Por que converter PDF para TXT?
PDFs digitalizados muitas vezes contêm só imagens das páginas, então o texto deles não pode ser selecionado, pesquisado nem copiado para outro documento. O ToolGPT lê até 20 páginas por pedido, e pedir parágrafos junta as linhas para que o texto seja colado de forma organizada em um documento.
Como o ToolGPT lê o texto
O reconhecimento roda no seu navegador com o Tesseract, um mecanismo de OCR de código aberto, então o arquivo PDF não é enviado a um serviço de OCR. Para que o assistente possa responder a perguntas sobre o resultado, os primeiros 2.000 caracteres do texto reconhecido são compartilhados com a IA no seu chat.
Ele lê texto impresso em inglês. Escrita à mão, outros idiomas e textos muito pequenos ou borrados saem mal ou nem são reconhecidos. Ele lê no máximo 20 páginas ou fotos por vez, então, no caso de um PDF mais longo, o ToolGPT pergunta de quais páginas você precisa.
Sobre o formato PDF
O PDF, o Portable Document Format criado pela Adobe, mantém o layout, as fontes e as imagens de um documento iguais em qualquer tela e impressora. É o formato habitual de formulários, contratos, faturas, manuais e papéis digitalizados. PDFs são difíceis de editar, e um PDF digitalizado muitas vezes guarda só imagens das páginas, então o texto dele não pode ser selecionado nem pesquisado.
Sobre o formato TXT
O TXT é um arquivo de texto simples: só caracteres, sem fontes, imagens ou formatação. Qualquer computador, celular e editor de texto consegue abri-lo, e o conteúdo dele pode ser colado sem problemas em documentos, e-mails e outros programas. Ele não consegue manter um layout com colunas, tabelas ou negrito.