash, conseguem ler a foto de uma página. Contas novas ganham créditos grátis, o bastante para testar uma das suas páginas antes de decidir se um caderno inteiro vale o esforço.
O modelo só lê o que a câmera captou, então a maioria das transcrições ruins é problema de fotografia e não do modelo. Alguns hábitos eliminam quase todos.
Fotografe bem por cima da página e não em ângulo, para que as linhas fiquem paralelas e as letras mantenham as proporções. Use luz do dia ou uma luminária de um lado, e cuidado com a sua própria sombra sobre o papel. Preencha o enquadramento com a página, mas deixe uma margem fina para que as palavras da borda não sejam cortadas. Uma página por foto: uma página dupla com a lombada curva entorta as linhas, e as palavras mais perto da dobra são as primeiras a errar.
Se a escrita for fraca, como lápis, uma caneta de gel clara ou papel antigo, aumente o contraste no editor de fotos do celular antes de enviar. Se a foto saiu desfocada porque o celular hesitou no foco, tire outra em vez de tentar resgatá-la; a página sobre fotos borradas mostra o que um modelo de melhoria consegue recuperar, mas uma captura nítida vence qualquer reparo. O Gemini 3 Flash aceita até dez imagens por solicitação, cada uma com até 7 MB, então uma pilha curta de páginas pode ir em uma só execução, embora uma página por vez facilite rastrear os erros.
Nem toda página pede a mesma instrução. Letras de forma limpas podem ser transcritas de modo literal, enquanto a letra cursiva rápida se beneficia de um pedido que deixa o modelo marcar as palavras de que não tem certeza. Esta tabela une os casos comuns ao que pedir e ao que conferir depois.
| Escrita | O que pedir | O que conferir depois |
|---|---|---|
| Letra de forma organizada | Transcrição literal, linha por linha, sem correções | Números e nomes próprios |
| Cursiva do dia a dia | Transcrição com as palavras pouco claras entre colchetes | As palavras entre colchetes e letras parecidas, como a e o |
| Anotações rápidas de aula ou reunião | Primeiro o texto literal, depois uma versão limpa separada | Abreviações que o modelo expandiu por conta própria |
| Formulários e campos preenchidos | Pares de nome do campo e valor em uma lista | Datas, telefones, códigos e valores |
| Notas na margem e linhas riscadas | Primeiro o texto principal, as notas da margem em outra lista, sem as palavras riscadas | Se uma palavra riscada que você queria foi descartada |
O fio comum é pedir uma passada literal antes de arrumar qualquer coisa. Com uma transcrição fiel em mãos, você pode pedir um resumo, uma reescrita ou uma tradução como segundo passo, e o texto original continua à mão para comparar. Se as suas anotações vieram de uma palestra, a página de notas de aula cobre a parte de áudio do mesmo trabalho.
Este é o passo a passo no Picasso IA do começo ao fim. Ele parte de uma página fotografada e de alguns minutos livres.
A mudança mais útil é dizer ao modelo o que fazer quando ele estiver em dúvida. Deixado sozinho, um modelo de linguagem tende a preencher uma lacuna com a palavra mais provável em vez de admitir que há uma lacuna, e uma transcrição fluida que está em silêncio errada é pior do que uma tosca com pontos de interrogação sinceros.
Três instruções ajudam. Peça uma cópia literal, sem correções de ortografia ou gramática, para que as suas manias sobrevivam. Peça que as palavras incertas sejam marcadas, entre colchetes ou com um ponto de interrogação. E dê contexto em uma linha: isto é uma lista de compras, uma aula de física, uma carta em espanhol. O contexto estreita o vocabulário, então uma palavra que poderia ser duas coisas se resolve para a que combina com o assunto. Se o texto estiver em outro idioma, diga qual, porque um modelo que precisa adivinhar às vezes adivinha errado.
Dica: leia a transcrição uma vez sem olhar a foto e outra vez com ela. A primeira passada pega frases sem sentido; a segunda pega frases que fazem sentido mas dizem outra coisa, como um dígito trocado em um telefone.
Quando há mais em jogo em uma página, passe-a por dois modelos. Onde eles concordam, em geral dá para relaxar, e onde divergem, você mesmo olha a foto. Essa discordância é um jeito barato de achar as poucas palavras que merecem a sua atenção.
Antes de entregar uma caixa de sapatos cheia de cartas, aqui estão os cinco pontos em que o resultado ainda precisa de uma pessoa.
Nada disso faz da ferramenta uma aposta ruim. Faz dela um rascunho rápido que você revisa, e não um scanner em que você confia às cegas.
Muitas vezes, sim. Um modelo de linguagem com visão olha a imagem e devolve as palavras que reconhece, usando a frase ao redor para resolver letras ambíguas. Letra organizada em uma página plana e bem iluminada costuma sair em bom estado, enquanto escrita apressada ou apertada gera mais erros. Conte com revisar cada transcrição com a foto, porque o modelo pode errar sem parecer em dúvida.
Escolha um modelo de linguagem grande que aceite imagens. GPT-4o e Gemini 3 Flash aceitam, e os dois estão no toolkit do Picasso IA. Não existe um vencedor único para toda letra, porque os resultados variam com a escrita e a foto, então passe a mesma página por dois modelos e compare. O catálogo lista outros modelos de linguagem, e a página de cada um mostra se ele aceita imagem como entrada.
Faz o mesmo trabalho, transformar a imagem de uma escrita em texto, mas de outro jeito. As ferramentas de OCR clássicas comparam formas de letras e funcionam melhor com texto impresso. Os modelos de linguagem com visão leem as linhas em contexto e seguem instruções, então você pode pedir colchetes em volta das palavras pouco claras ou um formato específico. A contrapartida é que eles podem produzir uma palavra plausível que não está na página, e por isso revisar importa.
Fotografe de cima, em uma única página, com luz uniforme, sem sombras e com a página inteira em foco. Aumente o contraste se a tinta for clara e corte a mesa e tudo o que cerca a página. Depois dê ao modelo uma linha de contexto, como o que é a página e em que idioma está. Uma boa captura e uma instrução clara melhoram os resultados mais do que trocar de modelo.
Com frequência, com mais erros do que em letra de forma. A cursiva junta as letras, então pares parecidos como a e o ou n e u viram os pontos de problema de sempre. Peça que as palavras pouco claras sejam marcadas entre colchetes e confira essas primeiro. Se um modelo travar em uma página, tente outro antes de desistir, e deixe a foto ao lado da transcrição enquanto corrige.
Muitos modelos de linguagem lidam com vários idiomas, mas a precisão varia conforme o idioma e o alfabeto. Diga em que idioma está a página para o modelo não adivinhar, e seja mais rigoroso na revisão quando o texto tiver acentos, diacríticos ou um alfabeto que o modelo vê com menos frequência. Se você também precisa do texto traduzido, peça primeiro a transcrição e a tradução como um passo separado.
Alguns modelos aceitam mais de uma imagem por solicitação. O Gemini 3 Flash aceita até dez imagens, cada uma com até 7 MB. Para o que importa, uma página por solicitação é mais fácil de conferir, porque você sabe exatamente qual foto gerou qual texto. Um lote curto serve para anotações rápidas que você só pretende folhear, e guarde as páginas originais até verificá-las.
Não sem conferir. Um nome que o modelo nunca viu é trocado por um familiar, e um dígito parecido com outro é lido como o errado, nos dois casos sem aviso. Compare cada nome, data, telefone e valor com a foto antes de usar, e trate qualquer coisa financeira, jurídica ou médica como algo que uma pessoa qualificada deve revisar.
A decisão é sua, e vale tomá-la de propósito. A foto vai para um modelo para ser lida, então deixe de fora o que você não se sentiria à vontade para mandar a um serviço online, como números de documentos ou dados pessoais de outras pessoas. Se tiver dúvidas sobre como os seus dados são tratados, a página de suporte é o lugar para perguntar, e um recorte que esconda a parte sensível costuma resolver o problema.
As execuções são pagas em créditos, e o custo depende do modelo que você escolher e das configurações. Uma resposta de texto de um modelo de linguagem costuma ser pequena perto da geração de imagem ou vídeo, embora o valor exato varie. Contas novas começam com créditos grátis, o suficiente para testar as suas páginas. Para os planos atuais, consulte a página de preços, porque números escritos aqui ficariam desatualizados.
Pegue uma página do seu caderno, fotografe e passe hoje pelo toolkit do Picasso IA. Uma página real diz mais rápido do que qualquer descrição se isso combina com a sua letra.
Escolha seu idioma
