チャットボットが得意なこと

エラーメッセージ、スライド、メニュー、本の1ページなど、鮮明なスクリーンショットをアップロードして文字を頼めば、たいていは正しく返ってきます。しかもチャットボットには、単純な文字読み取りツールにはできないこともあります。文章の意味の解説、翻訳、電話番号だけの抜き出しなどです。画像が1枚で、要点をつかみたい、あるいはさっと書き写したいだけなら、チャットボットで十分で、ほかのツールは必要ありません。

うまくいかないケース

問題が出てくるのは、理解ではなく「書き写すこと」が目的の場合です。

  • 整えてしまう。 チャットボットは、間違いに見える部分を直そうとします。誤字は訂正され、珍しい表記は統一され、句読点が補われ、ぎこちない文は滑らかにされます。結果は元のページより読みやすくなりますが、もはやそのままの写しではありません。
  • 表を要約してしまう。 長い表や明細の一覧は、短くまとめられたり、1行の説明文になったりして、行ごとには返ってこないことがあります。
  • 推測で埋めてしまう。 ぼやけた単語や、画像の端で切れた単語は、文脈に合う言葉に置き換えられがちです。推測したことは、返信のどこにも示されません。
  • 長いスキャン。 60ページのスキャンPDFは、1回の返信には多すぎる量です。要約されたり、ページが飛ばされたり、途中で止まったりして、結局1ページずつ貼り付けることになります。
  • ファイルにならない。 文字は通常、チャット画面に表示されるだけです。60ページ分をドキュメントにまとめるのは手作業になります。

買い物リストなら、どれも問題になりません。しかし、契約書の条項、引用するつもりの文言、シリアル番号、請求書の合計金額となると話は別です。

なぜこうなるのか

AIチャットアシスタントは、会話の中で役に立つよう作られています。画像を見せると、まず画像を読み取り、それから返信を書きますが、その返信は「何がいちばん役に立ちそうか」で形づくられます。誤字を直すのは役に立ちそうです。長い表を短くするのも役に立ちそうです。空白をそれらしい言葉で埋めるほうが、穴を残すより親切に思えます。

一方、正確な書き写しに求められるのは正反対の姿勢です。何も変えず、何も省かず、読めない箇所は空白として見える形で残すことです。丁寧なプロンプトでチャットボットをその方向に誘導することはでき、1ページなら効くことも多いでしょう。ただ、ページ数が増えると指示の効き目が薄れやすく、どこでそうなったのかを簡単に見分ける方法もありません。

ご自身で試す方法

答えを確認できる画像を選びます。表があり、数字がいくつかあり、珍しい表記が1つか2つあるものが理想的です。

  1. チャットボットに、何も訂正せず、書かれているとおりに文字を抽出するよう頼みます。
  2. まず数字を、1桁ずつ照らし合わせます。
  3. 珍しい表記を探します。そのまま残っていましたか、それとも直されていましたか？
  4. 表の行数を数えて、画像と比べます。
  5. 複数ページのPDFなら、最後のページまで丸ごと含まれているか確認します。

すべて一致すれば、その文書は簡単なカテゴリーで、チャットボットで足ります。数字、表記、行のどれかが違っていたら、書き写すことに特化したツールが必要です。

代わりに使うもの

正確な文字、長いスキャン、保存できるファイルが必要なら、書き写すことだけに特化したツールを使いましょう。当サービスの画像のテキスト化は、写真、スクリーンショット、スキャンPDFをページごとに読み取ります。各ページは元の言語のまま一字一句書き写され、読み順は保たれ、表のセルはタブで区切られ、読み取れない文字は作り話で埋めずに [illegible] と表示されます。文字は元のページの隣に表示されるので、確認や修正ができ、ドキュメント全体をTXTまたはWordでダウンロードできます。

返されるのは文字であり、ページを再現したものではありません。フォント、画像、正確なレイアウトは再現されません。また、対象は印刷された文字やタイプされた文字です。筆記体や古い手紙には、手書き文字のテキスト化のほうが適しています。

どの文書も最初のページはアカウント不要で無料なので、同じテストを試せます。ドキュメント全体は $5 の一回払いのみです。