PDF を OCR で文字認識
スキャンしたページからテキストを読み取ります。処理はすべてお使いのデバイス上で行われ、何もアップロードされません。
ファイルを選択
またはここにドロップ
Ctrl+V でクリップボードから貼り付け
最大 1 ファイル、1件あたり 25.0 MB
デバイス上だけで処理されます。何もアップロードされません。
使い方 OCR PDF
- PDF を 1 つ選ぶか、ページ上にドロップします。
- 描画解像度を選びます。150 DPI なら読み取り精度がよく、メモリも抑えられます。
- 「変換」を押すと、各ページが画像化され、デバイス上で OCR によって読み取られます。
- 認識したテキストをページごとにまとめた .txt ファイルをダウンロードします。
ここでの OCR と実行場所
光学文字認識（OCR）は、ピクセルから文字を読み取ります。このツールは各 PDF ページを画像に描画し、オープンソースの OCR エンジンである Tesseract に渡します。Tesseract は WebAssembly にコンパイルされ、タブ内だけで動作します。言語モデル（英語）とエンジン自体はこのサイトから配信されますが、文書の内容がどこかへ送信されることはありません。
テキスト抽出ツールでは対応できないページ、つまりスキャン、ファックス、写真で撮った文書のために用意されています。出力はページごとに区切られたプレーンテキストで、検索、翻訳、エディターでの編集にそのまま使えます。
初回利用時に数メガバイトのエンジンをダウンロードしますが、その後はブラウザにキャッシュされます。認識速度はデバイス次第で、スマートフォンなら 1 ページ数秒、ノートパソコンならさらに速く処理できます。
制限と注意点
OCR の精度は画像の品質に左右されます。きれいな 300 DPI のスキャンならほぼ正確に読めますが、しわくちゃのレシートをスマートフォンで撮った写真には誤りが入ります。既定値は 150 DPI が妥当で、小さな文字なら 300 に上げてください。
現時点では英語のテキストのみに対応しています。手書き文字は認識できず、印刷された文字が対象です。非常に長い文書は、ページ範囲を分けて処理するのがおすすめです。
1 回につき 1 文書、最大 25 MB です。認識はこのタブ内で実行され、ページ画像がデバイスの外に出ることはありません。
よくある質問
テキスト抽出ではなく OCR を使うのはなぜですか？
抽出はデジタル PDF のテキスト層を読み取ります。OCR はスキャンや写真のピクセルを読み取ります。抽出結果が空だった場合は OCR の出番です。
対応している言語は？
現時点では英語です。言語モデルは今後追加でき、いずれもこのサイトから配信されます。
最初の変換が遅いのはなぜですか？
OCR エンジンと言語モデルを一度だけダウンロードし（数メガバイト）、キャッシュするためです。2 回目以降はすぐに始まります。
スキャンした文書はアップロードされますか？
いいえ。ページはブラウザ内、お使いのデバイス上で描画され、読み取られます。
プライバシー・バイ・デザイン
デバイス上だけで処理されます。何もアップロードされません。 変換はブラウザ内で実行されます。変換中にネットワークタブを開くと、何も送信されていないことを確認できます。アカウント不要、透かしなし、1日の回数制限なし。