OCR　　　　　　　　　2022/07/29 Update

このページでは、OCR各機能の詳細について説明しています。

基本的な操作に関しては、基本操作を参照して下さい。

OCR機能では、複数のOCRサービスを利用できます。 ここでは、各サービスの特徴とサービス毎のオプション機能について説明します。

利用できるOCRサービスは、次のようになります。

• In-App Standard OCR
• Azure Computer Vision
• Google Cloud Vision

オフラインで利用できる、OS標準のOCR APIを利用したサービスです。 AIを利用していない従来のアルゴリズムを使用しているため、認識精度は低くなります。
しかし、オフラインで処理されるため処理速度は高速です。 また、クラウド側へ画像データが送信されないため機密データの保護性が高いです。

オプション

Microsoftが提供しているPaaS（クラウドサービス）「Azure」を利用したOCRサービスです。 AI技術を使用したRead APIと従来のアルゴリズムを使用したOCR APIを選択できます。 両APIとも、自動言語検出に対応しています。
Read APIは、プレビュー版のv3.2 Preview 1 (2022年2月)で日本語のサポートを開始しました。 また、v3.2 GA (2022年5月)では、正式に日本語を含む164言語にサポート言語を拡張させています。 そのため、通常は認識精度が高いRead APIを選択することを推奨します。
なお、このＯＣＲサービスを利用するには、事前にAzureのアカウント取得とPaaSの設定を済ませておく必要があります。
設定方法などについては、PaaSの設定手順「Azure」を参考にして下さい。

オプション

Googleが提供しているPaaS（クラウドサービス）「Google Cloud Platform(GCP)」を利用したOCRサービスです。 AI技術を使用したOCRで、自動言語検出に対応しています。
なお、このOCRサービスを利用するには、事前にGCPのアカウント取得とPaaSの設定を済ませておく必要があります。
設定方法などについては、PaaSの設定手順「Google Cloud Platform」を参考にして下さい。

オプション

OCR検出テキストを表示する、出力モードについて説明します。

画像の様に、1行で完結するテキストを検出する場合に使用します。

1行で完結しない文を検出する場合に使用します。 特に翻訳を行う場合は、文の切れ目を句点だけではなく改行でも判断されます。 そのため改行を文の切れ目として翻訳された場合、自然な翻訳になりません。
文の切れ目を正しく認識させたい場合に、このモードを指定すると便利です。

1つの文が複数の画像を跨いでいる場合に、各画像から検出されたテキストを連結して出力できるモードです。 翻訳を行う場合は、1つの文に連結されることで、自然な翻訳結果を取得できるようになります。

次の例のように、2枚の画像に1つの文が跨って含まれている場合は、一つの文に連結して出力できます。

自動履歴登録、自動翻訳を有効にしている場合は、それぞれ次のような動作を行います。

自動テキスト整形を有効にしている場合は、検出を行った画像の座標を基にし、タイトルや段落などを解析し読みやすく整形して出力します。
また、スイッチを切り替える度に、整形したテキストと未整形のテキストを再読み込みして出力します。
日本語の縦書きでルビを含んでいる場合は、ルビを非表示します。 ただし、ルビと判断できなきかった場合は、出力結果の先頭もしくは最後にまとめて出力される場合もあります。

AzureのRead APIでテキストのソート（readingOrder）オプションを有効にしている場合は、次のように動作します。