Cómo funciona la traducción de imágenes con IA y qué revisar en el resultado
En un archivo JPG o PNG, las palabras forman parte de la imagen: las letras y el fondo comparten la misma cuadrícula de píxeles, y nada guarda lo que hay detrás de las letras. Para traducir ese texto y conservar el diseño, una herramienta tiene que encontrar el texto, leerlo, traducirlo y dibujar la traducción en el mismo sitio, sobre un fondo que debe reconstruir. Tres familias de herramientas lo hacen de maneras distintas. No devuelven lo mismo, no fallan en los mismos puntos, y cada una pide sus propias comprobaciones antes de publicar el resultado.
En resumen
- Los traductores de cámara y superposición como Google Translate, Google Lens o la app Traducir de Apple muestran la traducción encima de la foto o de la vista de la cámara. Están pensados para leer en el momento.
- Las cadenas de OCR, inpainting y recomposición detectan el texto, lo borran, rellenan el hueco y componen la traducción. Los píxeles fuera de las zonas de texto se quedan como estaban, pero cada paso puede dejar marcas.
- Los modelos generativos de una sola pasada, el método que usa TranslateMyImage, vuelven a dibujar toda la imagen con el texto traducido. El resultado es el que más se parece a un diseño terminado, pero cualquier parte de la imagen puede cambiar, así que revisas algo más que las palabras.
Por qué el texto de una imagen es más difícil de traducir que el de un documento
En un archivo de Word o una página web, el texto se guarda aparte del diseño. Si lo traduces, la página se reorganiza alrededor de las palabras nuevas: una frase más larga pasa a la línea siguiente y el fondo no se mueve.
Una imagen no tiene una capa de texto que sustituir, así que primero hay que reconocer las palabras por su forma. Después hay que repintar la zona que cubrían, porque la foto, el degradado o el motivo que había detrás de las letras nunca se guardó. Y el espacio es fijo: una traducción más larga tiene que caber en la misma zona, con letra más pequeña o en más líneas.
El reconocimiento de texto (OCR), por sí mismo, solo resuelve la primera parte. Convierte la imagen en una cadena de caracteres y deja el diseño atrás, y en una página con columnas, pies de foto o bocadillos también puede equivocarse con el orden de lectura. Cada familia de herramientas que verás a continuación añade algo al OCR, o lo sustituye, para recuperar el diseño.
1. Traductores de cámara y superposición
Estas herramientas son gratuitas, en el móvil o en el navegador.
- La app de Google Translate. Apunta con la cámara al texto para verlo traducido, toca el obturador para congelar la vista o elige una foto que ya hayas hecho. La traducción con la cámara funciona sin conexión una vez descargados los idiomas (Ayuda de Google Translate).
- La web de Google Translate. La pestaña Imágenes traduce una imagen subida, con un botón para copiar el texto traducido y otro para descargar la imagen traducida (Ayuda de Google Translate).
- Google Lens. En 2022, Google anunció que Lens podía integrar el texto traducido en imágenes complejas mediante redes generativas antagónicas (GAN), la tecnología del Borrador mágico de los teléfonos Pixel (Google).
- La app Traducir de Apple. Su modo cámara muestra traducciones superpuestas que puedes tocar para copiarlas, guardarlas o escucharlas, y también traduce fotos de tu fototeca (Manual de uso del iPhone).
Qué obtienes: la traducción dibujada encima del original en tu pantalla y, en algunas apps, una imagen traducida que puedes guardar. El objetivo es entender lo que dice el texto.
Dónde fallan: las páginas de ayuda de Google advierten que el texto pequeño, poco nítido o estilizado puede no traducirse con precisión, y que la precisión depende de la nitidez del texto. Antes de reutilizar una imagen traducida que hayas guardado, comprueba que se tradujo cada línea y que la traducción no tapa parte de la imagen.
Sirven para: leer un cartel, un menú o una carta en el momento. Nuestra guía para traducir una foto en el móvil explica cada app paso a paso.
2. Cadenas de OCR, inpainting y recomposición
Es el método clásico. Divide el trabajo en pasos separados, cada uno a cargo de su propio modelo:
- Detectar. Un modelo de detección de texto marca dónde está el texto. Dos ejemplos publicados son CRAFT, que localiza cada carácter y los enlaces entre ellos (Baek et al., CVPR 2019), y DBNet (Liao et al., AAAI 2020). El resultado es una máscara: un mapa de los píxeles que pertenecen a las letras.
- Leer. El OCR convierte cada zona detectada en caracteres, y un paso de análisis del diseño decide en qué orden leer los bloques.
- Traducir. Cada bloque de texto va a un motor de traducción automática, normalmente como texto plano, sin la imagen.
- Borrar y rellenar. Los píxeles enmascarados se eliminan y un modelo de inpainting pinta el hueco a partir de la zona que lo rodea. Los métodos de inpainting anteriores solían producir estructuras deformadas o texturas borrosas, algo que Yu et al. (CVPR 2018) abordaron dejando que el modelo tomara detalles de partes lejanas de la imagen. LaMa (WACV 2022) se diseñó para máscaras grandes, y sus autores señalan que los sistemas de inpainting todavía tienen dificultades con las zonas perdidas grandes, las estructuras geométricas complejas y las imágenes de alta resolución.
- Componer. Un motor de renderizado elige una fuente, un tamaño, un color y los saltos de línea, y encaja la traducción en la zona que ocupaba el texto original.
El proyecto de código abierto manga-image-translator muestra la cadena completa: eliges un detector de texto (CRAFT es una de las opciones), un modelo de OCR, un traductor (DeepL, ChatGPT o un modelo sin conexión, entre otros), un modelo de inpainting (incluye variantes de LaMa) y un motor de renderizado que puede componer el texto en horizontal o en vertical.
Qué obtienes: un archivo de imagen traducido. En una cadena típica, los píxeles fuera de las máscaras de texto se quedan exactamente como estaban, y algunas herramientas guardan el texto traducido para que puedas corregir una línea y volver a componerla.
Dónde falla: cada paso le pasa sus errores al siguiente.
- El texto que el detector no ve (curvo, estilizado, vertical, con poco contraste o muy pequeño) se queda en el idioma original.
- Una máscara demasiado ajustada deja contornos tenues de las letras antiguas; una demasiado amplia emborrona los detalles cercanos.
- El inpainting es fácil sobre un color plano y difícil sobre fotos, degradados, caras y motivos finos, donde puede dejar una mancha borrosa o una textura repetida.
- El motor de renderizado puede recurrir a una fuente genérica, reducir el texto hasta que cueste leerlo o cortar las líneas en sitios raros. Las letras árabes tienen que ir unidas a sus vecinas, así que un motor sin soporte para la forma contextual del árabe las muestra sueltas.
- El motor de traducción nunca ve la imagen, así que una palabra como «Home» recibe la misma traducción en el botón de una web y en el pie de foto de una casa.
3. Regeneración generativa en una sola pasada
Es el método que usa TranslateMyImage. Un modelo de imagen recibe la imagen y una instrucción, y genera una imagen nueva en la que el texto está en el idioma de destino. La lectura, la traducción y el nuevo dibujo ocurren dentro del modelo, en una sola pasada. No hay máscara ni fuente aparte: las letras y el fondo que hay detrás se dibujan juntos, como el resto de la imagen.
La instrucción que envía nuestro traductor pide al modelo que traduzca todo el texto visible al idioma elegido, mantenga el sentido y el tono, conserve el diseño, la jerarquía, la tipografía, los colores y el estilo, cambie la longitud del texto solo cuando el equilibrio visual lo exija y no añada ni quite nada. Los modos añaden instrucciones para material de marketing, manga y cómic o documentación técnica, y desde el plan Pro una instrucción personalizada de hasta 1.000 caracteres puede indicar los nombres que conservar o los términos que usar.
Qué obtienes: un archivo de imagen nuevo, sin capa de texto que editar. Su tamaño en píxeles puede ser distinto del original.
Dónde falla: como el modelo vuelve a dibujar toda la imagen, un cambio puede aparecer en cualquier parte. Los logotipos, las caras, la forma de los productos, las texturas y la letra pequeña pueden salir ligeramente distintos. Las cifras y los nombres se dibujan de nuevo como cualquier otra letra, así que pueden alterarse o cambiar de formato, puede haber palabras mal escritas y parte del texto puede quedarse en el idioma original. La guía de OpenAI sobre sus propios modelos GPT Image recoge el mismo tipo de límites: estos modelos todavía pueden tener problemas para colocar el texto con precisión y que salga nítido, y para situar los elementos con exactitud en composiciones donde el diseño importa (OpenAI). Dos generaciones con la misma imagen también pueden dar resultados distintos.
Un ejemplo: un cartel en inglés traducido al árabe
Este ejemplo de nuestra web se generó con nuestro traductor de imágenes, del inglés al árabe.


Lo que ve un revisor al comparar las dos:
- La foto y el logotipo de WWF se ven igual que en el original. El archivo volvió con 864 × 1232 píxeles en lugar de 600 × 848.
- El titular de dos líneas se convirtió en dos líneas centradas en árabe, que se leen de derecha a izquierda, con el punto final en el extremo izquierdo.
- Las mayúsculas estrechas y desgastadas se sustituyeron por una tipografía árabe en negrita y limpia.
- El eslogan «for a living planet» se quedó en inglés, y la primera i de «living» perdió el punto. Se añadió una versión en árabe a la izquierda del logotipo, donde el original no tenía ninguna.
Son diferencias típicas de una imagen regenerada, y por eso las comprobaciones de abajo van más allá de las palabras.
Qué revisar en una imagen traducida
Sea cual sea el método, compara el resultado con el original uno al lado del otro, a tamaño real, zona por zona. Estos son los sitios donde se esconden los errores.
- Nombres y marcas. Las personas, los lugares, los productos y las marcas deben quedarse como están escritos, salvo que quieras traducirlos. Comprueba que ninguno se tradujo de forma literal o se transliteró. En TranslateMyImage, una instrucción personalizada del plan Pro puede indicar los nombres que conservar.
- Números, precios, fechas y unidades. Compara cada cifra. Los formatos pueden cambiar con el idioma: 3.400 puede convertirse en 3,400, un símbolo de moneda puede cambiar de lugar, una unidad puede abreviarse de otra forma. Decide si cada cambio es una adaptación correcta o un error.
- Letra pequeña. Los avisos legales, las notas al pie, las etiquetas de los diagramas y los eslóganes son los primeros en saltarse, deformarse o quedarse en el idioma original.
- Texto que se alarga. El W3C, en su artículo sobre el tamaño del texto en la traducción, cita medias de IBM para el inglés traducido a idiomas europeos: las cadenas de hasta 10 caracteres llegan al 200 a 300 % de su longitud, y las de más de 70 caracteres, a cerca del 130 %. Cuanto más corto es el texto, más crece, y las palabras compuestas del alemán pueden no partirse en absoluto. Busca texto que se salga de su zona, letra reducida hasta costar leerla y frases recortadas hasta perder información.
- Escrituras de derecha a izquierda. El árabe se escribe de derecha a izquierda, sus letras se unen a las vecinas y los números mantienen un orden de izquierda a derecha dentro de la línea (W3C, Arabic & Persian Layout Requirements). El hebreo también se lee de derecha a izquierda. Revisa el orden de las líneas, que las letras estén unidas, que la puntuación quede en el extremo correcto y que las flechas y los pasos numerados se sigan leyendo en un sentido lógico. La página del traductor de imágenes en árabe tiene una lista más completa.
- Texto vertical. El japonés puede componerse en columnas verticales, con los caracteres de arriba abajo y las líneas de derecha a izquierda (W3C, Requirements for Japanese Text Layout). Los diálogos de manga suelen ir así. Comprueba que los bocadillos se leyeron en el orden correcto, que una traducción horizontal cabe en un bocadillo estrecho y que las onomatopeyas dibujadas en la ilustración se trataron como quieres. Más información en la página del traductor de manga.
- Todo lo que no es texto. Con un método generativo, mira los logotipos, las caras, la forma de los productos y el fondo. Escanea cada código QR y cada código de barras: un código dibujado de nuevo puede dejar de funcionar.
- Restos. Busca palabras que sigan en el idioma original, rastros de las letras antiguas y texto que se haya añadido.
Parte del mejor archivo que tengas: la versión más grande, sin una compresión JPEG fuerte. El texto borroso cuesta más de leer con cualquier método. Si el diseño sigue siendo editable en Photoshop, Figma, Canva o PowerPoint, traducir sus capas de texto conserva las fuentes exactas y un fondo que nadie tiene que volver a dibujar; nuestras guías de Canva y PowerPoint siguen ese camino.
Qué método conviene para cada caso
| Tu objetivo | Método | Por qué |
|---|---|---|
| Leer un cartel, un menú o una carta | Una app de cámara o de superposición | Gratis e inmediato; Google Translate funciona sin conexión una vez descargados los idiomas |
| Copiar o citar el texto | OCR, o la copia del texto en Google Translate | Obtienes palabras que puedes pegar y editar |
| Traducir un diseño que aún puedes editar | Las capas de texto en Photoshop, Figma, Canva o PowerPoint | Fuentes exactas, fondo intacto |
| Publicar un JPG o un PNG sin capas en otro idioma | Una herramienta con cadena de OCR o un traductor generativo, y después las comprobaciones de arriba | Obtienes un archivo de imagen terminado |
| Traducir muchas imágenes a varios idiomas | Una herramienta con traducción por lotes o API | Una sola ejecución en lugar de una subida por imagen e idioma |
Para la última fila, la traducción por lotes de TranslateMyImage admite hasta 10 imágenes por ejecución desde el plan Pro, y la API de traducción de imágenes está disponible en los mismos planes. Para siete herramientas comparadas según lo que devuelven, consulta los mejores traductores de imágenes. ChatGPT puede darte tanto texto como una imagen generada: consulta ¿Puede ChatGPT traducir imágenes?
Traduce una imagen y revisa el resultado
Sube una imagen JPG, PNG o WebP de hasta 10 MB, elige un idioma y obtén una imagen nueva con el texto traducido en el diseño original. Después compárala con el original.
Preguntas frecuentes
¿Cómo traduce la IA el texto de una imagen?
Tiene que encontrar el texto, leerlo, traducirlo y volver a dibujar la traducción en la imagen, sobre un fondo reconstruido. Las apps de cámara como Google Translate muestran la traducción encima de la foto. Las cadenas de OCR borran el texto original, rellenan el hueco con un modelo de inpainting y componen la traducción. Los modelos de imagen generativos vuelven a dibujar toda la imagen con el texto traducido, en una sola pasada.
¿TranslateMyImage usa OCR?
No como un paso aparte. Un modelo de imagen de IA generativa recibe la imagen con la instrucción de traducir todo el texto visible al idioma de destino y mantener el diseño, la tipografía y los colores, y devuelve una imagen nueva. Por el camino no se genera ningún archivo de texto, así que no hay texto traducido que editar después: revisas la propia imagen.
¿Qué es el inpainting en la traducción de imágenes?
El inpainting rellena una zona enmascarada de una imagen con píxeles que encajan con lo que la rodea. Los traductores basados en OCR lo usan para reconstruir el fondo donde se borró el texto original, antes de componer la traducción. Funciona bien sobre colores planos; en fotos, degradados y motivos finos puede dejar una mancha borrosa o restos tenues de las letras antiguas.
¿Por qué cambian los números o los nombres en mi imagen traducida?
Los modelos generativos vuelven a dibujar cada carácter, cifras incluidas, y también pueden adaptar los formatos, por ejemplo convertir 3.400 en 3,400. Las cadenas de OCR pueden leer mal una cifra o una letra estilizada. Compara cada nombre, precio, fecha y unidad con el original antes de publicar. En el plan Pro de TranslateMyImage, una instrucción personalizada puede indicar los nombres que no deben cambiar.
¿Puede un traductor de imágenes con el árabe o el japonés vertical?
A menudo sí, pero son los resultados que hay que revisar primero. El árabe se escribe de derecha a izquierda, sus letras se unen y los números mantienen un orden de izquierda a derecha. El japonés se compone a menudo en columnas verticales que se leen de derecha a izquierda. Revisa el orden de lectura, la unión de las letras y los saltos de línea. TranslateMyImage lee ambos como texto de origen, y el árabe es uno de sus 45 idiomas de destino, a través de las páginas de idioma.
¿Es mejor traducir el archivo original que la imagen?
Sí, cuando lo tienes. Si el diseño sigue siendo editable en Photoshop, Figma, Canva o PowerPoint, traducir sus capas de texto conserva las fuentes exactas y deja el fondo intacto. Un traductor de imágenes sirve cuando solo tienes el JPG o el PNG sin capas, o cuando rehacer cada archivo a mano llevaría demasiado tiempo.
Sobre el autor
Fundador y desarrollador de TranslateMyImage, un traductor de imágenes con IA online. Escribe sobre la traducción de texto en imágenes, el OCR y la localización para e-commerce.
Ver perfil del autorArtículos relacionados

¿Puede ChatGPT traducir imágenes?
Sí: sube una imagen a ChatGPT, pide una traducción y obtienes texto. Una imagen traducida es otra cosa. Prompts, límites y privacidad.

Cómo localizar las imágenes de tus fichas de Amazon para nuevos marketplaces
Qué imágenes de tus fichas de Amazon traducir para un nuevo marketplace (imágenes secundarias, módulos A+, tablas de tallas, pero no la imagen principal), un método para un ASIN y qué revisar antes de subirlas.

Los mejores traductores de imágenes en 2026: 7 herramientas comparadas según lo que producen
Google Translate, Texto en vivo de Apple, DeepL, Papago, Canva, ChatGPT y TranslateMyImage comparados según el resultado, el uso gratuito, el procesamiento por lotes y la API. Solo funciones documentadas.