Capturas de tela de pagamento do KakaoTalk:
Capture o valor (금액) e o número da conta bancária (계좌번호)

O que o Cartão de Pagamento do KakaoTalk Realmente Mostra

Há duas maneiras comuns de as informações relacionadas a pagamentos aparecerem em uma conversa do KakaoTalk, e elas são visualmente bem diferentes — exatamente por isso tratá-las como "apenas um print da conversa" 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 ao thread da conversa. Ele mostra o valor (금액) em won coreano, os nomes do remetente (보낸분) e do destinatário (받는분), e o horário da transação. Abaixo do cartão, um botão "Claim" permite que o destinatário aceite o dinheiro no saldo do KakaoPay. O cartão é um componente visual autônomo com fundo distinto e cantos arredondados — claramente separado das mensagens de texto ao redor.

Cenário dois: dados da conta bancária digitados no chat. O outro cenário comum é alguém digitando as 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). Sem cartão estruturado, sem campos destacados — 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 a eles.

Ambos os cenários compartilham o mesmo problema central para quem tenta registrar a transação: a informação está presa dentro de um print. O cartão do KakaoPay não é um recibo para download — é um componente do chat que desaparece da visualização quando a conversa rola. A mensagem com a conta bancária é apenas uma linha de texto incorporada 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 conversas exigem uma abordagem diferente do OCR

Ferramentas de OCR tradicionais funcionam bem quando um documento tem um layout previsível — uma fatura 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 tamanho varia toda vez. A mensagem com a conta bancária pode ser a segunda mensagem da conversa ou a quinquagésima. O texto ao redor — emojis, figurinhas, nomes de perfil, horários — 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 todo o contexto visual: "₩50.000" está dentro de um cartão arredondado com um fundo distinto, ladeado por uma foto de perfil e um botão "Claim" — 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 bancária. A diferença é compreensão semântica: a IA pergunta "que tipo de informação é esta?" em vez de "em quais coordenadas este caractere está?"

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

Extraindo o Valor e o Número da Conta

Veja como é o fluxo de trabalho. Tire um print do KakaoTalk e envie-o para uma ferramenta que suporte Custom Column Extraction. Defina duas colunas: Amount e Bank Account Number. É 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 com o sufixo coreano "원") e o número da conta (10–14 dígitos com hífens, muitas vezes precedidos por "계좌번호"). Ambos os valores ficam 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 — envie todos de uma vez. Cada print vira 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. Coordenadores de compras em grupo enfrentam esse problema de lote com mais intensidade: um único tópico de print de compra em grupo no KakaoTalk pode conter uma confirmação de pagamento para cada comprador do grupo.

Algumas limitações que merecem ser ditas claramente. Se o print cortar parte do cartão do KakaoPay — por exemplo, apenas a metade superior mostrando o valor, mas não a confirmação completa — o número da conta ou o nome do beneficiário pode faltar 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 consegue 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 pagamento em chat do LINE. E para os dados de endereço e pedido que geralmente acompanham uma conversa de pagamento, o guia de endereço e detalhes de pedido do KakaoTalk cobre a outra metade do que os prints de chat normalmente contêm.

O Que Esses Dois Números Permitem Fazer Quando Estão 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.

Registrando um pagamento recebido. Freelancers e pequenos empresários na Coreia frequentemente recebem pagamentos via KakaoPay, seguidos de uma mensagem com o número da conta do cliente para transferências futuras. Ter ambos os campos extraídos significa conciliar com uma fatura sem precisar vasculhar o histórico de conversas toda vez.

Dividindo despesas compartilhadas (n빵). 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 os demais transferem suas partes. Se você é quem acompanha quem pagou o quê em vários encontros de grupo, uma planilha com valores extraídos permite totalizar sem reler cada mensagem. O número da conta importa menos aqui, mas o valor é o campo crítico.

Criando um registro de pagamento para impostos ou contabilidade. Para freelancers que operam via KakaoTalk — comum na economia gig da Coreia — um registro mensal dos valores recebidos, associados à conta bancária de cada cliente, fornece um rastro de renda verificável. Isso não é um recibo fiscal (a Coreia exige um 세금계산서 — nota fiscal — para deduções oficiais), mas são os dados brutos para cruzar com suas notas fiscais recebidas.

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

Para uma comparação lado a lado de como o LINE lida com suas confirmações de pagamento — incluindo o cartão de pagamento em estilo japonês com 支払方法 (método de pagamento) e 取引ID (ID da transação) — veja o guia de capturas de tela de pagamento do LINE. E para o conceito mais amplo de como capturas de tela de pagamento de aplicativos de mensagem 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 saem com clareza.

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 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 como escritos em coreano, que é exatamente o que você deseja para manter registros — sem necessidade de tradução.

A extração funciona de forma diferente para o cartão KakaoPay versus 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 chat ao redor. Para dados de conta bancária digitados em texto, a IA depende mais dos rótulos (계좌번호, 은행명) que precedem os dígitos. Ambas as abordagens usam compreensão semântica em vez de coordenadas, então funcionam independentemente de onde a informação aparece no chat. Se você estiver extraindo de uma mensagem de texto, garantir 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 10–14 dígitos com um ou dois hífens. Seja a conta no KB Kookmin, Woori, Shinhan, Hana, NongHyup ou KakaoBank, a estrutura numérica é semelhante, e o nome do banco quase sempre é incluído junto ao número da conta na mensagem do chat. A IA não precisa saber a qual banco a conta pertence — ela identifica a string como um número de conta pelo comprimento, padrão de agrupamento de dígitos e o rótulo que a precede.

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

Sim. Envie 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 de tela 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 fechamento do mês para conciliação ou arquivamento.

Isso é apenas OCR com melhor treinamento?

Não. O OCR tradicional lê todo o texto visível e o emite como um bloco — ele não consegue distinguir o valor de um número de telefone sem um modelo que indique 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.