写真・スクリーンショット・スキャンPDFをテキストに変換

汎用AIアシスタントが正確なコピーを苦手とする理由

画像を「読む」ことと「書き写す」ことは、別の作業です。AIチャットアシスタントは画像を見て、それについて役に立つ返信を書きます。ページに誤字があれば直してしまうかもしれませんし、ぎこちない文は滑らかにしてしまうかもしれません。長い表は要点だけにまとめてしまうこともあります。どれも会話ならもっともな振る舞いですが、ページをそのままの形で必要とするときには問題になります。

分量が多いと、さらに難しくなります。スクリーンショット1枚なら簡単です。しかし60ページのスキャンPDFは、1回のチャット返信で再現するには膨大な量のテキストです。そのため、アシスタントは短くしたり、ページを飛ばしたり、途中で止まったりしがちです。結局、ページを1枚ずつ貼り付けて、返ってきた答えを手作業でつなぎ合わせることになります。

このツールがやることは1つだけです。すべてのページを、同じ指示で個別に読み取ります。その指示とは、元の言語のまま、読む順番どおりに、文字を一字一句そのまま書き写し、何も作り足さないこと。読み取れない箇所は、推測せずに [illegible] と表示します。最後にダウンロードするのは、1つのファイルです。

主な用途

• スクリーンショット、スライド、ホワイトボードの写真から文字をコピー
• 文字を選択できないスキャンPDFを、検索・引用・編集できるテキストに変換
• 撮影した契約書、手紙、書類の文字を取り出す
• レシートや請求書をテキスト化し、明細行を列のまま保持
• 書籍、記事、配布資料の印刷ページをデジタル化
• 看板、ラベル、パッケージの文字を取り込む

スキャンPDF：文字を選択できない文書のOCR

スキャンPDFは、画像を積み重ねたものです。文字そのものがなく、各ページの画像があるだけなので、文字の選択も検索もできません。このツールはPDFの各ページを画像に変換して読み取るため、スキャンPDFも通常のPDFも同じ方法で処理されます。

出力されるのは、ページ順に並んだ各ページのテキストで、形式はTXTまたはWordです。検索可能な新しいPDFは作成されず、元のフォントや画像、レイアウトを正確に再現することもありません。必要なのが文字そのものなら、このツールが最適です。ページをピクセル単位で完全に再現したい場合には、向いていません。

きれいな結果を得るには、そして限界について

ピントが合っていて、傾きのない画像が最も良い結果につながります。写真の場合は、ページを平らに置き、明るい場所で、スマートフォンを真上に構え、ページが画面いっぱいになるように撮影してください。スクリーンショットは、縮小せずに等倍で撮ってください。大きなページに非常に小さな文字がある場合は、トリミングするか、いくつかに分けると読み取りやすくなります。

このツールは、印刷された文字やタイプされた文字を、書かれている言語のまま読み取ります。翻訳は行いません。写真、ロゴ、透かしは説明せず、読み飛ばします。パスワード付きのPDFは開けないため、先にパスワードを解除してください。筆記体や古い手書きの手紙には、そのために作られた手書き文字のテキスト化ツールをご利用ください。完璧な読み取りはありません。人名、数字、[illegible] と記された箇所は、テキストの横にある元のページと見比べて確認してください。