ShreePrati logoShreePrati
PDFFileProductivity

OCR PDF

スキャンされた、または画像ベースのPDF内のテキストをブラウザ内OCRで認識し、各ページの上に見えない選択可能なテキストレイヤーを追加します。英語、ネパール語、ヒンディー語に対応。

Drag & drop your PDF

or choose a file below

PDF · up to 50 MB

ここでのOCRの仕組み

スキャンされたPDFをアップロードし、言語を選びます。各ページがブラウザ内OCRで認識され、元の画像の上に見えない選択可能なテキストレイヤーが追加されます。

言語とプライバシー

英語、ネパール語、ヒンディー語に対応しています。OCRはブラウザ内でローカルに実行されるため、文書がお使いのデバイスから外に出ることはありません。

手順:スキャンしたPDFを検索可能にする

1. スキャンしたPDFをアップロード領域にドロップするか、端末から選択します。50 MBまでのファイルに対応しています。 2. 文書の言語を選びます。英語、ネパール語、ヒンディー語のほか、1ページに両方の文字が混在する場合は「英語+ネパール語」などの組み合わせを選べます。 3. 「PDFを検索可能にする」を選択します。各ページはまず画像として描画され、1ページずつ認識されます。進行バーで読み取り中のページを確認できます。 4. 認識が終わると、ページ数、検出された単語数、新しいファイルのサイズが表示されます。 5. 元のファイル名に「-ocr」を付けて保存される検索可能なPDFをダウンロードします。必要に応じて、認識したテキストを.txtファイルとしても保存できます。

ダウンロードされるファイルの内容

検索可能なPDFの各ページは、元のページを高解像度のJPEG画像にしたもので、その上に認識された単語が、見つかった位置に透明なテキストとして重ねられています。見た目は元のままですが、Ctrl+Fで検索したり、文章を選択してコピーしたり、文書管理システムで内容をインデックス化したりできるようになります。.txtファイルには全ページの認識テキストが空行で区切られて含まれており、文字だけを編集したり別の場所に貼り付けたりしたいときに便利です。ページは画像から作り直されるため、既存のデジタルテキスト、リンク、しおり、フォームフィールドは引き継がれません。すでにテキストを選択できるPDFではなく、スキャンや撮影した文書に使用してください。

文書の言語の選び方

言語設定は、認識エンジンにどの文字体系と語彙を想定するかを伝えます。ラテン文字の文書には英語、デーヴァナーガリー文字にはネパール語またはヒンディー語を選び、英語の見出しがあるネパール語の申請書のように1ページに両方が含まれる場合は組み合わせを選びます。組み合わせは処理に時間がかかり、単一言語のページではやや精度が下がることがあるため、必要な場合だけ使ってください。言語データは初めて使うときにダウンロードされるので最初のページは時間がかかることがありますが、文書自体は引き続き端末内で処理されます。

ネパール語・ヒンディー語の文書

透明なテキストレイヤーはラテン文字のみに対応した標準PDFフォントを使用するため、デーヴァナーガリー文字の単語は認識されても検索可能なPDFには埋め込めません。ネパール語やヒンディー語の文書では、「テキストをダウンロード(.txt)」を使うと認識結果をすべて取得できます。英語+ネパール語や英語+ヒンディー語が混在するページでは、英語の単語はPDF内で検索できます。

精度を上げるコツ

• 300 dpi程度でスキャンするか、ピントが合い明るさが均一なスマートフォン写真を使いましょう。ぼやけた、傾いた、コントラストの低いページは誤認識が増えます。 • 横向きや逆さまのページは、OCRの前に「PDFを回転」で直しておきます。 • 手書き文字、装飾的なフォント、複雑な表、非常に小さな文字は認識精度が下がるため、結果の名前・日付・数字を確認してください。 • 長い文書はすべてのページをブラウザで処理するため時間がかかります。非常に大きなファイルは「PDFを分割」で分けて処理しましょう。

主な用途

• スキャンした契約書、領収書、手紙を、名前・日付・金額で検索できるファイルにする。 • コピーしたノート、古い書籍、紙の試験問題を探しやすくする。 • テキストレイヤーを必要とするアーカイブや文書管理システム向けに、スキャン文書を準備する。 • スキャンした報告書から、打ち直さずに文章をコピーする。

よくある質問

はい。各ページの上に見えないテキストレイヤーが配置されるため、認識されたテキストを選択・検索できます。

関連ツール