画像から文字起こし（OCR）

画像の文字をテキストにする手順

1. 画像を追加するJPG、PNG、WebP、AVIF、BMP、GIFのファイルを選ぶか、スクリーンショットをCtrl+VまたはCmd+Vで貼り付けます。
2. 言語を選ぶ日本語が初期選択です。英語が混在する画像では、英語も選んでください。最大3つまで組み合わせられます。
3. 抽出して編集する「文字を抽出」を押します。完了したら、間違いをテキスト欄で直し、コピーするか.txtで保存します。

画像の文字起こし（OCR）とは

OCR（光学文字認識）は、画像の中の文字を読み取り、選択、検索、編集ができるテキストにする技術です。スクリーンショットや撮影した書類、スライド、レシート、看板の文字を、打ち直さずに取り出せます。

このツールは、オープンソースのTesseractをWebAssemblyで動かしています。エンジンと言語データはこのサイトから配信され、お使いの端末の上で動作します。画像はサーバーに送られないため、本人確認書類の控えや請求書、私的なメモにも使いやすい方法です。

日本語の認識でできることと限界

印刷された日本語の横書きは、鮮明な写真やスクリーンショットなら、おおむね良好に読み取れます。一方で、縦書きは認識精度が下がります。縦書きの本や書類は、読み取り結果の確認と修正が必要になると考えてください。手書き文字は、正しく読み取れることを保証できません。

表は、行と列ではなく、行ごとの文字列として返ります。ぼやけた文字、小さな文字、コントラストの低い文字は間違いの原因になり、写っていない文字はどのOCRでも読めません。日本語の漢字は画数が多いため、文字が小さいと特に誤認識が起きやすくなります。

参考資料： Tesseract：認識品質を上げるには（英語）

精度を上げるコツ

精度は画像の状態にほぼ左右されます。撮影するときは、書類を平らにして真上から撮り、明るく、ピントを合わせてください。

• 文字の高さが20ピクセル以上になるようにし、小さい場合は文字の部分だけを切り抜いて拡大する。
• 白い背景の黒い文字がいちばん読み取りやすい。色あせたスキャンは、画像の補正を「白黒」にして試す。
• 言語は画像に合わせて選ぶ。日本語と英語が混在するなら、日本語と英語の両方を選ぶ。
• 文字の配置は、1段落なら「1つのブロック」、見出しだけなら「1行」、バラバラの文字なら「まばらな文字」を選ぶ。

初回の読み込みと対応範囲

最初の実行時は、認識エンジンと選んだ言語のデータをダウンロードします。合計で数MBで、日本語のデータは約1.5MBです。2回目以降は、ブラウザに保存されたデータを使うため速く始まります。長辺が3000pxを超える画像は、読み取る前に縮小されます。

翻訳機能はありません。文字を抽出したあと、お好みの翻訳ツールに貼り付けてください。

よくある質問