画像やスキャンからテキストを抽出するには？

画像やスキャンを開くと、その中のテキストをすべてお使いのマシン上で認識し、結果をコピーまたはダウンロードできます。認識エンジンと言語データは第三者の API から取得するのではなくこのサイトから配信されるので、手書きの 1 ページ、身分証、契約書が端末から出ることはありません。

完全にブラウザ内で動作 · アップロードなし · アカウント不要 · 透かしなし

  1. 読み取りたいページの写真やスキャンを開きます。
  2. テキストが書かれている言語を選びます。
  3. 認識を実行し、テキストをコピーするかファイルとしてダウンロードします。

PNG、JPEG、WebP、GIF、BMP。画像はこのページが読み込み、どこにも送信しません。

知っておくべきこと。 初回は約 7.8 MB(エンジンと英語データ)、簡体字中国語も含めると約 10.2 MB をダウンロードし、その後キャッシュします。明瞭な印刷文字なら精度は良好ですが、手書き、傾いたページ、コントラストの低い写真は難易度が格段に上がります。

このページにできること

このツールを使うべき場面

  • スクリーンショットや明瞭なスキャンから文字をコピーするとき。
  • 多少粗くても役に立つ文字起こしが欲しいページが数枚あるとき。
  • テキストを端末から出してはならないとき。

別の方法を選ぶべき場面

  • 手書き、大きな傾き、低いコントラスト、複雑な段組みの表。
  • レイアウトの再現、読み順、表、バウンディングボックスが必要な場合。
  • 数百ページを処理する場合や、遅い回線で結果をすぐに必要とする場合。

他の方法との違いと限界

ここでは Tesseract がローカルで動くため、初回に言語モデル(数十メガバイト)をダウンロードし、認識はクラウド API より遅くなります。Google Vision や AWS Textract といったサービスは、手書きや複雑なレイアウトでは明らかに優れ、構造や座標も返せますが、画像のアップロードとたいていアカウントが必要です。このページは明瞭な印刷物からプレーンテキストを取り出し、アップロードも表の再構築も行いません。

あなたのファイルはどこへ

どこへも行きません。このページは処理を行うコードを読み込み、それ以降、あなたが開いたファイルはあなた自身のブラウザが読みます。アップロードの手順も、サーバー上の一時コピーも、信じる必要のある後片付けもありません。データはネットワークを一度も渡らないので、後から消すものは何も残りません。自分で確かめられます。ツールの実行中にブラウザのネットワークパネルを開いて、何も通信しないことを見てください。

このツールについての質問

認識は実際どこで行われますか？
お使いのマシン上の Web Worker です。このページは認識エンジン(JavaScript と WebAssembly で約 3.8 MB)と、選んだ言語の言語データを一度だけダウンロードします。その後、画像は CPU によって読み取られ、送信されることはありません。ブラウザーのネットワークパネルで確認できます。リクエストはこの 2 つのファイルに対するものだけです。
ダウンロードはどのくらいの大きさで、キャッシュされますか？
英語を初めて使うときは約 7.8 MB、簡体字中国語も必要な場合は約 10.2 MB です。ブラウザーがすべてをキャッシュするので、同じ言語での 2 回目はすぐに始まり、ネットワークをまったく必要としません。
精度はどのくらいですか？
明瞭で傾きがなく十分な明るさの印刷文字のスキャンなら、文字精度は通常 98% を超えます。手書き、傾きや湾曲のあるページ、低いコントラスト、小さな文字、画面の写真では精度が下がります。結果がおかしいときは、テキストの段をより狭く切り抜いてやり直すのが、何より効果的なことが多いです。
レイアウトや表、段組みは保たれますか？
いいえ。出力は読み順のプレーンテキストです。段組みのページはたいてい段ごとに読まれますが、段の区切りは示されず、表は行の連なりとして出てきます。このページは文字を取り出すためのもので、文書を組み直すためのものではありません。
どの画像形式を開けますか？
お使いのブラウザーがデコードできるものすべて、つまり PNG、JPEG、WebP、GIF、BMP、AVIF です。PDF のページは画像ではないので、先にそのページを PNG で書き出してください。このサイトの「PDF を画像に」ツールが、PDF をアップロードせずにまさにそれを行います。

同じグループの他のツール

ガイド