OCR

OCR は、画像、スキャン、ドキュメントのスクリーンショットからテキストを抽出します。

認識後は、結果をコピーしたり、Markdown、PDF、Word としてエクスポートしたり、複数形式をまとめてダウンロードしたりできます。

OCR でできること

機能	説明
画像内テキスト認識	画像、スクリーンショット、スキャンからテキストを抽出します。
ドキュメントレイアウト認識	表、数式、印章、テキストと画像が混在するレイアウトに適しています。
複数サービス	Baidu PaddleOCR、Microsoft Azure Vision、Google Vision に対応します。
結果のコピー	処理後に認識されたテキストをコピーします。
ファイルのエクスポート	Markdown、PDF、Word をエクスポートします。
一括パッケージ化	複数ファイルを認識した後、結果をパッケージとしてダウンロードします。

先に OCR サービスを設定する

開きます:

System Settings -> Other Settings -> OCR

使用したいサービスの認証情報を入力します。

サービス	入力する内容	適した用途
Baidu PaddleOCR	PaddleOCR Token	最初の選択肢として推奨。ドキュメント、画像、表、混在レイアウトに適しています。
Microsoft Azure Vision	Azure Vision Endpoint と Azure Vision API Key	すでに Microsoft クラウドサービスを使用している場合に便利です。
Google Vision	Google Vision API Key。サービスアカウント JSON はクォータ照会にのみ使用します。	Google Cloud サービスを使用している場合に便利です。

認証情報を入力したら保存します。

最初のテストでは、1 つのサービスだけを設定してもかまいません。3 つすべては不要です。

Google Vision の設定

Google の設定は 2 つに分かれます。

目的	必要なもの
OCR を使う	Cloud Vision API を有効にし、API Key を作成します。
使用量を照会する	サービスアカウントを作成し、Monitoring Viewer を付与してから、サービスアカウント JSON をダウンロードします。

OCR に Google を使用する

1. Google Cloud Console を開きます。
2. APIs & Services に移動します。
3. Library を開き、Cloud Vision API を検索して有効にします。
4. Credentials に戻ります。
5. API Key を作成します。
6. API Key を開いてコピーします。
7. ImgHost の Google Vision API Key に貼り付けます。
8. 保存します。

その後、OCR ダイアログで Google Vision を選択できます。

Google の使用量を照会する

クォータ照会は認識に必須ではありません。

直近 30 日間に使用された Google Vision の呼び出し回数を、おおよそ表示するだけです。

1. Google Cloud Console で IAM & Admin を開きます。
2. Service Accounts を開きます。
3. vision-monitor などのサービスアカウントを作成します。
4. Monitoring Viewer ロールを付与します。
5. サービスアカウントの詳細を開き、キーを作成します。
6. JSON を選択します。
7. 生成された JSON ファイルをダウンロードします。
8. ImgHost に戻り、サービスアカウント JSON としてインポートします（任意）。
9. インポートに成功したら、クォータ照会をクリックします。

インポート後、ImgHost はサービスアカウントが属するプロジェクト名を表示します。使用量を照会すると、ImgHost は Google のモニタリングデータを読み取り、今月の呼び出し回数を表示します。

要約:

項目	目的
Google Vision API Key	OCR 認識を実行します。
サービスアカウント JSON	Google Vision の呼び出し回数を照会します。
Monitoring Viewer ロール	サービスアカウントが使用量データを読み取れるようにします。

Baidu PaddleOCR Token を取得する

Baidu PaddleOCR にはアクセストークンが必要です。

Baidu PaddleOCR ページで API 呼び出しウィンドウを開き、トークン取得をクリックしてコピーします。

ImgHost に戻り、PaddleOCR Token に貼り付けて保存します。

認識を開始する

ファイル管理で画像またはドキュメントのスクリーンショットを選択し、OCR をクリックします。

ダイアログで認識サービスとモデルを選択します。

よく使う PaddleOCR モデル:

モデル	適した用途
PP-StructureV3	推奨の既定値。ドキュメント、表、数式、印章、混在レイアウトに適しています。
PP-OCRv5	シンプルな画像、通常のテキスト、軽量な認識。
PaddleOCR-VL	多言語、複雑な画像、グラフに近い内容。
PaddleOCR-VL-1.5	より複雑なドキュメントページとレイアウト復元。

迷う場合は、PP-StructureV3 から始めてください。

高度なオプション

オプション	説明
向き補正	画像が回転または傾いている場合に使用します。
ドキュメント平坦化	湾曲や傾きのある撮影済みドキュメントに使用します。
レイアウト検出	見出し、段落、表、画像構造を保持したい場合に使用します。
グラフ認識	画像にグラフや複雑な構造が含まれる場合に使用します。
Markdown の整形	エクスポートした Markdown を読みやすくします。

通常のスクリーンショットでは、オプションは最小限にします。ドキュメントスキャンでは、ドキュメント関連のオプションを多めに有効にします。

結果を確認する

認識が完了すると、ダイアログに結果が表示されます。

そのままコピーすることも、エクスポート形式を選択することもできます。

ドキュメントページの場合、エクスポートされた PDF はページの見た目を保持しつつ、テキスト検索も可能にできます。スキャンの保管や、後から内容を探す場合に便利です。

エクスポート形式を選ぶ

形式	適した用途
Markdown (.md)	メモ、ドキュメントシステム、後からの編集。
PDF (.pdf)	ページの見た目とスキャン文書の結果を保持。
Word (.docx)	レイアウト編集の継続、テキスト修正、他者への引き渡し。
すべてエクスポート	複数形式と元画像を保存します。重要なアーカイブに適しています。

テキストだけが必要な場合は Markdown をエクスポートします。

ページの見た目が必要な場合は PDF または Word を使用します。

Word 出力

エクスポートした Word 文書は、オフィスソフトで開いて編集できます。

一部のドキュメントでは、認識された画像、見出し、段落が Word 出力に含まれます。

認識品質は、元画像の鮮明さ、モデル選択、ドキュメントの複雑さによって変わります。

OCR に適したファイル種別

ファイル種別	推奨
鮮明なスクリーンショット	そのまま認識します。
スキャン	PP-StructureV3 を優先します。
撮影したドキュメント	向き補正とドキュメント平坦化を有効にします。
表、数式、印章	構造化モデルを優先します。
シンプルな短文画像	通常は PP-OCRv5 で十分です。

より鮮明で、文字がまっすぐな画像ほど、通常は良い結果になります。

よくあるケース

ケース	意味
認識に失敗する	サービスのトークンまたはキーが保存されているか確認します。
認識が遅い	複雑なドキュメントや大きな画像は時間がかかります。
表が不完全	構造化モデルを試してください。
テキストに誤りがある	ぼけ、反射、傾きは認識エラーを増やします。より鮮明な画像を試してください。
Word 出力に画像が多い	構造化モデルは認識された一部の画像を保持することがあります。これは正常です。

Google クォータ照会が失敗する

次を確認してください。

1. サービスアカウント JSON がインポートされている。
2. サービスアカウントに Monitoring Viewer ロールがある。
3. プロジェクトで Cloud Vision API が有効になっている。

OCR だけが必要で使用量照会が不要な場合は、サービスアカウント JSON を無視して、Google Vision API Key だけを入力してかまいません。

クイックフロー

Open System Settings
-> Open Other Settings
-> Fill OCR service credentials
-> Save
-> Return to File Management
-> Select a file and click OCR
-> Choose a model
-> Wait for recognition
-> Copy results or export Markdown / PDF / Word