Cualquier documento, texto limpio, sin la nube

La nueva herramienta de Firecrawl convierte Word, PDF, Excel y PowerPoint en texto limpio — muy rápido y sin que tus archivos salgan de tu ordenador.

Algo que merece tu atención

Imagina que tienes una pila de contratos, facturas e informes — algunos en Word, otros en PDF, otros en Excel — y quieres que una IA los lea y haga algo útil con ellos. El primer problema siempre es el mismo: sacar el texto de forma limpia, rápida y sin enviar archivos confidenciales a algún servicio externo.

Eso es exactamente lo que resuelve anydoc. Es una herramienta gratuita y de código abierto del equipo de Firecrawl que convierte 14 formatos de documento — Word, PowerPoint, Excel, PDF, incluso los viejos RTF — en texto limpio y legible. Es tan rápida que procesa 500 documentos Word en menos de dos segundos. Y como puede ejecutarse en tu propio equipo, ningún archivo sale fuera.

Lo que la hace especialmente cuidada es el detalle: no se fía del nombre del archivo para saber qué tipo de documento es, sino que lee su contenido real — así que un PDF renombrado como .doc no la engaña. También funciona dentro de un navegador, lo que significa que podrías construir una herramienta donde un cliente sube un documento y la IA lo lee, sin que ese archivo llegue a ningún servidor externo.

Para fundadores que trabajan con documentos — incorporación de clientes, revisión de contratos, análisis de informes — esto reemplaza las APIs de pago que suelen cobrar por página o por llamada.

Palabras que vale la pena conocer

Markdown — Una forma sencilla de dar formato a texto usando símbolos como # para los títulos. Las herramientas de IA lo leen muy bien.

Código abierto — El código es gratuito y público. Cualquiera puede usarlo, inspeccionarlo o mejorarlo.

RAG pipeline — Término técnico para: darle a una IA tus propios documentos para que pueda responder preguntas concretas sobre ellos.

WebAssembly — Una forma de ejecutar software dentro de un navegador web a gran velocidad, sin instalar nada.

Si ahora mismo estás pagando para extraer texto de documentos — o lo evitas porque te parecía demasiado complicado — esto merece un vistazo: https://github.com/firecrawl/anydoc