Un modelo de IA que reconoce texto en cualquier idioma y corre en tu iPhone

Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados) acaba de lanzar dots.ocr, un modelo de reconocimiento óptico de caracteres o OCR (tecnología que convierte imágenes de texto en texto editable) que funciona completamente en dispositivos Apple sin necesidad de internet. Según la empresa, supera en precisión a sistemas comerciales como Google Cloud Vision y Azure AI Vision en más de cien idiomas, incluidos alfabetos complejos como el árabe, el tailandés o el bengalí.

Lo más llamativo del proyecto es que está diseñado para ejecutarse con Core ML (el framework de Apple para ejecutar modelos de IA directamente en iPhones, iPads y Macs), lo que permite procesar documentos sin enviar datos a servidores externos. El modelo base pesa apenas 25 megabytes y puede reconocer texto en 124 idiomas. Hugging Face también ha publicado una versión más ligera de 14 megabytes optimizada para dispositivos móviles más antiguos, aunque con menor precisión en idiomas minoritarios.

El modelo se entrenó con un dataset llamado LAION-OCR (una colección pública de millones de imágenes etiquetadas con su texto correspondiente) y utiliza una arquitectura de tipo transformer (el mismo tipo de red neuronal que hay detrás de ChatGPT, pero adaptada para reconocer texto en imágenes en lugar de generar lenguaje). A diferencia de sistemas tradicionales que primero detectan líneas de texto y luego las transcriben, dots.ocr procesa la imagen completa de una sola vez, lo que lo hace más rápido y preciso en documentos con estructuras irregulares.

Hugging Face ha publicado el modelo con licencia Apache 2.0 (una licencia de código abierto que permite uso comercial sin restricciones) y ha incluido scripts para convertirlo a Core ML, lo que facilita su integración en aplicaciones iOS. La empresa también ofrece una demostración web donde cualquiera puede probar el modelo subiendo una imagen. El proyecto forma parte de una estrategia más amplia de Hugging Face para democratizar herramientas de IA avanzadas que hasta ahora solo estaban disponibles como servicios de pago en la nube.

El rendimiento del modelo es especialmente notable en idiomas con menos recursos de entrenamiento, como el urdu o el amhárico, donde supera a competidores comerciales por más de diez puntos porcentuales en métricas de precisión. Esto lo convierte en una herramienta útil no solo para desarrolladores, sino también para proyectos de digitalización de archivos históricos o aplicaciones educativas en regiones con conectividad limitada.