コンテンツにスキップ

OCR エンジン

OCR は画像からテキストを読むために使用されます — テキスト抽出 ページと、ページがスキャンされている（テキストレイヤーがない）または 埋め込み画像を翻訳をオンにしたときの Document 翻訳内の フォールバックの両方で。

3 つの OCR エンジンから選択できます。

Tesseract（推奨デフォルト）

無料、高速、オフライン。システムインストールが必要。

brew install tesseract tesseract-lang

sudo apt install tesseract-ocr tesseract-ocr-all

tesseract-ocr-all は、サポートされているすべての言語をもた らします。ディスクを節約するには、必要なものだけをインストール してください（例：フランス語用の tesseract-ocr-fra）。

sudo dnf install tesseract tesseract-langpack-eng tesseract-langpack-fra

UB Mannheim の Tesseract リリース からインストーラーをダウンロード。実行し、デフォルトを受け入れ る — 言語パックがバンドルされています。

検証：

tesseract --version
tesseract --list-langs

デスクトップアプリで：設定 → OCR → OCR メソッド = Tesseract。 完了。

EasyOCR

無料、オフライン。非ラテン文字（中国語、韓国語、日本語、タイ語）に 最適。モデルは初回使用時にダウンロード（合計~1 GB）。

uv sync --extra easyocr

デスクトップアプリで：設定 → OCR → OCR メソッド = EasyOCR。

ある言語で初めて使用する時、関連するモデルが ~/.EasyOCR/ に ダウンロードされます。以降の実行は瞬時です。

Google Cloud Vision

クラウド、有料（月 1,000 件の無料リクエスト）。最高精度、特にノイズの 多い / 手書き / 多書式コンテンツで。

  1. Google Cloud プロジェクトを作成
  2. Vision API を有効化
  3. API キーを作成
  4. デスクトップアプリで：設定 → サービス → Google Cloud API キー → 貼り付け
  5. 設定 → OCR → OCR メソッド = Google Cloud OCR

それらの API も有効にすれば、同じ Google Cloud API キーが Vision OCR、Speech-to-Text、Text-to-Speech を駆動します。

精度の比較

設定 → OCR タブには小さな比較テーブルが組み込まれています — 言語カバレッジ、オンライン/オフライン、コスト、精度。切り替えたい 誘惑にかられるたびに再読してください。

OCR が使われる時

場所 動作
テキスト抽出ページ（メソッド = OCR の時） ドロップされた画像での直接 OCR
ドキュメントを翻訳 → PDF スキャンのみのページ（テキストレイヤーなし）での OCR フォールバック
ドキュメントを翻訳 → Office で 埋め込み画像を翻訳 がオン すべての埋め込み画像での OCR + LLM ビジョン

ヒント

ソース言語を選ぶ

ほとんどの OCR エンジンは、何の言語を期待するか伝えたときに はるかに正確です。字幕 / ドキュメント / テキスト抽出ページは、 あなたのソース言語ピッカーを OCR エンジンに転送します。

きれいに印刷されたテキストには Tesseract で十分

Tesseract / EasyOCR があなたのコンテンツで実際に失敗するまで クラウド OCR に手を伸ばさないでください。それらは無料で、高速 で、驚くほど良いです。