34 noticias
TypeSafe es una herramienta de código abierto que permite a macOS ejecutar tareas complejas mediante instrucciones en lenguaje natural, reduciendo el coste operativo a aproximadamente 0,0002 dólares por paso. A diferencia de los modelos de lenguaje de frontera, que son costosos y lentos, este sistem
Este artículo relata la experiencia del autor al reeditar el libro 'Professor Mmaa's Lecture', una novela de Stefan Themerson, y compartir las decisiones técnicas y editoriales del proceso. El proyecto, bautizado como Picolibrary, comenzó cuando un usuario en el fediverse mencionó el libro como su f
El desarrollador l3a0 ha publicado en su repositorio de GitHub 'claude-plugins' una habilidad para Claude Code, llamada kindle-highlights, capaz de extraer al completo los subrayados personales guardados en la cuenta de Amazon Kindle. El complemento resuelve una limitación documentada de la exportac
ocr-it es una extensión para Chrome pensada para extraer texto de documentos paginados que no permiten seleccionar ni copiar el contenido, como libros escaneados, presentaciones o visores PDF embebidos. El usuario define una vez la región de la pantalla que contiene el texto y, a partir de ahí, una
Roboflow sometió a los nuevos modelos GPT-5.6 Sol, Terra y Luna de OpenAI, presentados la semana pasada, a su próximo benchmark de modelos de visión (VLM), que cubrirá detección de objetos, conteo, OCR y extracción de datos. Sol registró 46,2 mAP@50 en detección, frente a los 13,8 puntos de GPT-5.5,
OpenCode Senses es un complemento (plugin) para OpenCode que añade una capa de visión a modelos de programación que solo trabajan con texto. Permite adjuntar imágenes (capturas, mockups o URL web) y obtener información estructurada: OCR exacto, ubicación de objetos, colores en píxeles, recortes, zoo
Un cliente reportó que todos los importes de su extracto bancario en PDF se extraían con signo negativo. Al analizar el archivo con la herramienta PDFSnake, el autor descubrió que los valores positivos, como $1.527,57, incluían un guion final invisible: el carácter estaba presente en el flujo de tex
ShieldFont: la tipografía que sabotea el entrenamiento de IA sin que el lector lo note En un contexto de creciente tensión entre creadores de contenido y empresas de inteligencia artificial, ShieldFont propone una solución técnica tan ingeniosa como controversial: alterar las palabras que ve una má
Klartext es una herramienta web gratuita que convierte archivos PDF, fotos de documentos, escaneos, Word y Excel en texto Markdown limpio y reutilizable. Todo el procesamiento se realiza en un servidor propio: ningún contenido se envía a OpenAI, Anthropic, Google ni a ningún otro proveedor de inteli
Un usuario escaneó 45 libros antiguos que nunca fueron digitalizados y los pasó por Pangram, una herramienta de detección de texto generado por inteligencia artificial, para comprobar si el sistema simplemente memoriza su conjunto de entrenamiento en lugar de identificar patrones. En total introdujo
VaultSort ha presentado Guardian, una función integrada en la versión 4.4.0 de la aplicación para macOS que detecta documentos sensibles —identidad, financieros, credenciales y registros médicos o legales— en las carpetas que el usuario elija, y permite cifrarlos en un solo paso. Todo el proceso ocu
Un programador recrea en Factor (un lenguaje concatenativo) una animación sencilla cuya estética se inspira en un mensaje oculto en una camiseta de Uniqlo. La prenda, diseñada por Akamai dentro de su campaña "Peace for All", contiene un programa bash ofuscado que al decodificarse produce un bucle qu
Una camiseta comercializada por Uniqlo, diseñada por Akamai en el marco de su campaña Peace for All, esconde en la espalda un script de Bash ofuscado en base64 que, al ejecutarse, dibuja en el terminal una onda sinusoidal con el mensaje «PEACE FOR ALL». El hallazgo, relatado en un blog técnico, come
El repositorio chasangchual/reed-solomon-for-ocr ofrece corrección de errores optimizada para flujos de lectura óptica de códigos impresos: cupones, identificadores, etiquetas y cualquier documento generado en entornos de impresión poco fiables, como impresoras matriciales con pines dañados, cintas
Mistral ha presentado OCR 4, una nueva versión de su modelo de reconocimiento óptico de caracteres que devuelve, además del texto extraído, cajas delimitadoras, clasificación tipificada de bloques (títulos, tablas, ecuaciones, firmas) y puntuaciones de confianza por palabra y por página. El sistema
Unlimited-OCR es un proyecto de código abierto desarrollado por Baidu que avanza la tarea de reconocimiento óptico de caracteres (OCR) sobre documentos completos con el objetivo de alcanzar el parsing de horizonte largo en una sola pasada, tomando como referencia DeepSeek-OCR. El repositorio ofrece
ImageToolbox es una aplicación de edición de imágenes para Android, publicada como proyecto de código abierto en GitHub por el desarrollador T8RIN, que reúne decenas de funciones avanzadas en una interfaz sencilla pensada tanto para fotógrafos como para desarrolladores. Entre sus prestaciones se inc
LiteParse es una herramienta de código abierto para el parseo de documentos lanzada por LlamaIndex. Diseñada para ejecutarse íntegramente en local, ofrece análisis de texto espacial con cajas delimitadoras, sin depender de servicios en la nube ni de modelos de lenguaje propietarios. La arquitectura
MarkItDown es una herramienta ligera de Python desarrollada por Microsoft que convierte diversos formatos de archivo a Markdown, un lenguaje de marcado mínimo ideal para procesar con modelos de lenguaje grandes (LLMs). Su importancia radica en que los LLMs, como GPT-4o, entienden y generan Markdown
La regla de seguridad HIPAA de 2026, que se finalizó en mayo de 2026, introduce cambios significativos en la ciberseguridad de la atención médica, marcando una desviación de la normativa de 2003. La actualización, ya citada en acuerdos de resolución de la Oficina de Derechos Civiles (OCR), exige una
Un estudio técnico de WINK Streaming revela que la superresolución neuronal no mejora el reconocimiento de matrículas automotrices. Los investigadores probaron tres tuberias: OCR sin SR, un modelo SR compacto de 42K parametros y Real-ESRGAN de 1.21M parametros, sobre 2.000 recortes de matriculas men
Interfaze es una nueva arquitectura de modelo de inteligencia artificial que supera a modelos líderes como Gemini-3-Flash, Claude-Sonnet-4.6, GPT-5.4-Mini y Grok-4.3 en nueve benchmarks comparativos directos. La arquitectuta combina la especialización de redes neuronales profundas (DNN/CNN) con tran
El artículo de auge.franzai.com presenta una solución innovadora para interactuar con Apple Vision desde la terminal, permitiendo el análisis y procesamiento de documentos históricos de manera automatizada. En esencia, el sistema toma una imagen digitalizada de un documento (en este caso, la Declara
Eden AI ha lanzado una API unificada que permite a los desarrolladores acceder a múltiples modelos de inteligencia artificial, incluyendo LLMs (Large Language Models) y modelos especializados en áreas como procesamiento de voz, visión, OCR, traducción y más, a través de una única interfaz. La plataf
La plataforma OldNYC, un archivo digital de fotografías históricas de Nueva York, ha experimentado una transformación significativa gracias a la implementación de herramientas de inteligencia artificial. Dan Vanderkam, el creador, ha añadido 10,000 fotografías adicionales al sitio web, lo que eleva
Un reciente informe basado en discusiones anónimas en foros de ingeniería y comunidades de practicantes revela una desconexión significativa entre las demostraciones de rendimiento de la tecnología OCR (Reconocimiento Óptico de Caracteres) e IA (Inteligencia Artificial) y su funcionamiento en entorn
Este artículo relata un proyecto personal de 25 años para rastrear el precio de los huevos a través de recibos escaneados, utilizando tecnologías de vanguardia como agentes de codificación con IA (Codex y Claude) y modelos de visión por computadora. El autor comenzó en 2001 guardando imágenes de rec
## OCR Online: Convirtiendo Imágenes y PDFs Escaneados en Texto Editable ¿Qué es y por qué es importante? Online OCR (Reconocimiento Óptico de Caracteres) es una tecnología que permite convertir imágenes, ya sean fotografías de documentos, escaneos de PDFs o archivos en formatos como JPG o PNG, en
El Optofono es un dispositivo pionero diseñado a principios del siglo XX para ayudar a personas con ceguera a leer. Su importancia radica en ser una de las primeras aplicaciones conocidas de la sonificación, una técnica que transforma datos en sonido. Inventado por el Dr. Edmund Fournier d'Albe en 1
El proyecto "US Forest Service Diaries" es una valiosa ventana al pasado, ofreciendo una colección digitalizada y transcrita de los diarios de Reuben P. Box, un guardabosques del Servicio Forestal de los Estados Unidos (USFS) que trabajó en el norte de California entre 1927 y 1945. Estos diarios, or
Un desarrollador ha creado un sistema de Reconocimiento Óptico de Caracteres (OCR) sin servidor utilizando un modelo de código abierto, DeepSeek OCR, en tan solo 40 líneas de código. La solución, implementada a través de la plataforma Modal, permite procesar documentos PDF, incluso aquellos con nota
La reciente publicación del Departamento de Justicia (DoJ) de Estados Unidos de archivos relacionados con Jeffrey Epstein ha sido objeto de críticas por errores y omisiones, incluyendo la censura inadecuada de nombres y datos, la exposición accidental de credenciales de acceso y la corrupción de alg
Investigadores han desarrollado GLM-OCR, un nuevo modelo de código abierto para el reconocimiento óptico de caracteres (OCR) que alcanza un rendimiento de vanguardia en la comprensión de documentos complejos. Basado en la arquitectura GLM-V encoder-decoder, GLM-OCR incorpora técnicas innovadoras com
El Departamento de Justicia de EE. UU. ha publicado una nueva tanda de archivos relacionados con Jeffrey Epstein, lo que ha provocado un análisis forense de los documentos PDF resultantes. Expertos de la PDF Association han examinado una muestra aleatoria de estos archivos, confirmando que las corre
