画像を Markdown に (OCR)
PNG、JPG、WebP、TIFF 画像、またはスキャンした PDF をドロップすると、編集可能な Markdown が得られます。OCR エンジン (Tesseract) と PDF レンダラーはすべてブラウザ内で動作するため、ファイルが端末から出ることはありません。
画像またはスキャンした PDF をドロップ
PNG、JPG、WebP、BMP、GIF、TIFF または PDF — 複数ページの PDF にも対応
ヒント: Word でコンテンツをコピーし、このページのどこでも Ctrl+V を押すだけで貼り付けできます
初回実行時は OCR 言語データ (約 2〜15 MB) を CDN からダウンロードします。以降はブラウザがキャッシュします。画像や PDF 自体はアップロードされません。
ブラウザ内 OCR の仕組み
OCR (光学文字認識) はピクセルをテキストに変換します。結果の品質は元データの状態に左右されます。スキャンしたページ、スマートフォンで撮影した書類の写真、スクリーンショットは、それぞれノイズ、傾き、ぼけの度合いが異なります。
このページはローカルで 2 つのエンジンを動かします。スキャンした PDF は pdf.js で 1 ページずつ canvas にレンダリングされ、各ページ (またはドロップした各画像) が WebAssembly にコンパイルされた Tesseract で認識されます。どちらもブラウザのタブ内で動作するため、選択したファイルがアップロードされることはありません。
認識されたページは 1 つの Markdown 文書にまとめられます。出力先に HTML、RST、LaTeX を選んだ場合は、その Markdown が Pandoc エンジンを通して目的の形式に変換されます — これもすべて端末上で完結します。
正確な OCR 結果を得るには
300 DPI 以上でスキャンし、ページの傾きを抑えてください。低解像度と大きな傾きは、文字の誤認識を引き起こす最大の原因です。エンジンは認識精度を確保するため、各ページの長辺を最大 2200 px でレンダリングします。
文書に一致する言語を選択してください。認識器は一度に 1 つの言語モデルしか読み込まないため、誤った言語を指定すると (たとえばドイツ語のスキャンに英語を使うと)、エラー率と処理時間の両方が増加します。
表、フォーム、段組みレイアウトは、構造化された Markdown ではなくプレーンな行として出力されます — OCR はレイアウトではなくテキストを読むためです。表は手作業での整理が必要になることを想定し、数字、名前、コードは必ず校正してください。
画像・PDF OCR のよくある質問
+画像はサーバーにアップロードされますか？
いいえ。OCR エンジン (Tesseract) と PDF レンダラーは WebAssembly を介してブラウザ内で動作します。初回利用時に言語データのみ CDN から取得しますが、画像や PDF が端末から出ることはありません。
+どの言語を認識できますか？
英語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語、簡体字中国語、日本語です。OCR 言語のドロップダウンで文書に合った言語を選ぶと、最も高い精度が得られます。
+スキャンした PDF も読めますか？
はい。複数ページの PDF は 1 ページずつレンダリングされ、順番に認識されます — PDF から Markdown へのページが OCR を要すると示すまさにそのケースに対応します。
+元のレイアウトは保持されますか？
OCR はレイアウトではなくテキストを読むため、表や段組みのページはプレーンな行として出力されます。シンプルな段落、見出し、リストが最もきれいに読めます。数字と名前は必ず校正してください。
+精度はどのくらいですか？
元データ次第です。クリーンな 300 DPI のスキャンなら通常は非常に良好ですが、ぼやけたスマートフォン写真や傾いたページは修正が必要になります。解像度を高め、正しい言語を使うことが最も効果的です。