Jev en file2markdown: revisa la calidad del Markdown sin reescribirlo
Un PDF puede convertirse sin errores técnicos y producir texto difícil de usar: palabras con caracteres extraños, frases cortadas en cada línea o tablas desordenadas. Antes de copiar ese resultado a otra herramienta, conviene saber dónde mirar.
file2markdown incluye comprobaciones básicas en cada conversión. Para los PDF también puedes activar una revisión opcional con Jev, de TypeSafe. Esta revisión busca señales de problemas en fragmentos del Markdown. No reescribe el texto ni certifica que coincida con el original.
Cómo activar la revisión
- Abre el conversor y selecciona un PDF.
- Activa la opción de revisión de calidad con IA antes de convertirlo. Está desactivada por defecto.
- Convierte el archivo y lee el aviso que aparece junto al resultado.
- Si se señala un problema, compara ese fragmento con el PDF original.
Las comprobaciones básicas funcionan aunque no actives Jev. Si la revisión con IA no está disponible, la conversión sigue entregando el Markdown y muestra esa limitación.
Qué problemas buscamos
Texto ilegible. Algunas fuentes o extracciones producen caracteres incorrectos, letras ausentes o palabras mezcladas. Un fragmento puede parecer texto normal a un programa y resultar imposible de leer para una persona.
Frases partidas entre líneas. En ciertos PDF, cada renglón impreso se extrae como una línea independiente. Esto puede dificultar la lectura y el procesamiento posterior. No toda línea corta es un error: el código, las listas y los formularios tienen otras estructuras.
Tablas que necesitan revisión. Una fila con menos celdas o un separador ausente puede alterar la relación entre números y encabezados. Las reglas del programa cuentan las celdas; Jev aporta una señal adicional sobre el aspecto del fragmento. No delegamos los recuentos al modelo.
Dos capas de comprobación
Las reglas básicas se ejecutan en nuestros servidores. Buscan señales mecánicas, como caracteres de sustitución, repeticiones y tablas Markdown irregulares. También pueden señalar que una página procesada con OCR se cortó al alcanzar el límite de salida del modelo.
La revisión opcional selecciona fragmentos del Markdown convertido y los envía juntos a Jev. El sistema plantea preguntas concretas sobre cada fragmento y aplica umbrales definidos en código a las respuestas. Las exclusiones evitan tratar automáticamente código, fórmulas o formularios como prosa dañada.
Revisar una muestra tiene límites: un problema fuera de los fragmentos seleccionados puede pasar desapercibido. Tampoco mostramos una puntuación global de calidad, porque la confianza de una respuesta del modelo no mide la fidelidad del documento completo.
Cómo interpretar el resultado
| Resultado | Qué significa | Siguiente paso |
|---|---|---|
| Requiere revisión | Se ha detectado una posible anomalía | Comprueba las líneas indicadas contra el original |
| No se detectaron problemas | Las comprobaciones realizadas no encontraron problemas evidentes | Revisa igualmente los datos que vayas a utilizar |
| No evaluado o IA no disponible | La revisión solicitada no pudo completarse | Puedes usar el Markdown, pero esa revisión no lo ha validado |
Los números de línea se refieren al Markdown, no a las páginas del PDF. Una tabla que parece correcta aún puede contener una cifra equivocada. Estas comprobaciones tampoco demuestran que se hayan conservado todas las páginas o su orden.
Qué datos recibe TypeSafe
La revisión con Jev está desactivada hasta que la solicitas. Al activarla, fragmentos del texto convertido se envían a TypeSafe; el PDF original no se envía a TypeSafe. Las comprobaciones básicas no necesitan ese envío.
Esto es distinto del OCR. Cuando un documento necesita reconocimiento visual, ese paso utiliza Claude para extraer texto de las imágenes o páginas escaneadas. La política de privacidad, en inglés, explica el tratamiento de datos del servicio.
Para desarrolladores
Las respuestas de conversión incluyen un objeto quality. La opción quality_check: "ai" solicita la revisión con IA para PDF; las comprobaciones básicas son la opción predeterminada. Consulta la documentación de MCP, en inglés, si utilizas el conversor desde un asistente.
Los códigos de incidencia y las referencias a líneas permiten avisar al usuario o solicitar otra extracción. source_compared: false recuerda una limitación esencial: el sistema revisó el resultado, sin compararlo con el archivo fuente. Una revisión fallida se informa como no disponible y no debe interpretarse como una aprobación.
Preguntas frecuentes
¿Jev corrige mi documento?
No. Devuelve valoraciones que nuestro código convierte en avisos. No sustituye palabras, modifica cifras ni genera una versión corregida.
¿La revisión sirve para cualquier formato?
Las comprobaciones básicas acompañan a todas las conversiones. La revisión opcional con Jev está disponible para PDF.
¿Un resultado sin avisos garantiza una conversión perfecta?
No. Puede haber omisiones o errores que el texto por sí solo no revela. Mantén el original como referencia, especialmente para cifras, tablas y citas.
The Markdown Memo
Un boletín quincenal en inglés para abogados, investigadores, contables y quienes trabajan con PDF, documentos escaneados y presentaciones. Sin spam.