Capturas de Tela de Pagamento do KakaoTalk:
Extraia o Valor (금액) e o Número da Conta Bancária (계좌번호)

O que o Cartão de Pagamento do KakaoTalk Realmente Mostra

Existem duas formas comuns de informações relacionadas a pagamentos aparecerem em uma conversa do KakaoTalk, e elas são visualmente bem diferentes — exatamente por isso que tratá-las como "apenas uma captura de tela do chat" não faz sentido.

Cenário um: o cartão de transferência do KakaoPay (송금 카드). Quando alguém envia dinheiro pelo KakaoTalk, o aplicativo gera um cartão visual incorporado na conversa. Ele mostra o valor (금액) em won coreanos, os nomes do remetente (보낸분) e do destinatário (받는분), e o horário da transação. Abaixo do cartão, um botão "Receber" permite que o destinatário aceite o dinheiro em seu saldo do KakaoPay. O cartão é um componente visual independente, com um fundo distinto e cantos arredondados — claramente separado das mensagens de texto ao redor.

Cenário dois: dados bancários digitados no chat. O outro cenário comum é alguém digitando suas informações bancárias diretamente em uma mensagem. Um exemplo típico: "은행명: 국민은행 / 예금주: 김철수 / 계좌번호: 123456-78-901234" (Banco: KB Kookmin / Titular: Kim Cheol-su / Número da conta: 123456-78-901234). Nenhum cartão estruturado, nenhum campo destacado — apenas texto simples na conversa. O valor pode estar na mesma mensagem ou ser combinado separadamente. Os números de conta seguem as convenções bancárias coreanas — 10 a 14 dígitos com hífens — e o nome do banco quase sempre está presente junto com eles.

Ambos os cenários compartilham o mesmo problema central para quem tenta registrar a transação: a informação está presa dentro de uma captura de tela. O cartão do KakaoPay não é um recibo para download — é um componente do chat que desaparece da visualização assim que a conversa rola. A mensagem com os dados bancários é apenas uma linha de texto inserida em uma conversa mais longa. Em ambos os casos, o único registro prático é o que você captura na tela.

Por que capturas de tela de chat exigem uma abordagem diferente do OCR

Ferramentas tradicionais de OCR funcionam bem quando um documento tem um layout previsível — uma nota fiscal coloca o total no canto inferior direito, um recibo tem a data no topo. O mecanismo de OCR lê todos os caracteres e depende de coordenadas fixas para descobrir qual texto pertence a qual campo. Uma captura de tela do KakaoTalk não tem nada dessa previsibilidade. O cartão de pagamento aparece no meio de uma conversa cujo comprimento varia a cada vez. A mensagem com dados bancários pode ser a segunda mensagem da conversa ou a quinquagésima. O texto ao redor — emojis, figurinhas, nomes de perfil, carimbos de data/hora — cria ruído visual que um sistema baseado em coordenadas não consegue filtrar.

O modo de falha prático é assim: uma ferramenta de OCR escaneia uma captura de tela do KakaoTalk contendo tanto um cartão de pagamento mostrando "₩50.000" quanto uma mensagem de texto mencionando "5명" (cinco pessoas). Ela retorna ambos os números, e o usuário precisa decidir qual é o valor. O mesmo problema se aplica a números de conta — uma sequência de 11 dígitos ao lado de um número de telefone, e o OCR não consegue diferenciá-los porque não entende o que cada sequência significa.

Modelos de linguagem visual abordam a mesma captura de tela de forma diferente. Em vez de ler todos os caracteres por coordenadas, um VLM processa o contexto visual completo: "₩50.000" está dentro de um cartão arredondado com um fundo distinto, ladeado por uma foto de perfil e um botão "Resgatar" — a IA reconhece isso como um valor de pagamento. "123456-78-901234" aparece ao lado de "은행명: 국민은행" — ela identifica isso como um número de conta. A diferença é o entendimento semântico: a IA pergunta "que tipo de informação é esta?" em vez de "em quais coordenadas este caractere está?"

Essa distinção é especialmente importante para o KakaoTalk porque os pagamentos acontecem em um ambiente de chat visualmente rico. Figurinhas, imagens de perfil, emojis do Kakao Friends e cores de balões de chat criam uma variedade que um sistema baseado em modelos não consegue pré-programar. Um VLM lê tudo o que vê.

Extraindo o Valor e o Número da Conta

Veja como funciona o fluxo de trabalho. Tire um print da tela do KakaoTalk e faça o upload em uma ferramenta compatível com Extração de Colunas Personalizadas. Defina duas colunas: Valor e Número da Conta Bancária. Só isso — sem modelos, sem amostras de treinamento, sem desenhar zonas. A IA examina o print e identifica o valor da transferência (prefixado com ₩ ou o sufixo coreano "원") e o número da conta (10 a 14 dígitos com hífens, geralmente precedido por "계좌번호"). Ambos os valores vão parar na mesma linha da sua tabela de saída.

Se você tiver um lote de prints do KakaoTalk — confirmações de pagamento de vários clientes ao longo de um mês — faça o upload de todos de uma vez. Cada print se torna uma linha. A IA não depende de o número da conta aparecer na mesma posição em todos os prints, porque em um print ele pode ser a terceira mensagem e em outro, a primeira. Ela depende do rótulo e do contexto visual — uma abordagem que funciona independentemente de onde a informação aparece na conversa.

Algumas limitações que vale a pena destacar claramente. Se o print cortar parte do cartão do KakaoPay — por exemplo, mostrando apenas a metade superior com o valor, mas não a confirmação completa — o número da conta ou o nome do destinatário pode estar faltando na imagem, e a IA só consegue extrair o que está visível. Para números de conta bancária digitados no chat, a precisão depende de o print capturar tanto o rótulo (계좌번호 ou 계좌) quanto os dígitos juntos — se apenas a sequência numérica estiver visível sem contexto, a IA ainda pode identificá-la como uma sequência numérica, mas com menos confiança de que seja especificamente um número de conta em vez de um número de telefone. Essas são limitações do material de origem, não do método de extração.

Para uma visão mais ampla de como os prints de pagamento de diferentes aplicativos se comparam — incluindo os paralelos entre o cartão de pagamento do KakaoTalk e o cartão LINE Pay do LINE — veja nossa comparação de extração de pagamentos do chat LINE. E para os detalhes de endereço e pedido que geralmente acompanham uma conversa de pagamento, o guia de endereço e detalhes do pedido do KakaoTalk cobre a outra metade do que os prints de chat normalmente contêm.

O Que Esses Dois Números Permitem Fazer Depois de Estarem na Sua Planilha

Ter o valor e o número da conta bancária em uma linha da planilha é mais útil do que parece, porque esses dois campos juntos cobrem as necessidades mais comuns a jusante.

Registrar um pagamento recebido. Freelancers e pequenos empresários na Coreia frequentemente recebem pagamentos via KakaoPay, seguidos por uma mensagem com o número da conta do cliente para transferências futuras. Ter ambos os campos extraídos significa reconciliar com uma fatura sem ter que vasculhar o histórico do chat toda vez.

Dividir despesas compartilhadas (n빵). O KakaoTalk é onde contas de jantares em grupo, despesas de viagem e compras compartilhadas são resolvidas — alguém paga e envia o total para o chat do grupo, e então todos os outros transferem sua parte. Se você é quem está monitorando quem pagou o quê em várias saídas em grupo, uma planilha com valores extraídos permite totalizar sem reler cada mensagem do chat. O número da conta é menos importante aqui, mas o valor é o campo crítico.

Criar um registro de pagamento para impostos ou contabilidade. Para freelancers que operam pelo KakaoTalk — comum na economia gig da Coreia — um registro mensal dos valores recebidos, combinado com a conta bancária de cada cliente, fornece um rastro de renda verificável. Isso não é um recibo fiscal (a Coreia exige uma 세금계산서 — nota fiscal — para deduções oficiais), mas são os dados brutos para verificar em relação às suas notas fiscais de entrada.

O que conecta todos esses cenários é o volume. Uma captura de tela é fácil de lidar manualmente. Dez ou vinte por mês — de diferentes clientes, saídas em grupo e valores — é onde o atrito se acumula. Cada captura de tela exige abrir a imagem, ler os números, digitá-los em uma planilha e verificar se você não trocou um dígito no número da conta (um risco real com os formatos de conta bancária coreana que incluem traços). Um fluxo de trabalho de extração elimina completamente a etapa de transcrição.

Para uma visão lado a lado de como o LINE lida com suas confirmações de pagamento — incluindo o cartão de pagamento no estilo japonês com 支払方法 (método de pagamento) e 取引ID (ID da transação) — veja o guia de captura de tela de pagamento do LINE. E para o conceito mais amplo de como capturas de tela de pagamento de aplicativos de mensagens podem ser extraídas como dados estruturados, o artigo sobre WeChat Pay aborda o argumento central: uma captura de tela de pagamento não é um recibo, mas os valores são extraídos de forma limpa.

FAQ

E se a captura de tela estiver totalmente em coreano — a extração ainda funciona?

Sim. Os modelos de linguagem visual processam texto em qualquer idioma em que ele apareça — caracteres coreanos (Hangul) são tratados nativamente, não por meio de um pipeline de OCR separado. O campo de valor é expresso como um valor numérico com o símbolo ₩ ou o sufixo coreano "원", e o número da conta bancária é uma string numérica — ambos são campos independentes de idioma que a IA identifica pelo contexto visual e pelos rótulos ao redor. O nome do banco (은행명) e o nome do titular da conta (예금주) serão extraídos conforme escritos em coreano, que é exatamente o que você deseja para manter registros — nenhuma tradução é necessária.

A extração funciona de forma diferente para o cartão KakaoPay em comparação com uma mensagem de texto com dados bancários?

O mecanismo subjacente é o mesmo, mas as pistas visuais diferem. Para o cartão KakaoPay, a IA identifica o valor pelo contêiner visual distinto do cartão — um retângulo arredondado com um cabeçalho colorido — que o separa das mensagens de bate-papo ao redor. Para detalhes de conta bancária digitados em texto, a IA depende mais fortemente dos rótulos (계좌번호, 은행명) que precedem os dígitos. Ambas as abordagens usam compreensão semântica em vez de coordenadas, portanto, funcionam independentemente de onde a informação aparece no bate-papo. Se você estiver extraindo de uma mensagem de texto, certificar-se de que a captura de tela inclua tanto o rótulo quanto o número juntos dá à IA o sinal mais forte.

Isso funciona para todos os bancos coreanos?

Sim. Os números de conta bancária coreanos seguem um formato consistente, independentemente do banco — normalmente de 10 a 14 dígitos com um ou dois hífens. Se a conta é no KB Kookmin, Woori, Shinhan, Hana, NongHyup ou KakaoBank, a estrutura numérica é semelhante, e o nome do banco quase sempre é incluído junto com o número da conta na mensagem de bate-papo. A IA não precisa saber a qual banco a conta pertence — ela identifica a string como um número de conta pelo seu comprimento, padrão de agrupamento de dígitos e pelo rótulo que a precede.

Posso processar várias capturas de tela do KakaoTalk de uma só vez?

Sim. Faça upload de todas as capturas de tela — cartões de pagamento, mensagens de conta bancária ou uma mistura de ambos — e a IA cria uma linha por captura em uma única tabela de saída. Capturas de tela que contêm apenas um cartão de pagamento sem número de conta deixam essa célula vazia. Isso é especialmente útil para consolidar um mês de capturas de tela de pagamento do KakaoTalk no final do mês para conciliação ou manutenção de registros.

Isso é apenas OCR com melhor treinamento?

Não. O OCR tradicional lê todo o texto visível e o exibe como um bloco — ele não consegue distinguir o valor de um número de telefone sem um modelo informando onde cada campo está. Um modelo de linguagem visual lê a captura de tela como um todo e identifica os campos pelo que eles significam, não por onde aparecem. É por isso que funciona em um cartão de pagamento do KakaoTalk sem qualquer configuração — a compreensão semântica não é um recurso de conveniência para capturas de tela de chat, é um requisito.