ocr_extract_pdf
Extract native text or run OCR on scanned Chilean judicial PDFs, notarial records, and public resolutions. Turns image-only legal documents into searchable text.
Instructions
Extrae texto nativo o ejecuta OCR (Tesseract) sobre expedientes PDF judiciales, actas notariales o resoluciones públicas escaneadas.
Tool call template
Replace each placeholder with a value matching the input schema. Only required parameters are included; add optional parameters as needed.
{
"id": 1,
"jsonrpc": "2.0",
"method": "tools/call",
"params": {
"arguments": {
"pdf_path": "<pdf_path>"
},
"name": "ocr_extract_pdf"
}
}Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| dpi | No | Resolución de rasterizado para el OCR (por defecto 150; 300 para documentos borrosos) | |
| lang | No | Modelo de idioma del OCR. Por defecto 'spa' (español), que es lo que necesitan los expedientes chilenos. Si el modelo no está instalado, la respuesta trae una advertencia en 'advertencias' y el idioma realmente usado en 'ocr_language'. | spa |
| engine | No | Motor de OCR: 'auto' (detecta el mejor disponible), 'rapidocr' (PaddleOCR ONNX de alta precisión), 'paddleocr' o 'tesseract' | |
| end_page | No | Página final a procesar (opcional) | |
| pdf_path | Yes | Ruta absoluta o relativa al archivo PDF | |
| force_ocr | No | Forzar OCR incluso si hay texto digital | |
| start_page | No | Página de inicio (1-indexed, por defecto 1) |