📝 画像から文字起こし

使い方の手順

1. 文字が写った画像を選ぶ スクリーンショット、スキャン、撮影した書類、看板の写真などに対応します。文字が鮮明で、傾いておらず、大きいほど精度が上がります。これはどの設定よりも重要です。
2. 正しい言語を選ぶ 精度にもっとも影響する設定です。日本語なら「日本語 + English」を選んでください。言語を間違えると認識率は実用に耐えないレベルまで落ちます。エンジンがその言語の字形モデルと照合するためです。
3. 前処理を決める グレースケールが多くの場合に適します。白黒二値化は「明るい背景の濃い文字」（スキャンや印刷物）に特に有効ですが、写真的な画像は壊れます。迷ったらグレースケールから。
4. 実行する 初回は認識エンジンと言語データ（中国語で約 12MB）をダウンロードするため待ち時間があります。以降はブラウザがキャッシュするので同じ端末では大幅に速くなります。進捗はステータス行に表示されます。
5. コピーまたは .txt をダウンロード 結果が下に表示され、平均信頼度も併記されます。信頼度が 70% を下回る場合は入念に校正してください。そのままコピーするか、テキストファイルとしてダウンロードできます。

こんなときに使えます

精度を決める 4 つの要素

OCR の結果は、設定よりも「何を入力するか」で 8 割が決まります。影響の大きい順に挙げます。

1. 正しい言語 — エンジンはその言語の字形モデルと照合します。中国語を英語モデルで処理すれば文字化けが返るだけです。
2. 十分な文字サイズ — 文字の高さは最低 20 ピクセル、余裕を見るなら 30 以上。もっとも多い失敗原因であり、スマホのスクリーンショットは縮小後にこの水準を下回りがちです。
3. 傾いていない画像 — 数度の傾きでも精度は明確に落ちます。書類は正面から撮るか、あとで補正してください。
4. 十分なコントラスト — 明るい背景に濃い文字が理想です。色付きの背景、グラデーション、影はいずれも妨げになります。

グレースケールか二値化か

グレースケールは色を取り除くだけで、明暗の階調はすべて残します。安全で汎用的なので、迷ったらこちらです。

白黒二値化は、画像全体の平均輝度を境に各ピクセルを純黒か純白に振り分けます。印刷物に対しては強力な整理になり、背景のノイズ、紙の質感、薄い影が消えて文字だけが残ります。ただし写真が含まれる場合、背景にグラデーションがある場合、文字自体が薄い場合は、情報そのものを破壊してしまいます。

オンライン OCR サービスとの違い

多くのオンライン OCR は画像を相手のサーバーへアップロードし、そこで認識してテキストを返します。つまりレシートや名刺、書類の内容が他人のマシンを経由することになります。

このページは WebAssembly 版の Tesseract を使い、認識のすべてがブラウザ内で完結します。ネットワークを通るのはエンジンと言語モデルだけ（CDN から初回のみ）で、画像の内容とは無関係です。代償は初回のダウンロード待ちと、大規模なクラウドモデルを使う商用サービスに劣る精度です。機密性のある書類を扱うなら、たいてい割に合う取引です。

よくある質問

次に使いそうなツール

画像の作業は一度で終わらないことがほとんどです。「画像から文字起こし」とよく一緒に使われるのはこちら：

• 📑 PDF を画像に — 各ページを JPG / PNG に変換
• ✂️ 画像を切り抜き — ドラッグで残す範囲を選択
• 🔍 画像を拡大 — 最大 4 倍まで拡大

仕上げたものをそのまま共有しますか？アップロードなら画像・写真・動画を短縮リンクにでき、パスワード・有効期限・閲覧回数の上限も設定できます。ツール一覧もどうぞ。