画像・PDFから文字を抽出する（OCR）
WebAssembly版のTesseractがお使いの端末で動作します。写真やスキャンPDFをドロップすれば本文を取り出せます。見た目が元と同一の検索可能PDFも作れます。
- すべてブラウザ内で処理
- オフライン対応
- アップロードなし
- 登録不要
- 透かしなし
ツールを読み込み中…
使い方
- 画像またはPDFをドロップします。
- 文書に含まれる言語を選びます（少ないほど高速かつ高精度）。
- OCRを実行し、テキストをコピーするか検索可能PDFをダウンロードします。
アップロードが不要な理由
このページの処理はすべて、ブラウザのタブ内で動くコードが行います。ファイルはディスクからタブのメモリに読み込まれ、その場で変換され、ダウンロードとして書き出されます。当社にも第三者にも送信されません。
ご自身で確認する方法
- ブラウザの開発者ツール（F12）を開き、「ネットワーク」タブを選びます。
- ファイルを読み込んでツールを実行します。
- 表示されるのはツール自身のコードの読み込みだけで、キャッシュ後は通信そのものがありません。
よくある質問
縦書きの日本語に対応していますか？
対応しています（jpn_vertモデル）。横書きモデルと同時に選ばず、単独で選んでください。両方を有効にするとレイアウト解析が混乱し、行が入り混じります。
検索可能PDFとは何ですか？
元のページ画像の背後に、不可視のテキスト層を正しい位置で重ねたPDFです。見た目は元のままで、検索・選択・コピーができます。書類スキャナーの標準的な出力を、スキャナーなしで作ります。
精度はどの程度ですか？
300 DPIの綺麗な印刷文字なら非常に良好です。影の落ちたスマホ写真では並、手書きでは不十分です。Tesseractは手書き向けに設計されておらず、設定では解決しません。ここでのどの設定より、解像度と均一な照明のほうが効きます。
言語データはどこから来ますか？
Tesseractプロジェクトの公開データCDNから、言語ごとに数MBを取得し、初回以降はキャッシュされます。画像自体はどこにも送信されません。スキャンした書類は機密であることが多いため、このツールでは特に重要です。