写真を検索できるPDFに変換する方法
- 画像を追加する. JPG、PNG、WebPの写真をツールにドロップするか、タップして選びます。各ページはカードとして表示され、つまみをドラッグして順番を入れ替えたり、不要なものを削除したりできます。
- 言語を選ぶ. 書類が書かれている言語を選びます。その言語の認識用データは一度だけダウンロードされます（サイズは選択欄の横に表示されます）。この間も画像が端末の外に出ることはありません。
- 文字を認識する. 「文字を認識」を押すと、各ページのカードが待機中から完了へと進み、単語数がリアルタイムで表示されます。処理の途中でキャンセルすることもでき、その場合は何も保存されません。
- 確認してダウンロードする. 認識されたテキストはページごとに表示されるので、信頼する前に確認できます。出力ファイルに名前をつけたら、検索可能なPDFをダウンロードするか、プレーンな.txtを取得するか、すべてをクリップボードにコピーします。
できること
- ブラウザ内で本格的なOCRを実行 — ファイルはどこにもアップロードされません
- 複数枚の写真を、指定した順番のまま1つの複数ページPDFにまとめます
- 見えないテキスト層を追加：見た目は写真のままで、検索もコピーもできるPDFになります
- 15の認識言語に対応、必要なときだけダウンロード
- 認識したプレーンテキストを.txtファイルとしても書き出せます
検索できるPDFとは実際どういうものか
レシートの写真は単なる画素の集まりで、検索も、合計金額の選択も、店名のコピーもできません。検索できるPDFは、画像の上にもう1つ見えない層を重ねます。それが、画像内での位置に合わせて配置された認識済みテキストです。見た目は写真のままですが、プレビュー、Adobe Reader、Spotlight、その他あらゆる文書管理システムがそれを読み取れるようになります。
このツールは、そのファイルをあなたのブラウザの中で作ります。画像をデコードし、WebAssemblyにコンパイルされたオープンソースのTesseract認識エンジンを実行し、pdf-libでPDFを組み立てる — これらすべてが、今見ているこのページの中で行われます。何も送信されません。これこそがこのツールの核心です。レシート、契約書、医療関連の書類、身分証明書といったファイルは、無料OCRと引き換えに見知らぬ変換サイトに渡してよいものではありません。
どんなときに使うか
- 後から見つけられるようにしておきたい紙の書類の写真 — レシート、保証書、手紙、各種フォームなど。
- スキャナーから単なる画像として出力されたスキャンデータ。
- 見知らぬサイトに貼り付けたくないもの全般。
テキスト層で位置が重要な理由
認識された単語は、ファイルに単に追加されているのではなく、写真の中でその文字が現れる座標に見えない形で配置されています。これが、選択の感覚を自然にしている理由です。画像上をドラッグすればハイライトが印刷された行に沿って動き、単語を検索すればビューアがページ内の正しい位置にジャンプします。位置は厳密ではありませんが、それはオフィス用スキャナーが作るファイルでも同じで、見つけたりコピーしたりする用途には十分です。
正直な限界
端末上でのOCRはサーバー群による処理より遅く、また読み取れるのは印刷文字であって手書き文字ではありません。非常に小さい文字やぼやけた文字は誤認識されることがあるため、.txtの書き出しで確認しやすくしています。認識速度のため、画像は長辺で約2,500 pxに縮小されますが、埋め込まれるページ画像は最大4,000 pxまで保持されるため、レターサイズできれいに印刷できます。
もっと頻繁に行うなら
このツールは一回きりの変換ツールです。カメラロールが書類の行き着く先になって行方不明になりがちなら、それはまさにPaperlockが解決するための問題です。Paperlockは、iPhone上で書類をスキャンし、読み取り、整理してくれます。しかも「暗号化されていない状態で端末の外に出さない」という同じルールのもとで動きます。