Esta herramienta es gratuita y te ayuda a detectar y eliminar caracteres Unicode ocultos en tu texto. Los modelos de IA, como ChatGPT, pueden introducir discretamente caracteres ocultos, como la raya larga o el espacio de ancho cero. Esta herramienta te permite encontrarlos y deshacerte de los que no necesites.
Nuestra herramienta gratuita encuentra y elimina caracteres de texto Unicode ocultos:
Esta herramienta te ayuda a ver los caracteres Unicode ocultos de tu texto y eliminarlos, ya sea seleccionando códigos específicos o todos a la vez.
Para usar la herramienta:
1. Pega tu texto.
2. Consulta los caracteres Unicode ocultos y descubre para qué sirven.
3. Elige qué quieres limpiar.
– Corrígelo todo.
– Elimina todos los caracteres invisibles.
– Selecciona caracteres específicos (por ejemplo, la raya larga o la raya corta).
4. Copia el texto limpio.
Recuerda que, si un texto ha sido creado por un modelo de lenguaje como ChatGPT, Claude o Gemini, Originality.ai podría seguir marcándolo como generado por IA al analizarlo con su detector de IA.
Puntos clave:
– Limpieza sencilla – Nuestra herramienta gratuita te ayuda a encontrar y borrar rápidamente caracteres de texto ocultos.
– Privacidad garantizada – Todo se procesa en tu navegador, por lo que tu texto permanece en tu dispositivo.
– No son marcas de agua – Los LLM, como ChatGPT, añaden caracteres ocultos, pero no para marcar el texto en secreto.
– Uso excesivo de caracteres – ChatGPT suele utilizar varios caracteres Unicode ocultos, como la raya larga.
– Riesgos reales – El texto invisible puede causar problemas de seguridad y formato.
– Los detectores funcionan – La detección de IA es eficaz incluso si eliminas los caracteres ocultos.
Todos los LLM incluyen caracteres ocultos.
¿Qué son los caracteres de texto Unicode ocultos?
Los caracteres ocultos de Unicode son puntos de código únicos que difieren del ASCII simple. Algunos son sutilmente visibles, como las rayas largas y las comillas tipográficas. Otros, como los espacios y los conectores de ancho cero, son completamente invisibles. Estos caracteres actúan como «tinta digital»: cambian la forma en que el software ajusta las líneas, separa las palabras o compara el texto, a menudo sin que te des cuenta.
¿ChatGPT oculta marcas de agua en sus textos?
No, eso es un error. Algunas personas creen que ChatGPT añade marcas ocultas a sus textos, pero no es cierto. Hay dos razones por las que esto es muy poco probable.
1. Eliminar esas marcas es sencillo. Si los usuarios pueden deshacerse de ellas fácilmente, no tendría sentido utilizarlas.
2. OpenAI afirma que esto es simplemente el resultado de cómo funciona el aprendizaje por refuerzo a gran escala.
¿ChatGPT inserta caracteres ocultos?
Sí, los modelos de IA, como ChatGPT, añaden caracteres ocultos. Muchos son inofensivos, como las marcas de formato, por ejemplo las rayas largas, pero algunos, como los espacios de ancho cero, pueden alterar el formato.
ChatGPT suele utilizar algunos caracteres Unicode comunes:
Raya larga
Esta raya larga suele aparecer en los textos de ChatGPT, especialmente en los modelos más recientes (versiones o3, 4 o, 4.1), para separar frases o añadir pausas dramáticas.
- Unicode: U+2014
- Descripción: Una raya horizontal larga, más ancha que un guion. Es útil en tipografía para marcar pausas, pero en código, CSV o texto sin formato puede actuar como un carácter no estándar y causar problemas al copiar, pegar o analizar el texto.
- Ejemplo: palabra—palabra parece palabra-palabra, pero corresponde a un punto de código Unicode diferente.
Las comillas curvas, también llamadas comillas tipográficas, son esas comillas elegantes que aparecen en lugar de las comillas rectas normales. A veces, ChatGPT utiliza estas versiones curvas.
En Unicode, tienen códigos específicos:
– Comilla doble izquierda: U+201C
– Comilla doble derecha: U+201D
– Comilla simple izquierda: U+2018
– Comilla simple derecha: U+2019
Son curvas y están diseñadas para textos impresos. Aparecen en lugares donde las comillas rectas (como » o ‘) podrían ser más adecuadas, por ejemplo, en código, archivos CSV o Markdown. Por ejemplo, podrías ver “hello” o ‘world’.
Espacio invisible
Este carácter se oculta en el texto y suele aparecer al copiar contenido de ciertos editores, como ChatGPT.
– Unicode: U+200B
– Descripción: No muestra un espacio, pero separa los caracteres. Esto puede alterar la coincidencia de cadenas, las URL y el recuento de palabras. Puede causar problemas como «¿por qué no se pega bien?»
– Ejemplo: wordword ← parece una sola palabra, pero hay un espacio invisible entre ellas.
¿Por qué los LLM utilizan caracteres ocultos?
Hay tres razones por las que los LLM utilizan cada vez más estos caracteres invisibles:
1. Sesgo del entrenamiento: Los LLM aprenden de textos editados profesionalmente. Estos textos suelen incluir rayas largas y comillas tipográficas, por lo que los LLM las usan más que en la escritura cotidiana.
2. Tono formal: Los LLM tienden a sonar formales o autoritativos, y estos caracteres ayudan a crear ese tono.
3. Sin limitaciones de teclado: No usamos estos caracteres a menudo porque no están en los teclados estándar. Los LLM no escriben con teclados, así que les resulta fácil utilizar caracteres invisibles.
Caracteres invisibles: usos y problemas
¿Por qué los usa la gente?
1. Organización ordenada del texto – Un espacio de ancho cero o un guion suave ayuda a los escritores a decidir dónde se dividen las líneas y evita que las palabras largas queden colgando de forma incómoda en el margen.
2. «Espacios» en los nombres de usuario – Algunos sitios no permiten espacios reales. Al usar un Hangul Filler invisible, nombres como John Doe siguen siendo legibles y cumplen la regla de «sin espacios».
3. Marcas de agua ocultas – Los editores pueden insertar un patrón único de marcas de ancho cero en un texto. Si el texto se filtra, estos puntos invisibles sirven como huellas digitales.
¿Por qué preocupan a la gente?
– Formato: Parecen iguales, pero funcionan de manera diferente. Dos partes que parecen idénticas pueden generar hashes distintos u ordenarse de otra forma cuando se incluyen caracteres ocultos, lo que altera las exportaciones, las búsquedas o los registros de auditoría.
– Espacios invisibles para código malicioso: Los atacantes pueden ocultar malware o comandos secretos entre caracteres de ancho cero; el archivo funciona, pero un revisor humano del código no ve nada inusual.
– Trucos silenciosos contra la IA: El Unicode oculto puede introducir comandos adicionales en el mensaje de un chatbot, haciendo que el modelo exponga datos o cree contenido dañino sin que el usuario se dé cuenta.
– Tu texto parece generado por IA: Si el texto utiliza mucho formato distintivo que suele emplear la IA (como las rayas largas), queda claro que fue generado por IA, lo que puede perjudicar la reputación.
¿Añadir o eliminar caracteres invisibles ayuda a engañar a los detectores de IA?
No. Nuestra prueba rápida muestra que añadir o eliminar caracteres ocultos no cambió lo fácil que era identificar el contenido creado por IA. Creamos dos textos generados por IA y los modificamos: a uno le añadimos caracteres ocultos adicionales y al otro le eliminamos todos los caracteres Unicode mediante la herramienta gratuita de esta página.
El resultado fue que la mayoría de las herramientas seguían detectando el contenido, independientemente de los caracteres invisibles.
Estos son los resultados…
Ejemplo de texto generado por IA 2 – ¡Los caracteres ocultos adicionales incluían muchos símbolos ocultos!
Cuando se pidió a ChatGPT que incluyera deliberadamente caracteres adicionales, mostró una advertencia…
¿Todos los modelos de lenguaje de gran escala introducen caracteres ocultos?
Sí. Probamos el mismo mensaje en distintos LLM conocidos para comprobar si incluían caracteres ocultos.
Mensaje: Redacta una publicación de LinkedIn que destaque las ventajas de dar formato a las publicaciones de LinkedIn.
Ningún modelo creó un carácter invisible, pero todos utilizaron muchos caracteres Unicode visibles para dar formato.
