Arkindex

O que é¶

Arkindex é uma plataforma para processamento e análise automatizada de documentos digitalizados, desenvolvida pela empresa francesa Teklia. Combina tecnologias de OCR (reconhecimento óptico de caracteres para textos impressos), HTR (reconhecimento de texto manuscrito) e análise de layout para extrair e organizar informações de grandes coleções documentais. Desde 2024, a versão comunitária é distribuída como código aberto. É usada principalmente por bibliotecas, arquivos e projetos acadêmicos de grande escala que precisam processar milhares de documentos de forma sistemática.

Para que serve¶

Processar automaticamente grandes volumes de documentos digitalizados (manuscritos, impressos, registros históricos)
Aplicar modelos de HTR e OCR a coleções inteiras de imagens
Organizar e gerenciar metadados de documentos em projetos colaborativos
Integrar diferentes modelos de inteligência artificial em fluxos de trabalho de digitalização
Exportar transcrições e dados estruturados para outros sistemas

Exemplo de uso¶

Um projeto institucional de digitalização de registros paroquiais do século XVIII tem 80 mil páginas digitalizadas armazenadas em um servidor. A equipe técnica implanta o Arkindex em um servidor Linux e configura um pipeline automatizado: as imagens são enviadas ao sistema, um modelo de HTR treinado para a caligrafia do período processa os documentos e gera as transcrições. Os pesquisadores revisam e corrigem os resultados pela interface web. O projeto inteiro pode ser gerenciado por uma equipe distribuída.

Quando pode não ser a melhor opção¶

Para pesquisadores individuais sem suporte de equipe técnica: a instalação da versão comunitária exige um servidor Linux com Docker, conhecimento de administração de sistemas e configuração de infraestrutura — tarefas que estão bem além do perfil de um pesquisador sem formação técnica
Se você precisa transcrever sua própria coleção de documentos sem montar infraestrutura: o Transkribus ou o eScriptorium são muito mais acessíveis para uso individual
A versão hospedada pela Teklia (sem necessidade de servidor próprio) requer contato comercial para projetos acadêmicos — não há uma plataforma web pública de acesso imediato como o Transkribus
Para documentos em português, pode ser necessário treinar ou adaptar modelos, já que a maioria dos modelos disponíveis foi treinada para idiomas europeus ocidentais

Tipo de acesso¶

Freemium. A edição comunitária é gratuita e de código aberto (licença AGPLv3), mas requer instalação em servidor próprio. A edição acadêmica tem licença com desconto para universidades e limita o uso a 250 mil imagens. A edição empresarial é comercial. Todas as edições permitem número ilimitado de usuários.

Sistemas em que roda¶

A interface do usuário é acessada pelo navegador web (qualquer sistema operacional). A implantação do sistema requer um servidor com Linux (Ubuntu LTS recomendado) e Docker. Não há aplicativo desktop. Há suporte para implantação em serviços de nuvem (AWS, Google Cloud, Azure).

Integrações¶

IIIF (International Image Interoperability Framework): padrão para compartilhamento de imagens de acervos digitais
API REST: permite integração programática com outros sistemas
Python: SDK disponível para automação e integração

Alternativas¶

Transkribus (serviço web, mais acessível para usuários individuais, freemium)
eScriptorium (código aberto, pode ser instalado localmente, mais focado em HTR)
Google Document AI (serviço pago por uso, alta capacidade, requer configuração técnica)
ABBYY FineReader (proprietário, pago, excelente para OCR de textos impressos)

Aprenda a usar¶

Onde encontrar¶

Site oficial: https://arkindex.teklia.com
Documentação técnica: https://doc.arkindex.org
Site da empresa: https://teklia.com

Observações¶

O Arkindex é uma ferramenta de nível institucional, projetada para projetos de grande escala com suporte técnico dedicado. Seu diferencial em relação ao Transkribus é a flexibilidade para integrar diferentes modelos de IA e a possibilidade de instalação em infraestrutura própria — relevante para instituições que têm políticas de privacidade de dados mais restritivas. Para pesquisadores individuais ou grupos pequenos sem equipe técnica, o Transkribus ou o eScriptorium são alternativas mais práticas para o mesmo tipo de tarefa.