OCR文字認識

このツールについて

スクリーンショットに閉じ込められた文字を引用したい、写真で撮った契約書を保存したい、領収書をデータ化したい。そうした用途に応えるのが OCR です。このツールは Mozilla エコシステム由来の Tesseract エンジンの WASM ビルドを使い、ブラウザの中で画像内の文字を認識します。簡体字中国語と英語の混在はそのまま利用でき、英語のみ・アラビア語のみ・アラビア語＋英語・タイ語のモードもワンクリックで切り替わります。

結果は編集可能なテキストとして表示され、ワンクリックでコピー、または TXT ファイルとしてダウンロードできます。初回の実行では認識モデルをダウンロードします（言語によって 1〜31 MB、以降はブラウザがキャッシュ）。認識は完全にローカルで動作し画像はアップロードされないため、本人確認書類・契約書・領収書も安心です。鮮明な画像、大きな文字、まっすぐなページほど精度は上がります。手書きや装飾的な書体は依然として困難です。

特徴

• 簡体字中国語＋英語の混在認識。英語のみ・アラビア語のみ・アラビア語＋英語・タイ語も選択可
• 結果をワンクリックでコピー、または TXT でダウンロード
• 全体の信頼度スコアを表示し、出来ばえが分かります
• モデルは初回ダウンロード後にキャッシュ。以降は即座に起動
• Tesseract WASM がローカル実行。アップロードなし、登録なし、制限なし

使い方

1. 認識したい JPG・PNG・WebP 画像をドロップまたは選択
2. 言語を選択（既定は簡体字中国語＋英語、アラビア語も選択可）
3. 初回はモデルをダウンロードします。しばらくお待ちください
4. テキストを表示またはコピーし、TXT としてダウンロード

よくある質問

OCR の精度を上げるには？

実用的なコツ：圧縮されたサムネイルではなく元の解像度を使う。文字が画面の大部分を占めるようにする。写真はピントを合わせ、均等に照明し、ページと正面に向き合わせる。写真よりスクリーンショットのほうが優れます。印刷文字は手書きよりはるかに認識されます。

初回だけモデルをダウンロードするのはなぜですか？

OCR エンジンには言語モデルが必要です（中国語＋英語で約 31 MB、アラビア語とタイ語は各約 1 MB）。これらは WASM とモデルデータとしてブラウザ内でローカルに動作し、それでいて画像をプライベートに保てる仕組みになっています。モデルは初回ダウンロード後にキャッシュされ、以降はすぐ実行できます。

アラビア語の認識精度はどのくらいですか？

印刷されたアラビア語は非常に高精度で、きれいなスクリーンショットならほぼ誤りなく出力できます。母音記号をフルに付けたテキスト、手書き、低解像度の写真は精度が落ちます。アラビア語に英単語や数字が混ざる場合はアラビア語＋英語モードを選び、純粋なアラビア語ならモデル約 1 MB で即ダウンロードできるアラビア語のみを選んでください。

ファイルはアップロードされますか？

されません。認識は Tesseract WASM によってブラウザ内で実行され、画像は端末のメモリ内にだけ存在します。オフラインでも動作します。

スキャン済み PDF も認識できますか？

このツールは現在 JPG・PNG・WebP の画像を受け取ります。スキャン済み PDF はまず「PDF を JPG に変換」ツールでページを画像化し、1 枚ずつ認識してください。編集可能な PDF を出力する「PDF を Word に変換」と組み合わせれば、スキャン文書を再び編集できます。

関連ツール