Removedor de caracteres invisíveis — encontre espaços de largura zero e Unicode oculto

Um espaço de largura zero (U+200B) é um caractere Unicode que marca um possível ponto de quebra de linha, mas não tem largura, então é invisível. Ele é legítimo em idiomas como o tailandês, que não usam espaços, mas em textos em português ou inglês costuma chegar pelo copiar e colar e causar problemas: duas palavras que parecem idênticas deixam de coincidir, links quebram e código falha com erros de sintaxe confusos.

Não há evidência confiável de que o ChatGPT insira caracteres ocultos como marca d'água, e a OpenAI disse que não lançou o método de marca d'água de texto que testou. Relatos ocasionais de espaços estreitos não separáveis nas respostas refletem tipografia que o modelo aprendeu, e não uma marca de rastreamento. A marca d'água SynthID do Google para textos do Gemini funciona pela escolha estatística de palavras, então não aparece como caracteres, e nenhum removedor de caracteres consegue retirá-la.

Não. Detectores de IA como GPTZero e Turnitin analisam redação, estrutura das frases e previsibilidade, não caracteres invisíveis, então limpar o texto não muda a pontuação. Truques como inserir caracteres de largura zero entre as letras são, eles próprios, detectados como manipulação por muitas ferramentas. Esta ferramenta serve para consertar texto que se comporta mal, não para disfarçar a origem dele.

Um espaço não separável (U+00A0) parece um espaço normal, mas impede a quebra de linha naquele ponto, e é por isso que os editores de texto o usam entre um número e sua unidade. Em dados e código ele causa problemas: "1 000" com um espaço não separável não é interpretado como número, e uma busca por "New York" não encontra o texto. O espaço estreito não separável (U+202F), usado em francês e em alguns formatos de hora, se comporta da mesma forma.

Caracteres de tag (U+E0020 a U+E007E) são cópias invisíveis das letras ASCII, criadas originalmente para marcar idiomas e hoje usadas dentro de alguns emojis de bandeira. Como não aparecem na tela, mas os modelos de linguagem continuam lendo, atacantes os usam para esconder instruções em páginas web, documentos e e-mails que um assistente de IA vai processar depois. Esta ferramenta decodifica e mostra qualquer texto oculto em tags e mantém os que fazem parte de um emoji de bandeira válido.

Homóglifos são caracteres de sistemas de escrita diferentes que parecem iguais, como o "a" latino e o "а" cirílico (U+0430), ou o "o" latino e o "ο" grego. Misturados numa palavra, produzem um texto que parece certo, mas não coincide, o que é usado em domínios de phishing e para driblar filtros de palavras-chave. A ferramenta só os sinaliza dentro de palavras que também contêm letras latinas, então textos genuínos em russo ou grego não são alterados.