Benchmark de Reconhecimento de Caligrafia: LLMs vs OCRs
OCR as ferramentas de OCR alcançam mais de 99% de precisão em texto digitado em imagens de alta qualidade. No entanto, a caligrafia continua desafiadora devido a variações de estilo, espaçamento e irregularidades. Apresentamos um benchmark de caligrafia cursiva com 100 amostras de caligrafia escritas por nossa equipe para evitar sobreajuste.
Resultados do benchmark de caligrafia cursiva
Neste benchmark, GPT-5, Gemini 3 Pro Preview e olmOCR-2-7B-1025-FP8 são os modelos com melhor desempenho, alcançando as maiores pontuações de similaridade semântica e a interpretação mais consistente de texto cursivo em todas as amostras.
Os nomes completos dos produtos estão abaixo, nós os abreviados no gráfico. Neste benchmark, suas versões mais recentes até novembro de 2025 são usadas:
- GPT-5
- Gemini 3 Pro Preview
- Gemini 2.5 Pro
- olmOCR-2-7B-1025-FP8
- Moondream OCR
- Claude Sonnet 4.5
- Nanonets-OCR2-3B
- Dots OCR
- Azure Cognitive Service
- Google Vision
- Mistral OCR
- PaddleOCR-VL
- Amazon Textract
- Deepseek OCR
Metodologia do benchmark de caligrafia cursiva
Para este benchmark, 10 redatores escreveram à mão 10 parágrafos cada em cursiva, resultando em um conjunto de dados de 100 amostras de caligrafia cursiva. Os redatores não foram instruídos a escrever de forma legível. A conectividade natural das letras, a variabilidade dos traços, a distorção do espaçamento e a fluidez das linhas foram preservadas intencionalmente para refletir a complexidade real da cursiva.
O conjunto de dados inclui:
- Inclinação variável, pressão do traço e padrões de ligadura
- Texto misto com números, pontuação e maiúsculas
- Resoluções de imagem e fundos diversos para garantir robustez
Todas as amostras foram avaliadas usando nosso pipeline de avaliação de OCR unificado, baseado na similaridade de cosseno para comparação justa.
Imagem digitalizada de exemplo:
O que é reconhecimento de caligrafia?
Reconhecimento de caligrafia, também conhecido como caligrafia OCR ou OCR cursivo, é uma subdivisão da OCR tecnologia que traduz letras manuscritas para texto digital correspondente ou comandos em tempo real. Para realizar essa tarefa, esses sistemas se beneficiam da correspondência de padrões para identificar vários estilos de letras manuscritas. A Wikipedia define reconhecimento de caligrafia como:
A capacidade de um computador receber e interpretar entrada manuscrita inteligível de fontes como documentos em papel, fotografias, telas sensíveis ao toque e outros dispositivos.
As habilidades de reconhecimento de caligrafia de LLM também são altamente desenvolvidas; em nosso benchmark, o gemini-3-pro é 100% preciso.
O que está incluído na caligrafia?
Por caligrafia, referimo-nos a textos escritos em forma manuscrita e cursiva. Textos em estilo manuscrito são mais fáceis de reconhecer, pois os caracteres são escritos separadamente como letras de forma. No entanto, a caligrafia cursiva envolve caracteres unidos à medida que são escritos.
Esse aspecto exige que as ferramentas de reconhecimento de caligrafia percebam cada caractere separado corretamente e os identifiquem com precisão. Abaixo estão exemplos de escrita manuscrita e cursiva.
Fonte: Quora1
Ferramentas de reconhecimento de caligrafia também podem identificar caligrafia em telas digitais. Esse tipo de caligrafia pode ser rastreado enquanto é escrita. O software pode aproveitar seu movimento dinâmico para fornecer resultados mais precisos. Abaixo está um exemplo de reconhecimento de caligrafia digital, fornecido pela Microsoft Azure Ink Recognizer API.
Quais são os desafios de converter caligrafia em texto?
Mesmo que as ferramentas tradicionais de OCR estejam no mercado desde os anos 70, ainda não existem muitas ferramentas que possam lidar com o reconhecimento de caligrafia. Como cada pessoa tem seu próprio estilo de escrita, as ferramentas tradicionais de OCR não conseguem perceber a caligrafia de todos.
Além da tecnologia de visão computacional, algoritmos de aprendizado profundo altamente complexos são necessários para identificar todas essas variações com sucesso. Abaixo está uma lista de desafios que as ferramentas de reconhecimento de caligrafia frequentemente encontram:
Desafios
- Qualidade da imagem: O texto manuscrito é frequentemente capturado em baixa resolução ou iluminação insuficiente. As páginas podem incluir manchas, sombras ou borrões que atuam como ruído de fundo.
- Variedade de estilos de escrita: Cada indivíduo tem uma maneira única de escrever. Diferenças nos alfabetos, formas das letras e tamanhos dos caracteres dificultam o reconhecimento.
- Texto inclinado: As linhas manuscritas raramente são perfeitamente retas. As palavras podem inclinar-se, curvar-se ou até aparecer em ângulos incomuns.
- Caracteres conectados: Na escrita cursiva ou rápida, letras e símbolos muitas vezes se unem, tornando-os mais difíceis de separar.
- Degradação: Documentos antigos ou muito usados podem ter tinta desbotada, amarelamento ou danos na página, reduzindo a clareza do texto.
Soluções
As ferramentas modernas de HTR combinam visão computacional com aprendizado profundo para superar esses desafios. Essas abordagens vão além do OCR tradicional, que existe desde os anos 1970, mas ainda enfrenta dificuldades com a caligrafia. Hoje, o progresso está sendo feito por meio de:
- Melhorar a qualidade da entrada: Capture ou digitalize documentos em maior resolução e melhor iluminação.
- Limpeza de fundo: Use técnicas de aprendizado de máquina ou fotografia para remover ruído e melhorar a clareza.
- Algoritmos de reconhecimento avançados: Aplique modelos de aprendizado profundo projetados para lidar com estilos de escrita variados, alfabetos e letras conectadas.
- Correção de inclinação: Use ferramentas de processamento de imagem para detectar e corrigir texto inclinado ou girado.
- Design amigável ao OCR: Quando possível, crie formulários e documentos que sejam fáceis para as ferramentas de OCR processarem.
Preparação para converter notas manuscritas
Há uma variedade de fatores a considerar ao projetar documentos. O mais importante são os dados a serem capturados dos documentos. Como existem diferentes maneiras de representar o mesmo tipo de dados, você precisa considerar a velocidade, a precisão e a facilidade de uso de cada opção ao construir seu documento.2 ,3 ,4
1. Digitalização e pré-processamento
- Garanta uma digitalização clara: Use um scanner ou um aplicativo dedicado para criar uma imagem de alta resolução e bem iluminada de suas anotações.
- Binarização: Converta a imagem digitalizada para preto e branco para melhorar o contraste e tornar o texto mais distinto do fundo.
Fonte: Datacap.hk
- Remoção de ruído e correção de inclinação: Aplique filtros para remover quaisquer marcas dispersas ou sombras e corrija qualquer inclinação no documento. Evite fundos coloridos. Aproveite os elementos de alinhamento para evitar documentos inclinados.
2. Técnicas de segmentação
A segmentação é o processo de dividir a imagem em componentes menores e mais gerenciáveis, como linhas de texto, palavras e caracteres individuais. Para garantir isso, as empresas podem usar métodos de segmentação, que você pode ver abaixo.
Fonte: How OCR Works5
- Segmentação de linha de texto: Este é um pré-requisito para outras tarefas e envolve separar o documento em linhas individuais de texto. Mantenha os dados dentro das margens.
- Segmentação de palavras e caracteres: Após a segmentação de linha, você pode dividir ainda mais as linhas em palavras individuais e depois em caracteres, o que é crucial para o reconhecimento preciso do texto.
- Utilizando ferramentas de IA avançadas: Ferramentas com IA como Transkribus podem realizar segmentação sofisticada de texto e layout automaticamente para anotações complexas.
3. Incorporando caixas de seleção para uma digitalização mais fácil
- Caixas pré-impressas: Se você sabe que digitalizará suas anotações, desenhe ou imprima caixas de seleção claramente na página, garantindo que sejam grandes o suficiente para serem facilmente reconhecidas pelo software de OCR.
- Formatação clara: Certifique-se de que as caixas de seleção não estejam muito próximas ao texto ao qual estão associadas e tenham contraste suficiente com o papel.
- Aproveite o OCR com IA: As ferramentas podem ser treinadas para reconhecer essas caixas de seleção, permitindo processamento e extração mais fáceis de informações marcadas/não marcadas.
- Padronize: Use o mesmo tipo de caixa de seleção e estilo em todas as suas anotações para consistência.
4. Usando software de OCR
- Aplicar OCR: Depois que as anotações forem digitalizadas e segmentadas, use o software de Reconhecimento Óptico de Caracteres (OCR) para converter as imagens do texto em texto digital legível por máquina.
- Pós-processamento: Revise o texto digitalizado em busca de erros, especialmente em áreas com caligrafia complexa ou layouts incomuns.
Existe pesquisa ativa sobre reconhecimento de caligrafia?
Como a capacidade de reconhecimento de caligrafia depende fortemente de redes neurais, os avanços nesses algoritmos afetam profundamente o desempenho das ferramentas de reconhecimento de caligrafia. Assim, a pesquisa ativa sobre reconhecimento de caligrafia é baseada em algoritmos de redes neurais.
A pesquisa do Google sobre reconhecimento de caligrafia começa com várias etapas de treinamento:
- Introdução de todos os caracteres possíveis de diferentes alfabetos
- Treinamento da ferramenta para segmentar cada caractere em um texto
- Treinamento da ferramenta para extração de características para identificação precisa de caracteres
O Google também está usando algoritmos de processamento de linguagem para melhorar o desempenho do reconhecimento de caligrafia. Por exemplo, se a ferramenta precisar decidir entre “i” e “l”, ela pode analisar a palavra inteira e decidir o caractere adequado para fornecer resultados precisos.
O software de OCR geralmente tem vários motores de reconhecimento de caligrafia integrados ao software. Esses motores trabalham de forma síncrona para gerar a representação de caractere mais precisa correspondente à entrada.
Adicionar como fonte preferencialFornecedores de reconhecimento de caligrafia
Como o reconhecimento de caligrafia é uma subdivisão do OCR, os critérios para escolher o reconhecimento de caligrafia adequado são semelhantes aos das ferramentas de OCR. Ao selecionar um fornecedor de reconhecimento de caligrafia, você deve considerar os seguintes fatores:
- Precisão no reconhecimento de caracteres
- Capacidades de aprendizado contínuo
- Velocidade de computação caso os resultados precisem ser entregues em tempo real
- Facilidade de uso da interface, se a interface for usada por humanos
Além desses, as melhores práticas de aquisição, como garantir o menor Custo Total de Propriedade (TCO), flexibilidade, melhores práticas de segurança de dados e evitar o aprisionamento tecnológico são essenciais.
Abaixo você encontra uma lista resumida de fornecedores de caligrafia. Você também deve ter em mente que esses fornecedores também podem fornecer serviços de OCR para o seu negócio.
- Abbyy
- Google Cloud Vision API
- Hanvon Technology
- Hanwang Technology
- Infrrd.ai
- MicroBlink
- Microsoft Azure Read API
- Mitek
- MyScript
- Selvasai
- Unitek.ai
- Vidado
Perguntas frequentes
Use um leitor cursivo ou software de reconhecimento de caligrafia para ajudar a decifrar caligrafia ilegível
Endireite e alise anotações em papel para evitar inclinação ou distorção e obtenha documentos digitalizados da mais alta qualidade possível
Use software de reconhecimento óptico de caracteres (OCR) para converter imagens digitalizadas ou fotografias de texto manuscrito.
Exporte o texto digital convertido para arquivos PDF ou outros formatos para compartilhamento ou armazenamento
Procure recursos como reconhecimento de caracteres, tinta digital e suporte a letras de forma
Se você quiser ler mais sobre ferramentas de reconhecimento de caligrafia, estes artigos também podem interessar a você:
- Estado Atual do OCR: É um Problema Resolvido?
- Benchmark de OCR de Fatura: Precisão de Extração de LLMs vs OCRs
- Benchmark de OCR: Precisão de Extração / Captura de Texto
Cite este benchmark
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem and PhD., Ezgi Arslan,},
title = {{Benchmark de Reconhecimento de Caligrafia: LLMs vs OCRs}},
year = {2026},
month = jul,
howpublished = {\url{https://aimultiple.com/handwriting-recognition}},
note = {AIMultiple. Acessado em 29 Julho 2026}
}Links de referência
O trabalho de Cem foi citado por publicações globais de destaque, incluindo Business Insider, Forbes, Washington Post, empresas globais como Deloitte, HPE e ONGs como o Fórum Econômico Mundial e organizações supranacionais como a Comissão Europeia.
Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas em suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.
Ele liderou a estratégia de tecnologia e aquisições de uma empresa de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de tecnologia profunda Hypatos, que alcançou uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia de destaque como TechCrunch e Business Insider.
Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou na Universidade Bogazici como engenheiro de computação e possui um MBA pela Columbia Business School.
Comentários 4
Compartilhe suas ideias
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.
Exactly what I was looking for. Thank you!
Hi Cem, your article is very clear and practical. Thank you for sharing your knowledge! It will be very useful for me.
See Transkribus from readcoop for handwritten text recognition for cursive writing.
Which service or software would you recommend in this case: - manuscript/diary 100s of pages written by one author - other language than English (German in this case) I need the software to learn my handwriting, that is not in English and preferably with a good tool to correct all the error.
Thank you for reaching out. You can try Google Cloud Vision. It is not bad at handwriting recognition and is free to try. I don't know if it can get user feedback to improve its models. Let us know if you find that functionality.