PDF🔒 ブラウザで動作

テキスト抽出 (OCR)

OCR (光学文字認識) でスキャンしたPDFや画像からテキストを抽出

📝

ここにPDFをドロップするか、クリックして選択してください

.pdf, .png, .jpg, .jpeg, .webp, .tiff, .bmp

テキスト抽出 (OCR)について

PDF OCRはTesseract.jsをブラウザ内で動かし、スキャンや画像ベースのPDF内のテキストを認識します。プレーンテキストを抽出したり、認識テキストを元画像の背面にレイヤーとして配置した検索可能PDFを作成したり、DOCX文書として書き出すことができます。すべてローカルで動作し、ドキュメントはどこにもアップロードされません。

よくある質問

対応している言語は？

Tesseract.jsを通じて、英語・フランス語・スペイン語・ドイツ語・中国語・日本語・アラビア語など100以上の言語に対応しています。複数言語を同時に選択して多言語OCRを実行することもできます。

PDFはサーバーにアップロードされますか？

いいえ。文字認識はWebAssemblyを使ってすべてブラウザ内で行われます。ファイルが端末から外に出ることはありません。

どの出力形式が利用できますか？

認識されたテキストはプレーンテキスト (.txt) として利用できます。OCR が完了したらコピーまたはダウンロードできます。

OCR とは何の略ですか?

OCR は Optical Character Recognition（光学文字認識）の略です。画像やスキャンした書類の中にある文字の形を検出し、本当の意味で編集や検索が可能なデジタルテキストに変換する技術です。OCR を使わなければスキャンしたページはただの画像にすぎませんが、OCR を使えば内容をコピー・検索・翻訳・編集できます。

🔧 関連ツール