API de documentos
Convierte cualquier documento en contenido listo para la IA
Extrae texto, tablas e imágenes de PDF, archivos de Office e imágenes con una sola API. Un OCR avanzado convierte los documentos escaneados en Markdown, JSON o HTML limpios, listos para pipelines RAG, digitalización y procesamiento de facturas.
Por qué GreenPT
IA para documentos sin sacrificar tus datos
La mayoría de las API de documentos te piden enviar archivos sensibles a una infraestructura que no controlas. GreenPT procesa tus documentos en una infraestructura privada, alojada en la UE y alimentada con energía renovable, y no entrena modelos con tus datos.
Alojada en la UE y alineada con el RGPD, para que tus documentos sensibles se queden en Europa.
Privada por diseño: tus archivos nunca se usan para entrenar modelos.
Muchos formatos en una sola API: de PDF a hojas de cálculo e imágenes.
El OCR integrado lee escaneos y documentos en formato de imagen.
Modos de tabla rápido o preciso, según te importe más la velocidad o la exactitud.
JSON DoclingDocument estructurado que entra directo en tus pipelines RAG.
Funciones
Una API para todos tus documentos
Compatible con muchos formatos
Procesa PDF, Word, PowerPoint, Excel, CSV, HTML y los tipos de imagen más habituales en un solo endpoint, sin montar nada específico para cada formato.
OCR para escaneos e imágenes
Un OCR avanzado lee documentos escaneados e imágenes con texto incrustado y convierte los píxeles en contenido limpio y fácil de buscar.
Extracción de tablas
Detecta y reconstruye la estructura de las tablas de informes y hojas de cálculo, con un modo rápido si priorizas la velocidad y otro preciso si priorizas la exactitud.
Varios formatos de salida
Recibe los resultados en Markdown, JSON, HTML, HTML dividido por páginas, texto sin formato o DocTags. Elige uno o pide varios a la vez.
Extracción de imágenes
Extrae las imágenes incrustadas junto con el texto para que figuras y diagramas no se pierdan en la conversión.
JSON estructurado para RAG
Recibe un esquema DoclingDocument estructurado con textos, tablas, imágenes y páginas, listo para trocear y vectorizar de cara a la recuperación.
Formatos
Entran muchos formatos, sale una estructura limpia
Envía los documentos que ya tienes y recibe el formato que necesita tu aplicación, ya sea Markdown para un LLM o JSON estructurado para un pipeline.
Formatos de entrada
Documentos
- .docx
- .pptx
- .xlsx
- .csv
- .md
- .html
Imágenes
- .png
- .jpg
- .tiff
- .bmp
- .webp
Especiales
- .vtt
- .xml
- .json
Formatos de salida
- Markdown
- JSON
- HTML
- HTML por páginas
- Texto sin formato
- DocTags
Casos de uso
Pensada para flujos de trabajo con muchos documentos
Pipelines RAG
Convierte tus documentos fuente en texto limpio y estructurado para que la recuperación y los embeddings partan de una entrada de calidad.
Procesamiento de facturas
Automatiza la extracción de datos de facturas y recibos, incluidas las tablas con los conceptos y los totales.
Digitalización de documentos
Convierte archivos escaneados y PDF antiguos en texto que se puede buscar y que las máquinas pueden leer, listo para indexar y reutilizar.
Extracción de datos
Saca las tablas de informes financieros y hojas de cálculo a formatos estructurados que tus sistemas pueden usar.
Investigación académica
Procesa artículos de investigación con sus fórmulas, citas y figuras intactas para analizarlos o resumirlos.
Accesibilidad
Haz accesibles los documentos en formato de imagen: extrae su texto para que los lectores de pantalla y las búsquedas lleguen al contenido.
La API de documentos en pocas palabras
¿Qué formatos de archivo puedo enviar?
PDF, archivos de Microsoft Office (Word, PowerPoint, Excel), CSV, Markdown, HTML y los tipos de imagen habituales, como PNG, JPEG, TIFF, BMP y WebP. También admite formatos especiales como VTT, XML y JSON.
¿En qué formatos recibo los resultados?
Markdown (por defecto), JSON estructurado con el esquema DoclingDocument, HTML, HTML dividido por páginas, texto sin formato o DocTags. Puedes pedir un formato o varios en una sola llamada.
¿Puede leer documentos escaneados?
Sí. El OCR integrado convierte documentos escaneados e imágenes con texto incrustado en una salida limpia y estructurada. También puedes forzar el OCR para que sustituya el texto existente cuando las capas de texto de un PDF no sean fiables.
¿Extrae tablas?
Sí. La detección de la estructura de las tablas viene activada por defecto, con un modo rápido para ganar velocidad y un modo preciso para maquetaciones complejas. También puedes extraer las imágenes incrustadas junto con el texto.
¿Son privados mis datos y dónde se procesan?
La API de documentos funciona en la infraestructura privada de GreenPT, alojada en la UE y alimentada con energía renovable. Procesamos tus archivos para atender tu petición y no los usamos para entrenar modelos.
Lee la documentación de la API →
Empieza a crear
Deja cada documento listo para la IA.
Envía tu primer archivo en minutos. Convierte PDF, escaneos y documentos de Office en contenido limpio y estructurado, en una infraestructura privada alojada en la UE.
- 100 % renovable
- Alojado en la UE
- Alineado con el RGPD