Herramienta web para detectar, analizar y visualizar caracteres Unicode invisibles en texto. Estos caracteres sin representación visual suelen ser insertados inadvertidamente por modelos de IA durante la generación de texto y pueden causar problemas en ciertos contextos.
Captura de pantalla de la aplicación
Demostración del funcionamiento
Los modelos de IA como GPT, Claude, Llama y otros suelen insertar caracteres invisibles en sus respuestas por varias razones:
-
Procesamiento interno: Los modelos procesan texto en unidades llamadas "tokens". Al convertir estos tokens de vuelta a texto, a veces se introducen caracteres invisibles como artefactos del proceso.
-
Tokenización multisistema: Para manejar diferentes idiomas y sistemas de escritura, los modelos utilizan marcadores de dirección (RTL/LTR) que pueden quedar en el texto final.
-
Formateo de texto: Al generar texto con formato específico (código, tablas, listas), pueden usar caracteres invisibles para controlar la disposición.
-
Control del flujo de texto: Para evitar que ciertas palabras se rompan o para mantener formatos específicos, los modelos pueden usar caracteres como ZWSP (Zero Width Space).
- ✅ Detección de 20 tipos diferentes de caracteres Unicode invisibles
- ✅ Editor de texto con numeración de líneas y contadores de palabras/caracteres
- ✅ Visualización precisa de la posición exacta de cada carácter invisible
- ✅ Resaltado interactivo y navegación a caracteres detectados
- ✅ Generación de informes detallados exportables
- ✅ Documentación completa sobre cada tipo de carácter
- ✅ Interfaz minimalista inspirada en bloc de notas clásico
- Copie y pegue el texto que desea analizar en el área de texto
- Haga clic en "Comprobar caracteres invisibles"
- Examine los resultados detallados y la vista previa con caracteres resaltados
- Utilice los botones de navegación para saltar a posiciones específicas
- Descargue o copie el informe completo si es necesario
| Código | Nombre | Descripción | Más información |
|---|---|---|---|
| U+200B | Zero Width Space | Espacio de ancho cero. Indica posible división de palabras sin mostrar un espacio visible. | Wikipedia |
| U+200C | Zero Width Non-Joiner | Previene la ligadura entre caracteres que normalmente se unirían. | Unicode.org |
| U+200D | Zero Width Joiner | Causa la unión de caracteres que normalmente no se ligarían. Usado en emojis compuestos. | Unicode.org |
| U+FEFF | Zero Width No-Break Space | También conocido como BOM (Byte Order Mark). Indica orden de bytes en codificaciones. | Wikipedia |
| U+2060 | Word Joiner | Similar al ZWSP pero no indica división de palabras. Previene saltos entre palabras. | Unicode.org |
| U+180E | Mongolian Vowel Separator | Separa vocales en escritura mongola tradicional. | Unicode.org |
| U+200E | Left-to-Right Mark | Fuerza dirección de izquierda a derecha para el texto siguiente. | Wikipedia |
| U+200F | Right-to-Left Mark | Fuerza dirección de derecha a izquierda para el texto siguiente. | Wikipedia |
| U+202A | Left-to-Right Embedding | Establece un nuevo nivel de incrustación con dirección LTR. | Unicode.org |
| U+202B | Right-to-Left Embedding | Establece un nuevo nivel de incrustación con dirección RTL. | Unicode.org |
| U+202C | Pop Directional Formatting | Finaliza el último nivel de formato direccional. | Unicode.org |
| U+202D | Left-to-Right Override | Fuerza toda la secuencia siguiente a ser tratada como LTR. | Unicode.org |
| U+202E | Right-to-Left Override | Fuerza toda la secuencia siguiente a ser tratada como RTL. | Unicode.org |
| U+2061 | Function Application | Símbolo matemático invisible que representa la aplicación de funciones. | Unicode.org |
| U+2062 | Invisible Times | Representa una multiplicación invisible en notación matemática. | Unicode.org |
| U+2063 | Invisible Separator | Separador invisible usado en notación matemática. | Unicode.org |
| U+2064 | Invisible Plus | Representa una suma invisible en notación matemática. | Unicode.org |
| U+034F | Combining Grapheme Joiner | Une grafemas o unidades visuales en escrituras complejas. | Unicode.org |
| U+061C | Arabic Letter Mark | Controla el comportamiento de texto árabe en entornos bidireccionales. | Unicode.org |
| U+00AD | Soft Hyphen | Guión invisible que solo aparece cuando una palabra debe cortarse al final de línea. | Wikipedia |
| U+2009 | Thin Space | Espacio fino, más estrecho que un espacio normal pero visible. Usado en tipografía para separación precisa. | Unicode.org |
Este proyecto está implementado utilizando:
- HTML5 para la estructura
- CSS3 para estilos minimalistas en blanco y negro
- JavaScript vanilla para toda la lógica de detección y manipulación
La arquitectura del código sigue un enfoque modular con clara separación de:
- Interfaz de usuario y componentes visuales
- Lógica de detección y análisis de caracteres
- Generación de informes y exportación
- Clone este repositorio:
git clone https://github.com/686f6c61/artificial-intelligence-text-detector-unicode.git
- Abra
index.htmlen su navegador para comenzar a usar la aplicación.
No se requieren dependencias externas ni pasos de compilación.
- Desarrollo de software: Identificar caracteres invisibles en código que pueden causar errores difíciles de depurar
- Procesamiento de texto: Limpiar textos generados por IA antes de usarlos en entornos sensibles
- Seguridad: Detectar posibles marcas invisibles en textos que podrían indicar su origen
- Compatibilidad: Verificar textos antes de insertarlos en sistemas con limitaciones de caracteres
- Análisis de IA: Estudiar patrones de inserción de caracteres en diferentes modelos de IA
La detección de caracteres invisibles puede ayudar a identificar contenido generado por IA, pero no es concluyente por sí misma. Otros factores como patrones lingüísticos, estructura del texto y contexto deben considerarse para un análisis completo.
- Soporte para más tipos de caracteres Unicode
- Análisis estadístico de frecuencias y patrones
- Modo de limpieza automática de caracteres invisibles
- Integración con APIs de detección de texto generado por IA
Este proyecto está licenciado bajo la Licencia MIT. Consulte el archivo LICENSE para más detalles.
Estos artículos refuerzan la importancia de detectar caracteres Unicode invisibles en texto generado por IA:
- AI chatbots can read and write invisible text, creating an ideal covert channel - Ars Technica explica cómo los LLMs pueden interpretar y generar caracteres invisibles, creando potenciales canales encubiertos para ataques.
- New ChatGPT models seem to leave watermarks on text - Análisis sobre posibles "marcas de agua" invisibles que los modelos recientes de OpenAI podrían estar insertando en sus salidas.
- GPT-4.1 Character Encoding Issues - Discusión en la comunidad de OpenAI sobre problemas de codificación de caracteres en GPT-4.1.
- 686f6c61
- Twitter: @hex686f6c61