画像からテキストへ — 無料のオンラインOCR

OCRは光学文字認識を意味します。エンジンは画像内の形状を見つけ、選択した言語のトレーニングされたモデルに対して一致させ、認識した文字を書き出します。これらすべてはこのページ内で行われます。LeanImgは、オープンソースのOCRエンジンであるTesseractを使用しており、WebAssemblyにコンパイルされているため、サーバーではなく自分のハードウェア上で実行されます。

いいえ。抽出器が行う唯一のリクエストはOCRエンジンと言語モデルのものであり、どちらもこのサイトから提供され、片方向に移動します。画像はディスクからページに読み込まれ、メモリ内のエンジンに渡され、そこでテキストに変換されます。受け取るためのアップロードエンドポイントはコードベースにありません。これは、画像がIDカード、給与明細、または署名された契約書である場合に重要です。実行中にネットワークタブを開くと、モデルファイルが到着し、画像を持ち去るものは何もないことがわかります。

JPG、PNG、WebP、GIF、BMPはエンジンに直接送られます。AVIFとHEICは、エンジンがそれらを見る前にページ内でデコードされるため、iPhoneからの写真は最初に変換する必要はありません。何が入っても、プレーンテキストが出てきます。

英語、スペイン語、ルーマニア語、アラビア語、ギリシャ語、トルコ語、インドネシア語、ロシア語、日本語です。抽出する前に言語を選択してください。エンジンは選択したモデルに対して形状を一致させるため、間違ったモデルはうまく読み取れません。ピッカーは、あなたがいるページの言語から始まります。ここでは自動言語検出はまだありません。

認識があなたのデバイスで行われるため、モデルが最初にそこに到達する必要があります。言語を初めて使用する際、そのデータファイルがブラウザにダウンロードされ、ブラウザがキャッシュし、その後の実行はすぐに始まります。これはプライバシーのためのトレードオフです。ホスティングされたOCRサービスは画像をアップロードし、モデルを自分のマシンに保持します。このサービスはあなたの画像を保持し、代わりにモデルを取得します。まだ使用していない言語に切り替えると、そのモデルもダウンロードされます。

はい、アカウントなしで無料で、使用カウンターもありません。サインアップ不要、テキストにウォーターマークなし、クレジットもなく、良いバージョンを妨げる有料プランもありません。作業はあなたのハードウェア上で実行されるため、私たちがあなたに転嫁する画像ごとのサーバーコストはありません。

入力によって異なり、その差は大きいです。スクリーンショットやクリーンスキャンは非常に良く読み取られます。なぜなら、文字がシャープで、均等に照らされ、まっすぐに配置されているからです。紙の写真は予測が難しく、ぼやけ、グレア、影、または傾いた角度で悪化します。私たちが扱えないケースもあります：手書きや、店の看板や棚のラベルなどのシーン内のテキスト。このエンジンは印刷された文字用に作られています。他のサイトはすべてのケースで完璧な精度を宣伝していますが、その主張はどのOCRエンジンにも当てはまらないため、信頼する前に出力を確認してください。

バッチを選択でき、ドロップゾーンには単一の実行の制限が表示されます。画像は並行してではなく、順番に処理され、各結果は完了次第表示されるため、他の処理が進行中でも読み取りやコピーを開始できます。順次処理は、電話でのメモリ使用量を予測可能に保ちます。

エンジンは読み取る各単語に対する信頼度を報告し、結果カードは画像の平均を表示します。その平均が設定したしきい値を下回ると、クリーンな結果の代わりに警告が表示されます。これはテキストが間違っているという判決ではありません。確認するための信号です。実際には、ぼやけたキャプチャ、低コントラスト、非常に小さなテキスト、間違った言語選択で発生します。

エンジンにより大きく、シャープな文字を提供してください。可能な限り、写真を撮るのではなくソースのスクリーンショットを取ってください。カメラを使用する必要がある場合は、角度をつけずに真っ直ぐに撮影し、テキストでフレームを埋め、照明を均等に保ち、グレアや影がページを横切らないようにします。明るい背景に暗いテキストが最もよく読み取られます。抽出する前に正しい言語を選択してください。この選択は、このリストの他の何よりも結果を変えます。

はい、スクリーンショットはこのツールの最適なケースです。これはレンダリングされたテキストです：鮮明なエッジ、フラットな背景、レンズや照明の影響がありません。これはまさに印刷されたテキストのOCRエンジンが読み取るために構築されたものです。エラーメッセージ、チャットスレッド、アプリのダイアログ、端末出力のスクリーンショットはすべてうまく処理されます。テーブルレイアウトは再構築されないため、グリッドではなく言葉が得られます。

クリップボードにコピーするか、.txtファイルとしてダウンロードします。バッチを処理する際には、すべてを単一の.txtとしてダウンロードすることもできます。ここには検索可能なPDF出力はなく、それを暗示するよりも明確に言いたいです：このツールはプレーンテキストを提供し、元のレイアウトで再構築された文書ではありません。スプレッドシート、文書、翻訳者に単語が必要な場合は、そこに貼り付けてください。