Atualizado em 21/10/2026: verbete refeito: definição curta com fonte, exemplo e termos relacionados; saiu o texto genérico anterior. Como conferimos os dados
O Tesseract é um motor de OCR (reconhecimento óptico de caracteres) de código aberto: lê uma imagem, como a foto de um documento, e devolve o texto. Vem como biblioteca (libtesseract) e como programa de linha de comando (tesseract), sob a licença Apache 2.0.
História
Foi desenvolvido na HP entre 1985 e 1994, aberto pela HP em 2005 e desenvolvido pelo Google de 2006 a agosto de 2017. A versão 4 trouxe um motor de OCR baseado em rede neural (LSTM), focado em reconhecer linhas de texto.
Idiomas
Reconhece mais de 100 idiomas “de fábrica”, inclusive português, com modelos de idioma baixados à parte.
Exemplo de uso
Digitalizar notas fiscais e extrair o texto para uma planilha, ou tornar pesquisável um PDF que só tem imagens das páginas.
Termos relacionados
Fontes (conferidas em 02/10/2026): Tesseract: repositório oficial