Skip to main content
Cuando ABBYY Vantage procesa un documento PDF, debe decidir cómo extraer el texto. Los PDF pueden contener una capa de texto incrustada (texto con capacidad de búsqueda escrito directamente en el archivo) o pueden ser archivos compuestos solo por imágenes que requieren Reconocimiento óptico de caracteres (OCR) para extraer el texto. La configuración Modo de procesamiento de PDF le brinda un control explícito sobre el método que usa Vantage. Esto resulta especialmente útil cuando:
  • Trabaja en sectores regulados donde se exige reproducibilidad y trazabilidad de los resultados de extracción.
  • Su conjunto de documentos contiene PDF con capas de texto incrustadas de baja calidad o poco fiables que darían mejores resultados con Reconocimiento óptico de caracteres (OCR).
  • Está migrando desde ABBYY FlexiCapture y necesita replicar el comportamiento de procesamiento de sus flujos de trabajo existentes.
  • Necesita un comportamiento de procesamiento uniforme y predecible en todos los documentos, independientemente de su contenido.

​
Modos disponibles

​
Escenarios de ejemplo

Los siguientes ejemplos muestran situaciones habituales en las que cada modo es la mejor opción.
Su organización procesa facturas en PDF nativas digitales exportadas desde el sistema ERP de un proveedor. La capa de texto incrustada es precisa y se genera automáticamente. Usar Usar solo la capa de texto permite una extracción rápida y fiable sin ejecutar Reconocimiento óptico de caracteres (OCR) innecesario.
Procesa un gran volumen combinado de documentos en papel escaneados y PDF nativos digitales en el mismo flujo de trabajo. Algunos archivos tienen capas de texto limpias; otros, no. Predeterminado (recomendado) gestiona ambos casos automáticamente sin necesidad de configuración por documento.
Su conjunto de documentos consta de PDF generados por un sistema de escaneo heredado que incrusta una capa de texto de baja calidad durante el escaneo. Esa capa incrustada contiene errores de reconocimiento que perjudican la extracción de campos. Usar solo OCR la omite por completo y extrae texto limpio directamente de la imagen de la página.
Trabaja en un sector regulado (como los servicios financieros o la atención sanitaria) en el que los resultados de la extracción deben ser totalmente reproducibles y auditables. Fijar el modo en Usar solo la capa de texto o Usar solo OCR garantiza que siempre se utilice la misma ruta de procesamiento, independientemente de cómo lleguen los documentos.

​
Dónde se configura

La opción Modo de procesamiento de PDF está disponible en las siguientes ubicaciones:
  • Configuración de la skill de OCR — pestaña General, en Procesamiento de imágenes
  • Configuración de la actividad de OCR dentro de una Habilidad de proceso — pestaña General, en Procesamiento de imágenes

​
Versiones compatibles de Technology Core

El modo de procesamiento de PDF es compatible con skills que usan Technology Core 3. No está disponible para versiones anteriores de Technology Core.