O que é o MetaExtract API
O MetaExtract API é uma API de extração de metadados com inteligência artificial: ele lê um documento em PDF e devolve os metadados já estruturados (título, autoria, resumo, palavras-chave e os campos adicionais de que a instituição precisa), prontos para preencher o formulário de descrição de um repositório ou catálogo. Não é um aplicativo com tela própria. É uma peça, desenvolvida e operada pela BiblioLabTech, que se conecta ao sistema que você já tem e tira dele o trabalho de transcrição.
A diferença em relação a ferramentas genéricas de extração de texto é que o MetaExtract API usa modelos de linguagem para interpretar o papel de cada trecho dentro de um documento acadêmico ou institucional. Ele distingue o título do subtítulo, separa os nomes dos autores de suas afiliações e reconhece onde começa e termina um resumo, mesmo quando o documento não o marca explicitamente. O guia completo de extração de metadados com IA aprofunda cada etapa.
Quais metadados ele extrai
O conjunto de campos é treinável conforme o esquema de cada instituição, mas cobre de forma consistente:
- Título e, quando existe, subtítulo.
- Autoria, com a afiliação institucional quando o documento a indica.
- Resumo, identificado no corpo do documento mesmo sem seção marcada.
- Palavras-chave declaradas pelo autor e sugestões a partir do conteúdo.
- Data de publicação ou de depósito.
- Tipo documental: tese, dissertação, artigo, relatório, trabalho de evento.
- Idioma do documento.
- Campos locais definidos pela instituição: programa acadêmico, orientador, número de projeto, código de edital.
Este último ponto separa uma extração genérica de uma útil de verdade: o MetaExtract API é treinado com documentos reais de cada instituição para que a saída corresponda ao seu esquema de metadados, e não a um modelo padrão que depois precisa ser reorganizado à mão.
Como funciona a integração
O fluxo tem quatro momentos: o modelo é ajustado com material real e conectado ao sistema de destino; o PDF é enviado à API, manualmente ou pelo próprio sistema quando alguém faz um depósito; a API identifica e organiza os metadados no esquema acordado, seja Dublin Core, campos locais ou ambos; e os dados preenchem automaticamente o formulário, prontos para revisão.
| Sistema | Uso típico do MetaExtract API |
|---|---|
| DSpace | Preenchimento dos metadados no fluxo de depósito do repositório institucional |
| Koha | Descrição de documentos digitais associados ao catálogo |
| ABCD | Extração de metadados para catálogos construídos nessa plataforma |
| OJS | Descrição de artigos no sistema editorial de revistas científicas |
Essa compatibilidade múltipla resolve o cenário mais incômodo de automatizar: uma biblioteca que opera duas plataformas diferentes, como um repositório e um catálogo, e precisa reduzir a transcrição nas duas sem unificá-las.
Precisão e revisão humana
Nenhum sistema de extração automática acerta cem por cento dos documentos, e não vamos prometer isso. A confiança varia com a qualidade do PDF: um documento nascido digital, com texto selecionável, é extraído com mais precisão do que uma digitalização de baixa resolução. Por isso o fluxo sempre inclui revisão humana antes da publicação, e o bibliotecário concentra seu tempo nas decisões que a máquina não pode tomar: normalização de nomes, descritores, licença e acesso.
Para quem o MetaExtract API faz sentido
Faz sentido sobretudo para três perfis: repositórios institucionais com fluxo constante de depósitos, em que a descrição manual vira um gargalo a cada semestre; bibliotecas com acervo digital acumulado de PDFs nunca descritos; e instituições que operam mais de uma plataforma ao mesmo tempo. Não faz sentido quando o volume de documentos é baixo e esporádico: nesse caso, a descrição manual continua razoável.
A qualidade dos metadados também importa fora da instituição. No Brasil, a BDTD, do Ibict, coleta das instituições os metadados de teses e dissertações, e o Oasisbr reúne os registros de repositórios e revistas científicas. Um repositório institucional com metadados completos e consistentes aparece melhor em cada um desses serviços.
MetaExtract API e BiblioScan AI
As duas ferramentas automatizam a descrição, mas partem de fontes diferentes. O MetaExtract API lê documentos digitais em PDF e atende repositórios e fluxos de descrição documental. O BiblioScan AI lê fotos de material impresso e preenche registros MARC21 no catálogo. Quando uma biblioteca contrata as duas, quase sempre é porque tem as duas frentes: um acervo físico e uma produção digital. Veja também como funciona a catalogação com inteligência artificial para livros impressos.
Implantação e contratação
A implantação leva de seis a nove semanas: diagnóstico do esquema de metadados, treinamento com documentos reais, validação com lote de controle e entrada em produção com o procedimento de revisão combinado. Para acervos históricos, o processamento em lotes é feito por coleção ou por tipo documental, revisando cada lote antes do seguinte: um repositório que se enche rápido com metadados não revisados custa mais para corrigir do que se tivesse sido carregado com calma.
O serviço é contratado como licença anual, que inclui implantação, ajustes, suporte e melhorias. Em toda implantação do DSpace feita pela BiblioLabTech, o MetaExtract API vem incluído sem custo adicional, porque um repositório novo quase sempre nasce com um acervo acumulado a descrever.
Onde o MetaExtract API funciona hoje
- A Universidad ICESI, na Colômbia, integrou o MetaExtract API à sua infraestrutura sem trocar de sistema nem migrar conteúdos, e renovou o serviço por períodos consecutivos.
- A Universidad Católica Luis Amigó, também na Colômbia, o integrou ao mesmo tempo ao repositório DSpace e ao catálogo ABCD, e o opera em produção contínua desde outubro de 2024.
- A Universidad Continental, no Peru, o usa sobre uma plataforma comercial de gestão de bibliotecas, sem nenhuma migração.
- A Universidad Americana, no Paraguai, o tem no fluxo de depósito do seu repositório DSpace desde a abertura.
São quatro instituições, quatro combinações diferentes de sistemas e o mesmo padrão: a API se acopla ao que já existe. Se o seu repositório recebe mais documentos do que a equipe consegue descrever, fale com a BiblioLabTech e revisamos o seu esquema de metadados com uma amostra real do acervo.