画像の文字起こし（OCR）

計算方法

OCR（光学文字認識）は、画像のピクセルを文字に戻す技術です。手紙の写真、スキャンした請求書、資料のスクリーンショットなどを、コピー・検索・編集できるテキストに変換します。このツールは、オープンソースの定番OCRエンジンTesseractをWebAssemblyに変換したもので、ブラウザの中で直接動作します。

使い方

1. 画像をドラッグするか、ファイルを選ぶか、Ctrl + Vで貼り付けます（クリップボードのスクリーンショットなど）。
2. 画像内の文字の言語を確認します。日本語があらかじめ選ばれています。英語、ドイツ語、フランス語、スペイン語、ポルトガル語、イタリア語、オランダ語、ポーランド語、トルコ語、インドネシア語も選べます。
3. 「文字を認識」を押します。進行バーで、データの読み込み中か認識中かがわかります。
4. 必要に応じて枠内のテキストを直し、コピーするか.txt ファイルで保存します。

日本語の文字起こしについて

• 横書きの日本語に対応しています。縦書きの文章（新聞・小説など）は正しく読み取れないことが多いため、横書きの資料やスクリーンショットでの利用がおすすめです。
• Tesseractは日本語の文字の間に空白を入れて出力することがあります。このツールは漢字・かな同士の間の空白を自動で取り除きます。英単語や数字の前後の空白はそのまま残ります。
• 文中の英数字もある程度読み取れますが、英語だけの文章なら「英語」を選んだほうが正確です。

精度を上げるコツ

• コントラスト：明るい無地の背景に濃い文字が最もよく認識されます。影、グラデーション、模様、透かしがあると精度が下がります。
• 正面から撮影：斜めではなく真上から撮りましょう。大きく傾いた行や、本の綴じ目付近で曲がった行は認識しにくくなります。
• 解像度：スキャンなら300 dpi程度が目安です。写真の場合は、文字が十分な大きさで写っていることが大切です。このツールは小さすぎる画像を自動で拡大し（最大2倍）、大きすぎる画像は長辺5,000ピクセルに縮小します。日本語は画数の多い漢字があるため、英語より大きめに写すと安定します。
• 切り抜き：文字のある部分だけを残し、余白や指、机の端は写さないようにします。スクリーンショットは画面全体ではなくウィンドウ部分だけにしましょう。
• 正しい言語：言語によって使う文字と辞書が変わります。「英語」のまま日本語の画像を読み込むと、ほとんど認識されません。

苦手なもの

Tesseractは印刷された文字向けに作られています。手書き文字、装飾の多いフォント、斜めから撮った看板、複雑な背景の上の文字はほとんど認識できません。表や段組みはただのテキストとして出力され、列の順番が入れ替わることがあります。表示される信頼度は、Tesseractが各単語に付けた値の平均です。70%を下回るときは、より良い画像を使うと改善します。金額、口座番号、請求書番号などの大事な数字は、必ず目で確認してください。0とO、1とl、5とSの取り違えは、きれいな原稿でも起こります。

初回はデータをダウンロードします

サーバーを使わずに認識するため、最初に「文字を認識」を押したときに、認識エンジン（約3.7 MB、転送時は圧縮されて約1.5 MB）と選んだ言語のデータをダウンロードします。日本語は1.9 MB、英語は2.8 MB、インドネシア語は1.1 MBです。ファイルはすべてこのサイトから配信され、外部のCDNには接続しません。言語データはブラウザ内（IndexedDB）に保存されるため、2回目からはすぐに始まります。1ページの認識にかかる時間は、端末と画像の大きさによって数秒ほどです。

プライバシー

画像が端末の外に出ることはありません。認識はブラウザ内（Web Worker）だけで行われ、認識したテキストもどこにも送信されません。タブを閉じれば何も残りません。ダウンロードした言語データだけは、削除するまでブラウザに保存されます。

よくある質問

出典・根拠

• Tesseract.js – ブラウザで動くOCRライブラリ（GitHub、Apache-2.0）
• Tesseract OCR ドキュメント – 認識精度を上げる方法（英語）
• ライセンス：Tesseract.js、Tesseractエンジン、言語データ（Apache-2.0）

更新日：2026年9月27日