Extracción de recetas con IA a prueba: cinco métodos, seis fuentes, un resultado claro

Guardar una receta suena sencillo: la encuentras en internet y la metes en una app. Pero “en internet” hoy quiere decir un vídeo de TikTok, un Reel de Instagram, la foto de una ficha manuscrita que te ha mandado tu tía por WhatsApp, una captura de pantalla de un grupo de Facebook y, a veces, todavía un blog de cocina. Lo que se traga sin despeinarse una entrada de blog bien maquetada se atraganta con cuarenta y cinco segundos de vídeo. Lo que sabe leer una foto no entiende una página web.

Hemos puesto cinco métodos distintos frente a seis fuentes habituales para ver cuáles dan algo aprovechable y cuáles te dejan copiando la receta a mano. No es un ejercicio teórico: recetas reales, fuentes reales, y anotado lo que salía por el otro lado.

Los cinco métodos

Antes de los resultados, los candidatos:

1. Clipper web clásico (análisis del DOM y expresiones regulares)

El método más antiguo, el de apps como Paprika o CopyMeThat. El clipper recorre el HTML de la página buscando datos estructurados de receta: marcado JSON-LD, microdatos o patrones reconocibles como una lista de ingredientes en <ul> y los pasos en <ol>. No hay IA por ninguna parte. La herramienta busca coincidencias en el DOM y se lleva lo que encaja en la forma esperada.

2. Extensión de navegador

Apps como Recipe Keeper trabajan con una extensión que hace básicamente lo mismo, solo que pegada a la página que tienes abierta. Se inyecta en ella, busca marcado de receta o formatos de plugins conocidos (WP Recipe Maker, Tasty y compañía) y se queda con los datos estructurados. Algunas añaden una capa de heurística y adivinan qué bloques de texto son ingredientes y cuáles pasos cuando no hay marcado.

3. IA de texto

Una hornada más reciente pasa el texto de la página por un modelo de lenguaje. En lugar de buscar estructura en el HTML, la IA lee el texto tal cual y reconoce las partes de una receta porque entiende el lenguaje natural. Con maquetación desordenada y páginas sin estructura funciona mucho mejor que el análisis del DOM, pero se queda en el texto. Si la receta está en un vídeo, en una imagen o dicha en voz alta, una IA de solo texto no tiene nada entre manos.

4. IA de imagen con OCR

Algunas apps procesan imágenes (fotos de fichas, páginas de un libro de cocina, capturas de pantalla) combinando reconocimiento óptico de caracteres con IA. El sistema lee lo que hay escrito en la imagen y después le da forma de receta. Para el papel y las capturas es un salto de verdad; para el vídeo, el audio y una web abierta no sirve.

5. IA multimodal completa (Pluck)

Pluck combina cinco vías de extracción: análisis de los fotogramas, transcripción del audio, lectura del texto sobreimpreso (OCR), análisis del pie y de los subtítulos, y lectura de los metadatos. Para las fotos entra la visión por IA; para las páginas web lee tanto los datos estructurados como el texto corrido. La IA contrasta todas las señales disponibles, las funde en una sola receta estructurada y le pone una puntuación de fiabilidad para que sepas cuánto conviene fiarse.

La prueba: seis fuentes, cinco métodos

Las seis fuentes elegidas son las que representan de dónde salen hoy las recetas de verdad.

Fuente 1: entrada de blog de cocina con datos estructurados

Una entrada normal, con plugin de recetas de WordPress, marcado JSON-LD y las dos mil palabras de rigor antes de llegar a la receta.

Clipper web clásico: excelente. Es exactamente el formato para el que se construyeron estas herramientas. Paprika y sus parientes sacan de un blog una receta limpia y casi sin fallos: ingredientes, pasos, tiempos, raciones, todo en su sitio.

Extensión de navegador: igual de bien. Recipe Keeper y las extensiones parecidas resuelven una receta de blog con marcado sin despeinarse.

IA de texto: funciona, aunque a veces se lleva de propina el preámbulo o la barra lateral. La IA tiene que decidir dónde acaba el verano en el pueblo de la abuela y dónde empieza la receta, y no siempre acierta.

IA de imagen con OCR: no aplica. El método está pensado para imágenes, no para páginas web.

IA multimodal (Pluck): excelente. Si hay JSON-LD, Pluck lo usa directamente y ahí es donde alcanza la fiabilidad más alta. Además lee el contenido de la página como red de seguridad, así que le da igual que el blog tenga plugin de recetas o no.

Veredicto: aquí juegan en casa los clippers clásicos, y llevan años puliendo el terreno. Los demás métodos también funcionan, pero si los blogs bien marcados son tu única fuente, un clipper clásico te va a servir perfectamente.

Fuente 2: Reel de Instagram

Un Reel de cocina de sesenta segundos: la creadora va contando la receta sobre las imágenes, las cantidades aparecen sobreimpresas un par de segundos y el pie lleva media lista de ingredientes.

Clipper web clásico: falla por completo. Instagram no publica marcado de receta, y aquí la receta está repartida entre el vídeo, el audio, el texto en pantalla y el pie. No hay estructura HTML que analizar.

Extensión de navegador: falla igual. Una extensión no llega al contenido del vídeo ni lee el pie de forma estructurada.

IA de texto: a medias. Si la app alcanza el pie del Reel, saca de ahí lo que la creadora haya escrito. Pero la mayoría de los pies están incompletos: enumeran ingredientes sin cantidades, o se saltan los pasos porque de eso ya se ocupa el vídeo.

IA de imagen con OCR: no aplica al vídeo.

IA multimodal (Pluck): muy buenos resultados. Pluck mira el vídeo, escucha la narración, lee los rótulos y analiza el pie. Una receta repartida entre esas cuatro fuentes vuelve a montarse en una sola. Las cantidades que se dicen en voz alta se emparejan con los ingredientes que aparecen en pantalla, y el pie rellena lo que el vídeo no dejó claro. Este es el caso en el que lo multimodal se gana el sueldo.

Veredicto: si sueles guardar recetas de redes sociales, el clipper clásico es un callejón sin salida. Necesitas IA que se maneje con vídeo y con texto sin estructura.

Fuente 3: vídeo de TikTok

Un TikTok de treinta segundos a toda velocidad, sin rótulos, con una voz en off que enumera ingredientes y da los pasos por encima, y un audio de moda sonando de fondo.

Clipper web clásico: falla. Las páginas de TikTok no llevan marcado de receta.

Extensión de navegador: falla.

IA de texto: apenas sirve. Las descripciones de TikTok son casi todo etiquetas y poco más. Sin acceso al audio del vídeo, un método de solo texto no recoge prácticamente nada.

IA multimodal (Pluck): es la prueba más dura de las seis y se nota en el resultado. Pluck transcribe la pista de audio, filtra la música de fondo y saca la receta hablada. Sin rótulos, la IA se apoya sobre todo en la transcripción y en el análisis de los fotogramas. Lo que sale es utilizable, aunque puede venir con menos fiabilidad. Un “un buen chorro de aceite” se transcribe tal cual en lugar de inventarse “dos cucharadas”, y Pluck lo marca con una puntuación más baja para que le eches un vistazo.

Veredicto: ninguna herramienta clásica se acerca a esto. Lo multimodal es lo único que devuelve algo aprovechable de un TikTok que solo tiene voz.

Fuente 4: vídeo de cocina de YouTube

Un vídeo de doce minutos con narración clara, la lista de ingredientes sobreimpresa y la receta completa en la descripción.

Clipper web clásico: falla con el vídeo. Alguno se lleva el texto de la descripción, pero no sabe convertirlo en receta porque es texto suelto.

Extensión de navegador: lo mismo. Puede capturar la descripción, no darle forma.

IA de texto: mejor. Una IA que lee la descripción saca de ahí una receta decente muchas veces, porque las descripciones de YouTube suelen traer la lista de ingredientes entera. Lo que solo está en el vídeo se pierde: los detalles de técnica, los tiempos que se comentan de pasada, los trucos que se dicen y no se escriben.

IA de imagen con OCR: no aplica.

IA multimodal (Pluck): el mejor resultado con vídeo. La descripción pone la base y el análisis del vídeo añade lo que solo existe en la voz o en pantalla. La IA contrasta lo escrito con lo dicho y llega a la versión más completa. Cuando la descripción dice “harina” y en el vídeo se oye “taza y media de harina de fuerza”, el método multimodal se queda con la cantidad y con el tipo.

Veredicto: si te vale con lo básico y das con una descripción cuidada, la IA de texto cumple. Para recetas que se lleven también lo que solo está en el vídeo, hace falta lo multimodal. Lo contamos con detalle en ¿Puede la IA sacar una receta de un vídeo?

Fuente 5: foto de una ficha manuscrita

La foto de una ficha escrita a mano, algo amarilleada, en letra ligada, con un par de manchas y las abreviaturas de siempre (cda, cdta, pizca, sobre).

Clipper web clásico: no aplica. Los clippers trabajan sobre páginas web, no sobre imágenes.

Extensión de navegador: no aplica.

IA de texto: no aplica a las imágenes.

IA de imagen con OCR: funciona, y la calidad depende de la letra. La letra de imprenta clara se lee bien. La ligada con abreviaturas cuesta más: un “c” puede ser una cucharada o una cucharadita, y el reconocimiento tiene que deducirlo del contexto. Las apps que se quedan en el OCR sin una capa de IA que razone devuelven una transcripción literal con sus erratas en lugar de una receta.

IA multimodal (Pluck): muy buenos resultados. La visión por IA de Pluck lee la letra y la interpreta en su contexto. Entiende que “1 sobre de levadura” es un sobre entero, que “horno moderado” son unos 180 °C y que la lista de arriba de la ficha son los ingredientes mientras que el párrafo de abajo es la elaboración. Las letras difíciles siguen pidiendo una revisión, pero con una ficha de las de toda la vida acierta de forma fiable.

Veredicto: el OCR te lleva medio camino. La visión por IA que además sabe de cocina te lleva el resto.

Fuente 6: captura de pantalla de una receta

Una captura hecha con el móvil de una receta en una web. Se ve la barra del navegador, la receta está cortada por abajo y hay un banner de publicidad encima de la lista de ingredientes.

Clipper web clásico: no aplica a las imágenes. (Aunque si conservas la dirección, el clipper se apaña con la página original.)

Extensión de navegador: no aplica.

IA de texto: no aplica.

IA de imagen con OCR: cumple bastante bien. El reconocimiento lee lo que se ve y la mayoría de las apps ignoran la barra del navegador y los banners. El límite es lo que quedó fuera del encuadre: tienes lo que hay en la captura y nada más.

IA multimodal (Pluck): parecido al OCR, pero con mejor mano para el ruido: publicidad, elementos de interfaz, frases a medias. La IA distingue el texto de la receta del de la pantalla. Y con una captura cortada avisa de que la receta puede estar incompleta en lugar de darte un texto truncado por bueno.

Veredicto: las capturas se le dan bien tanto al OCR como a la IA multimodal. La ventaja de la segunda está en filtrar el ruido y en ser honesta con lo que falta.

La tabla

Así queda cada método frente a las seis fuentes:

Fuente	Clipper clásico	Extensión de navegador	IA de texto	IA de imagen/OCR	IA multimodal (Pluck)
Blog de cocina	Excelente	Excelente	Buena	No aplica	Excelente
Reel de Instagram	Falla	Falla	A medias	No aplica	Muy buena
Vídeo de TikTok	Falla	Falla	Mínima	No aplica	Buena
Vídeo de cocina de YouTube	Falla	Falla	Aceptable	No aplica	Muy buena
Ficha manuscrita	No aplica	No aplica	No aplica	Aceptable	Muy buena
Captura de pantalla	No aplica	No aplica	No aplica	Buena	Muy buena

Qué significa esto al elegir app

La herramienta correcta depende de dónde vengan tus recetas.

Si guardas solo de blogs de cocina, los clippers clásicos como Paprika o Recipe Keeper son fiables, están maduros y salen baratos. Llevan años haciéndolo y lo hacen bien. Si necesitas algo más que recortar webs, una alternativa moderna a Paprika como Pluck se ocupa además de las redes sociales, de los vídeos y de las fotos, que es justo donde Paprika no llega. Nuestra comparativa de apps de recetas repasa el resto de funciones más allá de la extracción.

Si guardas de todo un poco, de blogs y de redes, la IA de texto ayuda pero deja huecos. De Instagram y de Facebook sacarás medias recetas, y de plataformas de vídeo como TikTok casi nada.

Si guardas de todas partes —blogs, Instagram, TikTok, YouTube, fotos de las fichas de casa, capturas que te mandan por el chat—, necesitas extracción multimodal. Ese es el problema para el que se construyó Pluck. Las cinco vías se apoyan entre sí para que la IA pueda leer, mirar, escuchar o las tres cosas a la vez, esté donde esté la receta y venga en el formato que venga.

Dónde tiene margen de mejora lo multimodal

Ser justos obliga a nombrar las contrapartidas. La extracción multimodal consume bastante más cómputo que analizar el DOM. En un blog bien construido tarda unos segundos más que un clipper clásico, porque la IA trabaja igual aunque la respuesta ya esté servida. La puntuación de fiabilidad existe precisamente porque el método no es infalible: audio con ruido, letra ilegible y montaje frenético le bajan la puntería.

Los clippers clásicos, además, son gratuitos o baratos. La mayoría son compras únicas por debajo de $10. La IA arrastra costes de cómputo constantes, y por eso Pluck tiene un plan gratuito para el uso normal y funciones de pago para quien guarda mucho.

Son contrapartidas, no motivos para descartar nada. La pregunta es si la herramienta se maneja con tus recetas. Si vienen de blogs bien marcados, un clipper de $5 hace el trabajo. Si vienen de donde la gente encuentra recetas de verdad en 2026 —las redes, el vídeo y los rincones desordenados de internet—, necesitas algo capaz de ver, oír y leer.

¿Y Preplo?

Desde que publicamos este artículo por primera vez ha aparecido Preplo, ganador del RevenueCat Shipyard Creator Contest 2026 con una app que convierte enlaces de vídeos de cocina en recetas. Preplo sigue sin lanzamiento público, pero por lo que enseñó la demo del concurso es una ejecución elegante de la idea, y el premio es un reconocimiento merecido de que este problema importa.

¿Dónde encaja Preplo en nuestro esquema? Por lo visto hasta ahora, en el método 3: IA de texto. Preplo procesa transcripciones y descripciones y las convierte en recetas estructuradas. Acepta enlaces de YouTube, TikTok e Instagram, y en la demo se veían unos interruptores muy resueltos para adaptar la receta (vegana, baja en carbohidratos) y un modo de cocinado guiado con marcas de tiempo del vídeo.

Lo que arrastra es el límite de todos los métodos basados en texto: cuando la receta no está escrita en ninguna parte, analizar solo la transcripción se estrella contra la pared. Alguien en TikTok que cuenta la receta sin poner un solo rótulo. Un vídeo ASMR de cocina en silencio. Un Reel donde los ingredientes solo aparecen en pantalla. Ahí es donde hace falta una IA que mire y escuche de verdad, no que se limite a leer.

Preplo cubre además tres plataformas (YouTube, TikTok e Instagram), así que las recetas de los grupos de Facebook, de los blogs y de las fotos se quedan fuera. Sin procesar imágenes tampoco hay páginas de libros de cocina ni fichas de familia.

La comparativa completa entre Pluck y Preplo la escribimos aparte. En corto: por la demo, Preplo parece un extractor sólido de una sola vía, bien afinado para plataformas de vídeo con metadatos de texto decentes. Si tus recetas llegan de más sitios, o viven dentro del vídeo en lugar de en la descripción, es probable que des con su techo.

¿Quieres ver cómo quedan unas apps frente a otras? Tenemos Pluck vs Preplo, Pluck vs Inspo (dos apps con IA para recetas de redes sociales) y Pluck vs Flavorish (IA de texto contra IA multimodal). Para la panorámica de la IA en las apps de recetas, pásate por las mejores apps de recetas con IA. ¿Te apetece probarlo? Pluck está en iOS y Android: descárgalo en Google Play. También en iOS. En nuestra hoja de ruta (en inglés) contamos qué llega después.