Tienes la captura de una aplicación y necesitas cambiar la etiqueta de un botón de «Sign Up» a «Get Started», o actualizar una tarjeta de precios de «9,99 $» a «8,99 £». Suena a una operación de «seleccionar texto → escribir → guardar». Pero en cuanto abres tu programa de edición te das cuenta del problema: el texto de una captura no es un objeto de texto. Ha quedado horneado en píxeles por la acción combinada del motor de maquetación del sistema, el ajuste de fuentes (hinting), el suavizado de bordes, el renderizado subpíxel y la densidad de pantalla. No estás editando palabras: estás reconstruyendo un resultado tipográfico pixelado.
Esta es la idea central de la guía: si tienes acceso al código fuente del producto o a los archivos de diseño, el mejor enfoque no suele ser «editar la imagen», sino «regenerar la captura». Apple ha integrado la exportación de capturas de localización directamente en el flujo de pruebas de Xcode; Android ofrece seudolocalizaciones para detectar truncamientos y problemas de maquetación antes de que lleguen a producción. Para localización, variantes A/B y capturas de tienda multilingües, volver a capturar desde el código gana siempre a la edición de mapas de bits en consistencia, mantenibilidad y escalabilidad.
Cuando no tienes acceso al código, el orden de prioridad debería ser: reconstrucción por capas o vectores > OCR y nuevo renderizado > parcheo a nivel de píxel > repintado con IA como apoyo. La razón es sencilla: tu capacidad de replicar texto de forma convincente depende de tu capacidad de reproducir el entorno tipográfico, no de tu capacidad de «tapar las palabras antiguas».
Si solo necesitas cambiar unas palabras rápido sin meterte en cadenas de herramientas, opciones como ReWords AI te permiten subir una imagen, encuadrar la zona de texto y reemplazar el contenido directamente. Pero para trabajos que exigen un control tipográfico preciso o que tienen fondos complejos, entender los principios que siguen es lo que convierte las conjeturas en criterio.
Antes de abrir ningún programa, hazte tres preguntas
Primera: ¿puedes regenerar la captura desde el código fuente?
Si puedes tocar el producto (cambiar una cadena de texto, ejecutar una prueba de interfaz, exportar una captura nueva), no empieces borrando píxeles. La documentación de pruebas de localización de Apple explica cómo exportar capturas localizadas a partir de pruebas de interfaz superadas. La guía de localización de Android ofrece marcos de recursos y pruebas con seudolocalizaciones. Si tu texto va a cambiar una segunda o una tercera vez, regenerar siempre acabará amortizando su coste.
Segunda: ¿tienes archivos de diseño desde los que reconstruir?
Figma y Sketch se apoyan en un modelo de componentes que encaja de forma natural con la reconstrucción en «capa de texto + capa de icono + capa de forma de fondo + capa de sombra». Si no tienes que editar una captura, sino un conjunto entero (en varios idiomas, tamaños e iteraciones), reconstruir componentes en una herramienta de diseño vectorial es mucho más estable que editar imágenes una a una.
Tercera: ¿necesitas hacerlo a escala?
Cuando el problema pasa de «una imagen» a «decenas de capturas en quince idiomas», los procesos por lotes se vuelven imprescindibles. Los métodos a nivel de píxel se descontrolan al escalar: el tiempo acumulado de ajuste manual crece de forma exponencial.
Aquí tienes un diagrama de decisión:
`` Tienes una captura de pantalla ├─ ¿Puedes regenerarla desde el código? → Cambia el texto y vuelve a capturar (mejor camino) ├─ ¿Tienes archivos de diseño? → Reconstruye componentes en Figma/Sketch y exporta por lotes └─ Ninguna de las dos → Evalúa la complejidad del fondo ├─ Color plano / degradado sencillo → Parcheo de píxeles + reescritura (rápido) ├─ Translúcido / cristal esmerilado / sombras → Superposición vectorial + tipografía precisa (estable) └─ Textura compleja / fondo fotográfico → Repintado con IA para el fondo + tipografía manual (difícil) ``
No todas las capturas son iguales
Cada origen de captura exige estrategias de edición radicalmente distintas. Clasificar bien tu escenario importa más que elegir la herramienta correcta.
| Tipo de captura | Origen habitual | Necesidades de edición frecuentes | Estrategia preferente |
|---|---|---|---|
| Captura nativa del sistema | iOS / Android / macOS / Windows | Etiquetas de botones, textos de estado, campos de formulario, localización | Regenerar si es posible; si no, OCR + reconstrucción vectorial |
| Captura de página web | Navegador, paneles SaaS, webs adaptables | Cambios de texto, precios, CTA, maquetas de experimentos | Editar HTML/CSS y volver a capturar; alternativa: superposición vectorial |
| Captura de marketing o demostración | App Store, páginas de destino, creatividades publicitarias | Texto de propuesta de valor, variantes de idioma, ajustes de distintivos | Reconstrucción por capas en herramienta de diseño |
| Captura de base de conocimiento o tutorial | Centros de ayuda, documentación de formación | Actualizaciones de versión de interfaz, resaltados, anotaciones | Superposición vectorial conservando la imagen base |
| Captura de negocio con datos personales | Chats, CRM, tickets, informes de administración | Ocultar nombre, teléfono, correo o número de pedido | Detección por OCR + enmascarado o redibujado en local |
| Capturas con distintivos e iconos complejos | Ajustes, listas de tarjetas, centros de notificaciones | Números de distintivo, iconos de estado, valoraciones con estrellas | Reconstrucción por componentes; evita el borrado puro |
El espectro de métodos: cuatro caminos con límites radicalmente distintos
Camino 1: edición a nivel de píxel, directa pero con techo
La idea central: quitar el texto antiguo y colocar el nuevo encima. Es el terreno de la herramienta Eliminar y el Relleno generativo de Photoshop, de Sanear y Clonar de GIMP y de la función inpaint de OpenCV.
La documentación de la herramienta Sanear de GIMP señala explícitamente que la fusión tiene en cuenta el contexto circundante en lugar de limitarse a copiar. El tutorial de inpaint de OpenCV lo describe como la reconstrucción de las regiones seleccionadas a partir de los píxeles cercanos al borde. La ventaja: es rápido y eficaz con imágenes sueltas. El inconveniente: le cuesta replicar el estilo tipográfico original, sobre todo con fondos translúcidos, cristal esmerilado, degradados y sombras.
Ideal para tres escenarios: texto de una línea sobre fondos planos o de textura baja; cambiar cifras, etiquetas o palabras de botones; ocultar datos sensibles sustituyéndolos por marcadores. No sirve para reescribir párrafos: reconstruir el fondo suele ser sencillo, pero la reconstrucción de los glifos es donde el resultado suele delatarse.
Camino 2: superposición vectorial y reconstrucción por capas, el punto dulce cuando no hay archivos fuente
La idea no es parchear píxeles, sino tratar la captura como una plancha de fondo y reconstruir encima con texto vectorial, formas y componentes de iconos.
Este enfoque destaca con distintivos, etiquetas de precio, pestañas, botones, elementos de navegación, filas de listas, píldoras de estado, textos destacados y tarjetas de características de producto. En cuanto descompones estos elementos en «capa de texto + capa de icono + capa de forma de fondo + capa de sombra», las localizaciones posteriores y los cambios de texto para tests A/B se convierten en trabajo estructurado en lugar de edición de imágenes a ciegas.
Detalle operativo clave: mide el borde izquierdo del texto original, la posición de la línea base y la altura del cuadro delimitador antes de alinear en tu herramienta vectorial. No lo hagas a ojo: una desalineación de nivel de píxel se hace evidente al 200 % de zoom.
Camino 3: OCR y nuevo renderizado, el enfoque de ingeniería para el trabajo por lotes
El valor más importante que aporta el OCR no es «leer el contenido», sino proporcionar posiciones de los cuadros de texto, geometría a nivel de palabra y jerarquía tipográfica. La documentación oficial de Tesseract admite TSV, hOCR y varios formatos de salida que te dan cuadros delimitadores precisos por palabra. Google Vision y AWS Rekognition también devuelven cuadros delimitadores con puntuaciones de confianza.
Pero el OCR tiene límites: te dice con precisión dónde está el texto, aunque no necesariamente qué fuente, interletraje, altura de línea y modo de renderizado se usaron. Por eso el OCR funciona mejor como capa de detección que como capa de acabado. La mejor práctica: OCR para posicionar + reconstrucción del fondo + recomposición tipográfica manual o basada en plantillas.
Camino 4: repintado con IA, un restaurador de fondos, no un motor tipográfico
El repintado con IA (como el pipeline de inpainting de Stable Diffusion) resulta valioso para reparar fondos, no para componer texto. Maneja bien texturas complejas, cristal esmerilado, sombras paralelas, resplandores de botones e interfaces ilustradas, pero en cuanto le pides que «genere también el texto», la consistencia tipográfica cae en picado.
El veredicto: la IA funciona mejor como restaurador de fondos que como renderizador final del texto. El enfoque más fiable es usar la IA primero para limpiar los restos del texto antiguo y volver después a herramientas vectoriales o de texto preciso para colocar el texto nuevo siguiendo una plantilla.
Comparativa de métodos de un vistazo
| Método | Velocidad | Fidelidad | Potencial de automatización | Riesgo principal | Ideal para |
|---|---|---|---|---|---|
| Parcheo de píxeles + reescritura manual | Rápida | Media | Bajo | La fuente y los bordes tienden a delatarse | Ediciones pequeñas en una imagen, cambios de botones y etiquetas |
| Superposición vectorial / reconstrucción por capas | Media | Alta | De medio a alto | Exige descomponer en componentes y medir | Imágenes de marketing, variantes A/B |
| OCR + nuevo renderizado | Media | Alta | Alto | Las posiciones del OCR son precisas, pero la fuente puede no serlo | Sustitución por lotes, localización basada en plantillas |
| Repintado con IA + acabado manual | Media | De media a alta | Medio | Deriva del estilo del texto generado | Fondos complejos, reparación de cristal, degradados y sombras |
| Regeneración desde código o archivos de diseño | Más lenta por imagen, más rápida a escala | La más alta | El más alto | Requiere acceso al sistema de origen | Localización a gran escala, capturas de tienda |
Cinco detalles que deciden el resultado
Lo que determina el éxito al editar texto en capturas no es «si usa IA», sino estos cinco detalles.
1. Identificación precisa de la fuente
Para interfaces en alfabeto latino, empieza por WhatTheFont para identificar tipografías candidatas a partir de una imagen. Pero en capturas de interfaz, un enfoque más fiable es partir del conjunto de fuentes del sistema de cada plataforma y trabajar hacia atrás:
- Plataformas de Apple: consulta primero la familia San Francisco y SF Symbols
- Android / Material: contrasta con la tipografía de Material 3 y Material Symbols
- Windows: consulta Segoe UI Variable y Segoe Fluent Icons
Para interfaces en CJK (chino, japonés y coreano), las fuentes y especificaciones del sistema de cada plataforma suelen ser más fiables que las herramientas genéricas de identificación tipográfica.
2. Tamaño y grosor de fuente correctos
El error más habitual en la fidelidad de una captura no es elegir la tipografía equivocada, sino equivocarse con el grosor. La Regular y la Medium de una misma familia pueden diferir en unos pocos píxeles dentro de una captura, pero la diferencia visual es considerable. Usa los cuadros delimitadores del OCR o la medición manual para determinar la altura en píxeles del texto original y deduce a partir de ahí el cuerpo en puntos.
3. Espaciado y alineación de la línea base
Figma, Sketch, los motores de interfaz del sistema y los navegadores no producen resultados tipográficos idénticos. Incluso con la misma fuente, el interletraje y el tratamiento de la línea base pueden diferir. El método más seguro: medir el borde izquierdo, la posición de la línea base y la altura del cuadro del texto original y alinear después a píxeles enteros.
4. Reproducción del color y de las sombras
No muestrees el color una sola vez. En botones, píldoras, distintivos de estado y superposiciones claras, muestrea varios puntos alrededor del texto para determinar si el fondo es plano, un degradado o una capa translúcida. Los colores planos se pueden promediar; los degradados se resuelven mejor restaurando primero el fondo; las capas translúcidas exigen atender a cómo quedará el texto nuevo tras componerse con el fondo.
5. Alineación con la rejilla de píxeles
ClearType de Windows es suavizado subpíxel, no suavizado en escala de grises estándar. Una captura tomada en Windows, si se recompone en otro sistema, suele mostrar franjas de color y nitidez inconsistentes. Las reglas más prácticas: renderiza en la misma plataforma y con el mismo factor de escala que la captura original y mantén todo el texto y los iconos finos en coordenadas de píxel enteras.
Diferencias entre plataformas: el mismo texto, distinto aspecto
iOS y macOS
La tipografía de las HIG de Apple especifica que San Francisco tiene varias variantes para distintos contextos de plataforma. SF Symbols está diseñado para integrarse sin costuras con la fuente del sistema. Para capturas de iOS y macOS casi siempre podrás encontrar la coincidencia más cercana en la fuente y la biblioteca de símbolos del sistema.
Android
La documentación de tipografía e iconos de Material 3 deja claro que las especificaciones de texto, el sistema de iconos y los recursos multidensidad están pensados para funcionar en conjunto. No estires una imagen de texto en mdpi hasta convertirla en una maqueta xxhdpi: los iconos se verán borrosos y el texto quedará falso.
Web
La mayor trampa de las capturas web es dar por hecho que «la misma página» equivale a «la misma imagen a otro tamaño». La documentación sobre diseño adaptable de MDN explica que las páginas se renderizan de forma distinta según el ancho de la ventana gráfica y la relación de píxeles del dispositivo. El enfoque correcto no es reducir en Photoshop una captura de escritorio hasta el tamaño móvil, sino volver a capturar en el punto de ruptura y la densidad de píxeles de destino.
Windows
La familia de fuentes del sistema de Windows 11 incluye Segoe UI Variable y Segoe Fluent Icons. Si le sumas el renderizado subpíxel de ClearType, la conclusión es esta: para editar capturas de Windows con alta fidelidad, compón y revisa en un entorno Windows. Los indicios más habituales de que se ha editado desde otro sistema son los textos finos de colores claros y los iconos pequeños sobre fondos oscuros.
Automatización por lotes: de «una imagen» a «un sistema»
Cuando tu problema pasa de una imagen a decenas de capturas en quince idiomas, necesitas un proceso automatizado.
El mejor camino por lotes sigue siendo «regenerar primero». Apple permite exportar capturas localizadas desde las pruebas. Android ofrece recursos de localización y pruebas con seudolocalizaciones. Si puedes llegar al lado del producto, esto compensa a la larga.
Sin acceso al código, el camino por lotes es «OCR + plantillas + exportación masiva»: primero, usa Tesseract para obtener TSV/hOCR con los cuadros delimitadores del texto; después, clasifica las capturas por plantilla (por ejemplo, «página de tarjeta de precios», «página de lista de ajustes», «página de lista de mensajes»); misma plantilla, misma fuente, mismas coordenadas y mismas definiciones de componentes. Así no personalizas cada imagen por separado: modelas cada maquetación una sola vez.
Ejemplos prácticos de línea de comandos
```bash
Tesseract: exportar cuadros delimitadores a nivel de palabra
tesseract screen.png - -l eng+chi_sim --psm 6 tsv > screen.tsv
ImageMagick: superposición de texto precisa
magick input.png \ -font "Inter-Regular" \ -pointsize 16 \ -fill "#1F2328" \ -gravity northwest \ -annotate +120+48 "New Label" \ output.png ```
La documentación oficial de ImageMagick detalla el control de coordenadas de -annotate. La documentación de la CLI de Tesseract cubre TSV, hOCR, PDF y otros formatos de salida. Combinándolo con Pillow (Python Imaging Library) puedes montar un proceso de superposición por lotes reproducible y auditable en unas pocas decenas de líneas de Python.
Lista de comprobación de calidad
Si tu único criterio es «se ve bien», los proyectos por lotes acabarán fallando. Revisa como mínimo a los niveles de zoom del 100 %, 200 % y 400 %:
| Punto de control | Criterio de aprobación | Síntomas de fallo |
|---|---|---|
| Contenido del texto | Coincide exactamente con el idioma o la versión de destino | Ediciones olvidadas, erratas, restos del texto antiguo |
| Posición y alineación | El borde izquierdo, la línea base y el relleno interno se mantienen estables | Parece «flotante» o «apretado» |
| Fuente y grosor | Coherentes con la plataforma o el sistema de componentes | El carácter visual desentona, grosor irregular |
| Suavizado de bordes | Bordes limpios, sin anomalías de franjas de color | Desenfoque, dientes de sierra, franjas azules o rojas |
| Reparación del fondo | Sin texturas repetidas ni costuras de repintado | Zonas borrosas, límites de parche visibles, textura de cristal perdida |
| Iconos y distintivos | Estilo, tamaño y línea base coherentes | Proporciones de icono erróneas, cifras descentradas |
Para métricas automatizadas, usa el SSIM de scikit-image para verificar que las regiones no editadas no se han visto afectadas y pasa después un OCR sobre el resultado para confirmar que el texto de destino es correcto y está en la posición adecuada.
Límites legales y éticos
El Reglamento General de Protección de Datos (RGPD) de la Unión Europea establece protecciones integrales para los datos personales de las personas del Espacio Económico Europeo. En Estados Unidos, la Ley de Privacidad del Consumidor de California (CCPA) concede a los consumidores derechos sobre su información personal, mientras que la HIPAA impone requisitos estrictos al tratamiento de información sanitaria protegida. Para datos de menores de 13 años, la COPPA (Ley de Protección de la Privacidad Infantil en Línea) añade obligaciones de cumplimiento adicionales. Esto significa que no puedes tratar las capturas que contienen números de teléfono, correos electrónicos, direcciones, números de pedido o registros de chat como simples activos visuales que se comparten a la ligera. Cuando haya que usar ese tipo de capturas, prioriza el procesamiento local y la ocultación irreversible.
Las directrices de la ficha de producto de la App Store de Apple insisten en que las capturas deben comunicar la experiencia de usuario de la aplicación mostrando la interfaz real: las capturas de tienda llevan implícita una afirmación sobre la funcionalidad real. Las ediciones que inventan funciones, precios o datos inexistentes conllevan un riesgo que va más allá de lo estético: constituyen una representación engañosa.
Si usas edición generativa o compartes activos entre equipos, conserva un rastro de edición verificable. C2PA (Coalition for Content Provenance and Authenticity) define un estándar abierto de procedencia y autenticidad del contenido; no como «corrección política», sino como medida de ingeniería para reducir futuros costes por disputas.
Las fuentes y los iconos no se pueden usar solo porque puedas verlos. Los Material Symbols usan la licencia Apache 2.0. La familia de fuentes Noto de Google usa la licencia SIL Open Font, lo que la convierte en una alternativa segura. Las fuentes comerciales y los logotipos de marca requieren confirmar la licencia antes de usarlos.
Resumen: divide un problema en dos
Si tuviera que dar el consejo más práctico y menos vistoso, sería este:
Divide «editar texto en capturas de pantalla» en dos problemas separados, «restaurar el fondo» y «reconstruir la tipografía», y no intentes resolver ambos con elegancia usando una sola herramienta.
Restauración del fondo: usa Sanear, Clonar, inpaint o IA. Reconstrucción tipográfica: usa fuentes del sistema, superposiciones vectoriales, componentes y herramientas de texto precisas. Sigue esta línea y tu resultado será más estable que cualquier «sustitución de texto con IA en un clic», además de mucho más fácil de procesar por lotes, mantener y auditar.
El mejor camino de uso general no es una herramienta mágica concreta, sino esta secuencia:
- Primero, comprueba si puedes regenerar o reconstruir: si tienes el código, vuelve a capturar; si tienes archivos de diseño, reconstruye los componentes
- Después, elige el método de reparación del fondo según su complejidad: los colores planos admiten relleno directo, las texturas complejas necesitan repintado con IA
- A continuación, ajusta con precisión la fuente y los parámetros tipográficos: parte del conjunto de fuentes del sistema de la plataforma y alinea a píxeles enteros
- Por último, revisa la calidad a varios niveles de zoom: el 100 % para la sensación general, el 200 % para los bordes y el 400 % para los artefactos de suavizado
Una vez que entiendes estos principios, cada elección de herramienta (abrir Photoshop para pulir una imagen, reconstruir un juego de componentes en Figma, programar un proceso por lotes o usar ReWords AI para un cambio rápido de texto) se convierte en una decisión informada en lugar de un «probemos a ver qué pasa».
La información técnica de este artículo se basa en la documentación oficial de Tesseract, OpenCV, ImageMagick, GIMP, Pillow, Material Design, Apple HIG, C2PA, la licencia SIL Open Font, el RGPD, la CCPA, la HIPAA y la COPPA. La información legal no constituye asesoramiento jurídico.
