Convertir un PDF a LaTeX sin subirlo a ningún sitio

La mayoría de los conversores de PDF a LaTeX se ejecutan en el servidor de otra persona. Cómo funciona la conversión local determinista en Oleafly, qué puede y qué no puede recuperar, y cuándo ayuda el refinado opcional con IA.

Busca “PDF a LaTeX” y encontrarás formularios de subida. Para un artículo publicado cuyos derechos de reelaboración tienes, puede estar bien. Para un borrador en revisión, una solicitud de financiación o un manuscrito con resultados inéditos, subirlo suele ser un error.

Para los PDF basados en texto, la conversión no necesita un servicio SaaS de conversión. Puedes reconstruir el código fuente editable en tu equipo y seguir escribiendo en un editor local de verdad.

Por qué la gente sube sus archivos (y por qué tú quizá no)

Los conversores en línea son fáciles: arrastras el PDF, esperas, descargas un zip. El coste es que cada página del borrador pasa por la GPU y los registros de otra persona. Las políticas de laboratorios, hospitales y empresas suelen prohibirlo para el trabajo inédito, aunque la interfaz lo haga parecer inofensivo.

La conversión local cambia lo predeterminado. En la pasada determinista, el PDF se queda en el disco.

Cómo funciona la conversión local

Un PDF basado en texto ya contiene sus palabras, sus posiciones y los metadatos de sus fuentes. Un conversor puede leer esa capa y reconstruir la estructura a partir de la geometría:

  • agrupar los tamaños de fuente permite encontrar los títulos y el título del documento
  • los histogramas de posición x detectan las maquetaciones a dos columnas y corrigen el orden de lectura
  • las marcas del nombre de la fuente recuperan los tramos en negrita, cursiva y monoespaciados
  • los desplazamientos de la línea base identifican subíndices y superíndices
  • los glifos matemáticos de Unicode se asignan de vuelta a macros de LaTeX
  • se eliminan las líneas repetidas de encabezado y de pie de página
  • las imágenes rasterizadas incrustadas pueden extraerse como archivos de figura

Nada de eso necesita un modelo, un servidor ni una conexión de red. Las palabras del resultado son las palabras del PDF. La estructura es una suposición inspeccionable que puedes corregir a mano.

Lo que la conversión determinista no puede hacer

Los PDF escaneados no tienen capa de texto, así que no hay nada que leer sin OCR. Las matemáticas destacadas complejas y las tablas se componen como glifos posicionados; reconstruir su código fuente de forma fiable exige más que geometría. Los casos límite de varias columnas y las notas al pie flotantes siguen necesitando limpieza humana.

Un buen conversor lo dice, en lugar de estropear el contenido en silencio hasta dejarlo con aspecto de terminado.

Dónde ayuda la IA

Con la imagen de la página y el borrador determinista, un modelo de visión puede reconstruir tablas, corregir ecuaciones destacadas y transcribir escaneos. Ese paso debe ser opcional, explícito y dirigido a un proveedor que elijas, con una clave que sea tuya.

El modelo de privacidad es sencillo. La pasada determinista se queda en local. El refinado se ejecuta solo cuando haces clic, y el tráfico va únicamente al punto de acceso del modelo que configuraste, no a través de un sitio de subida gratuito que quizá entrene con los borradores.

Hacerlo en Oleafly

La aplicación de escritorio gratuita Oleafly (se abre en una pestaña nueva) incluye esta canalización de dos niveles dentro del mismo espacio de trabajo de investigación que usas para escribir normalmente:

  1. Conversión local determinista: sin clave de IA y sin red. Reconstruye muchos PDF basados en texto como LaTeX editable, extrae figuras que puedes descargar por separado e informa de lo que conservó como texto plano en lugar de inventar estructura.
  2. Refinar con IA, opcional: tu clave, tu proveedor, solo cuando lo pides. No se envía nada a través de un servidor de conversión de Oleafly. El tráfico va al punto de acceso del modelo que elegiste.

El resultado llega como un proyecto que puedes seguir editando con el ciclo completo: referencias y citas en todo el proyecto, diagnósticos en vivo, compilación con el motor Tectonic incluido, vista previa del PDF con SyncTeX, ortografía y gramática sin conexión sobre la prosa, puntos de control de Git de verdad y una IA opcional con aprobación previa para las limpiezas. Tras la importación, trabajas con las mismas herramientas que usarías para cualquier otro artículo.

Consejos prácticos

  • Prefiere PDF digitales basados en texto (tus propias exportaciones antiguas, pruebas de editorial que tengas derecho a reelaborar). Los escaneos necesitan OCR o el refinado con visión.
  • Cuenta con limpiar a mano los flotantes, los casos límite de varias columnas y las matemáticas pesadas tras la primera pasada. La conversión es una ventaja inicial, no la versión final.
  • Valida las entradas de la bibliografía si fusionas el texto recuperado con un .bib ya existente (validador de BibTeX).
  • Mantén el proyecto recuperado bajo Git desde la primera compilación correcta, para que los commits de limpieza sean reversibles.
  • No conviertas PDF que no tengas derecho a transformar en código fuente derivado para redistribuirlo. Las herramientas no conceden derechos de autor.

Un flujo de recuperación sensato

  1. Importa o convierte el PDF en local.
  2. Compila de inmediato; arregla primero los errores del preámbulo y de los paquetes.
  3. Repasa las figuras y las tablas; sustituye las rotas por los originales si aún los tienes.
  4. Vuelve a citar desde un .bib limpio en lugar de fiarte a ciegas de las claves \cite recuperadas.
  5. Crea un punto de control; solo entonces haz las grandes ediciones de estructura.

En resumen

Si la alternativa es volver a teclear una sección de métodos de veinte páginas (o pegarla en un formulario de subida de un navegador), la reconstrucción local suele dar una ventaja inicial suficiente: el código fuente en tu disco, las figuras extraídas y un editor de verdad al otro lado de la importación. Mantén el paso de refinado opcional y explícito para poder explicar el recorrido de la privacidad a un laboratorio o a un equipo de cumplimiento sin florituras.

Todas las publicaciones