Módulo complementario opcional
Software OCR que convierte el papel escaneado en verdad buscable.
El software OCR empresarial extrae texto de planos y documentos escaneados en múltiples alfabetos, genera PDFs buscables y alimenta la búsqueda de texto completo. Se ejecuta en su hardware o en el nuestro, y nunca toca los originales protegidos.
Board_Minutes_2026_Scan.pdf
412 pages · searchable PDF + .txt
Technical_Report_ES.pdf
page 268 of 391 · engine: es
Plant_Overview.pptx
queued · engine: auto-detect
## Página 268 de 391, confianza 0.97
…la presión de diseño del recipiente no debe exceder 24 bar de acuerdo con…
capa de texto invisible inyectada · el escaneo original no se modifica
Capacidades OCR
Extracción sin exposición
Extracción asíncrona
Los documentos se cargan por streaming, se encolan y se procesan en segundo plano con progreso página por página. Puede cerrar el navegador: el trabajo continúa en el nodo.
Bilingüe EN/ES
El nodo viene en inglés y español, y su catálogo de reconocimiento cubre la familia latina — español, inglés, portugués, francés, alemán, italiano — además de cirílico, chino, japonés, coreano, árabe y devanagari. La salida en español recibe una pasada de corrección genérica de acentos, siglas y artefactos de tablas.
Indexación de texto completo
El texto extraído alimenta directamente el índice de búsqueda, permitiendo descubrimiento contextual hasta la página exacta en todo el repositorio.
En cola, limitado, observable
Los trabajadores se ajustan automáticamente a CPU y RAM cada 30 segundos, y las barreras de recursos rechazan o reducen trabajos cuando el nodo está saturado en lugar de degradarlo. Cada tarea reporta estado, progreso y errores.
API Scan máquina a máquina
Una API servidor a servidor permite a su plataforma enviar escaneos, seguir el progreso y descargar el PDF buscable con su nombre original. Los trabajos son idempotentes por referencia de documento, y la finalización puede llegar por webhook o sondeo.
Nativo en el visor
Los usuarios solicitan OCR desde el explorador de archivos — un documento o una carpeta completa — y los administradores pueden encolar cada PDF escaneado sin texto. El progreso se ve por página y el PDF buscable vuelve a su lugar, sujeto a los permisos existentes.
Qué hace
De píxeles muertos a texto vivo
Los documentos escaneados son imágenes — invisibles para la búsqueda, imposibles de auditar. El OCR de documentos los convierte de nuevo en texto que su plataforma realmente puede usar.
Generación de PDF buscables
Los documentos escaneados vuelven como PDFs buscables con una capa de texto OCR invisible bajo la imagen original — misma apariencia, cada palabra seleccionable e indexable. El .txt y el PDF provienen de la misma pasada de reconocimiento, así que siempre coinciden, y se conserva el nombre original.
Extracción híbrida por página
Las páginas se evalúan individualmente. El texto nativo se conserva cuando es limpio; las páginas fragmentadas o solo imagen pasan por OCR. Los PDF nativos también pueden pasar por un extractor consciente del diseño (OpenDataLoader, con modo híbrido docling-fast opcional) que preserva el orden de lectura en tablas complejas y planos técnicos.
Reconocimiento UTF-8 multi-alfabeto
Latino (español, inglés, portugués, francés, alemán, italiano), cirílico, chino, japonés, coreano, árabe y devanagari — el motor elige el alfabeto que mejor lee cada página, y los modelos (~10 MB cada uno) se descargan bajo demanda. La capa de texto invisible usa fuentes con cobertura real de glifos, incluido el orden lógico para escrituras de derecha a izquierda.
Calidad de captura adaptativa
Los documentos cortos — mapas, planos, formularios — se renderizan a 400 DPI para máxima fidelidad de glifos; los documentos largos corren a 200 DPI. Las páginas de baja confianza se reintentan automáticamente a DPI alto antes de escribir la capa de texto.
Operación empresarial
Construido para cargas de producción, no para demos
El nodo OCR gestiona sus propios recursos, se protege de la sobrecarga y no deja residuos.
Procesamiento en cola masiva
Una cola asíncrona procesa documentos en lote con progreso en vivo a nivel de página, historial persistente, cancelación y un límite de una hora por tarea. Los archivos entran por streaming hasta 3 GB, limitados dinámicamente por la RAM y el disco del nodo.
Trabajadores auto-ajustables
El pool de trabajadores reevalúa CPU y RAM cada 30 segundos. Bajo sobrecarga el nodo rechaza o reduce trabajos — los límites se estrechan por debajo de 512 MB de RAM o 10 GB de disco — en lugar de degradarse.
Autenticado y auditado
Sesiones firmadas con HMAC, credenciales con hash bcrypt, aislamiento de tareas y archivos por usuario y una traza de auditoría de cada carga, descarga y eliminación con IP y user-agent. Las claves de API para integraciones se almacenan con hash.
Retención automática de 24 horas
Las tareas y archivos procesados se purgan automáticamente a las 24 horas por defecto, y cualquier tarea puede eliminarse a demanda. El nodo OCR nunca se convierte en una copia no controlada de su repositorio documental.
Integración
Dos vías de entrada: sus sistemas o su visor
Aegis OCR está diseñado para ser invocado, no vigilado — por servicios de plataforma mediante una API documentada, o por usuarios directamente desde el visor.
API Scan servidor a servidor
Nativo en el visor
Opciones de despliegue
Ejecútelo en nuestra nube — o en su hardware
Aegis OCR se ofrece completamente gestionado en nuestra nube, con cero infraestructura de su lado. Si su política exige procesamiento local, estos son los requisitos mínimos para un nodo dedicado.
Aegis Cloud Recomendado
Nodo on-premise
Requisitos mínimos al contratar procesamiento local.
No se requiere GPU — la inferencia corre completamente en CPU. El nodo puede compartir el mismo servidor que su despliegue de Aegis Secure View, y el complemento opcional consciente del diseño corre a su lado.
Traiga sus documentos más difíciles
Envíenos una muestra de sus planos escaneados y le mostraremos la calidad de extracción con sus propios archivos.