---
title: "O que é OCR? Reconhecimento de caracteres vs. LLMs de visão"
description: "O OCR transforma texto em imagens e digitalizações em caracteres legíveis por máquina. OCR clássico, leitura de documentos com LLMs de visão e o que testar."
url: https://broadrouter.com/pt/glossary/ocr/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/ocr/) (atualizado em 2026-11-16).

# Reconhecimento óptico de caracteres (OCR)

Atualizado em 2026-11-16

OCR (reconhecimento óptico de caracteres) é a tecnologia que detecta texto impresso ou manuscrito em uma imagem, digitalização ou PDF e o converte em caracteres legíveis por máquina. O OCR clássico devolve o texto e a posição dele na página; modelos de visão e linguagem conseguem ler o texto e responder perguntas sobre ele diretamente.

Também chamado de: OCR, reconhecimento óptico de caracteres, reconhecimento de texto, imagem para texto, OCR de documentos, extração de texto de documentos digitalizados, optical character recognition, text recognition, image to text, document OCR, scanned text extraction

O OCR é a etapa que transforma a foto de um recibo em texto que um programa consegue buscar, guardar ou conferir.

## Como funciona

Um mecanismo de OCR clássico encontra as regiões de texto na página, divide essas regiões em linhas e reconhece os caracteres de cada linha. O Tesseract, o mecanismo open source mais conhecido, ganhou na versão 4 uma rede neural LSTM que reconhece linhas inteiras, e consegue “recognize more than 100 languages” (tradução: reconhecer mais de 100 idiomas) logo de saída. A saída pode ser texto puro, hOCR (HTML), PDF, PDF com texto invisível, TSV, ALTO ou PAGE, então você também recebe a posição das palavras.

O OCR clássico para nos caracteres. Para saber qual número é o total ou qual linha é o nome do fornecedor, você acrescenta regras ou um segundo modelo.

Modelos de visão e linguagem seguem outro caminho. A página da tarefa image-text-to-text do Hugging Face descreve perguntas e respostas sobre documentos como “an OCR-free approach” (tradução: uma abordagem sem OCR): a imagem do documento vai direto para um [modelo de visão e linguagem](https://broadrouter.com/pt/glossary/vision-language-model/), que lê e responde. Você pode pedir os campos diretamente e recebê-los como [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/).

|  | OCR clássico (ex.: Tesseract) | LLM de visão |
| --- | --- | --- |
| Saída | caracteres mais posições | respostas, resumos ou campos JSON |
| Entendimento do layout | limitado, precisa de regras | lê tabelas e rótulos no contexto |
| Onde roda | localmente, sem taxa por chamada | geralmente uma API, cobrada por token |
| Risco | caracteres lidos errado | caracteres lidos errado e valores inventados |

## Por que importa

-   **Custo.** Uma imagem enviada a uma API de LLM é cobrada como [tokens](https://broadrouter.com/pt/glossary/token/) de entrada. O OCR local não tem cobrança por chamada, mas precisa de servidores e manutenção.
-   **Checagens de precisão.** Um modelo de visão pode devolver um total plausível que não está na página. Peça que ele cite o texto de origem e confira as somas no código.
-   **Árabe.** Texto da direita para a esquerda, letras ligadas e a mistura de algarismos árabes e latinos aumentam a dificuldade. Teste qualquer mecanismo ou modelo com as suas próprias digitalizações.

## Na BroadNet Inference

A BroadNet não documenta um endpoint de OCR separado. A documentação mostra como ler uma nota fiscal enviando a imagem como URL `data:` a um modelo de chat cuja linha no catálogo indica imagens ou visão, como o [DeepSeek V4.1 Flash](https://broadrouter.com/pt/models/deepseek-v4.1-flash/), o [BroadNet Gemma 4 VL 26B](https://broadrouter.com/pt/models/gemma-4-vl-26b/) ou o [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/). Em uma chave de pagamento por uso, a imagem conta como tokens de entrada pelo preço de entrada do modelo ($0.10 por 1M no Gemma), e imagens maiores usam mais tokens. Siga o passo a passo no [guia de notas fiscais em árabe](https://broadrouter.com/pt/guides/read-arabic-invoices-with-vision/) e veja [OCR em árabe com LLMs de visão](https://broadrouter.com/pt/blog/arabic-ocr-vision-llm/) para saber quando o OCR clássico ainda é a melhor ferramenta.

## Perguntas frequentes

### Qual a diferença entre OCR e um LLM de visão?

O OCR devolve os caracteres que encontra e onde eles estão. Um LLM de visão lê a imagem e pode responder uma pergunta, como "qual é o total da nota?", ou devolver campos nomeados em JSON.

### A BroadNet tem um endpoint de OCR?

Nenhum endpoint de OCR separado está documentado. Você envia a imagem a um modelo de chat com visão em /v1/chat/completions e pede o texto ou os campos de que precisa.

### Ainda vale a pena usar OCR clássico?

Sim, para grandes volumes de páginas impressas e limpas quando você só precisa do texto e da posição dele. Roda localmente, sem taxa por chamada. Modelos de visão são melhores quando você precisa de campos, tabelas ou respostas em vez de caracteres brutos.

## Veja também

-   [Modelo de visão e linguagem (VLM)](https://broadrouter.com/pt/glossary/vision-language-model/) (termo)
-   [IA multimodal (multimodal AI)](https://broadrouter.com/pt/glossary/multimodal/) (termo)
-   [Saída estruturada (structured output)](https://broadrouter.com/pt/glossary/structured-output/) (termo)
-   [Token](https://broadrouter.com/pt/glossary/token/) (termo)
-   [Normalização Unicode (Unicode normalization)](https://broadrouter.com/pt/glossary/unicode-normalization/) (termo)
-   [Tokens de imagem (image tokens)](https://broadrouter.com/pt/glossary/image-tokens/) (termo)
-   [Ler notas fiscais e recibos em árabe com um modelo de visão](https://broadrouter.com/pt/guides/read-arabic-invoices-with-vision/) (guia)
-   [OCR em árabe ou LLM de visão: lendo documentos e notas fiscais](https://broadrouter.com/pt/blog/arabic-ocr-vision-llm/) (artigo)
-   [Extrair dados de faturas, recibos e formulários com LLM de visão](https://broadrouter.com/pt/blog/extract-data-from-documents-with-vision-llm/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-ocr&utm_content=page-cta) ·

**Fontes**

-   [Tesseract OCR, repositório oficial no GitHub (verificado em 2026-11-16)](https://github.com/tesseract-ocr/tesseract)
-   [Hugging Face Tasks, image-text-to-text (perguntas e respostas sobre documentos sem OCR) (verificado em 2026-11-16)](https://huggingface.co/tasks/image-text-to-text)
-   [Referência da API da BroadNet Inference, chat com uma imagem (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-ocr&utm_content=sources)
