スキャンした PDF はただの画像なので、言葉を検索したり文章をコピーしたりできません。OCR が各ページの文字を認識し、見た目を変えずに PDF に追加するか、シンプルなテキストファイルとして保存します。
使い方
- スキャンした PDF を選択します。
- 文書の言語を選びます。
- OCR を実行し、検索可能な PDF またはテキストをダウンロードします。
よくある質問
どの言語に対応していますか？
フランス語、英語、スペイン語、ドイツ語、イタリア語、ポルトガル語、オランダ語、中国語、日本語、ヒンディー語です。「フランス語 + 英語」は、両方の言語が混在する文書に適しています。
どれくらい時間がかかりますか？
1 ページあたり数秒です。初回は文字認識エンジン（数 MB）をダウンロードします。
PDF の見た目は変わりますか？
いいえ。「検索可能な PDF」では、ページの見た目はそのままで、認識したテキストが選択・検索できるように見えない形で追加されます。
テキストだけを取り出せますか？
はい、「テキストファイル」を選んでください。認識したテキストをページごとにまとめた .txt ファイルが手に入ります。
OCR は手書き文字を認識できますか？
OCR は印刷された文字向けに作られています。とても読みやすい手書き文字なら一部認識されることもありますが、結果は信頼できません。
写真を OCR にかけられますか？
まず「スキャンして PDF に」で写真を PDF にしてから、その PDF を「OCR PDF」にかけてください。
ファイルはサーバーに送信されますか？
いいえ。すべてブラウザ内で処理され、文書が端末の外に出ることはありません。
OCR でできること
光学文字認識（OCR）は、各ページの画像に含まれる文字を読み取ります。PDFRoll では 2 種類の結果を選べます：
- 「検索可能な PDF」：PDF の見た目はまったく同じまま、画像の下に見えないテキストレイヤーを配置します。これでテキストの選択、コピー、検索ができるようになります。
- 「テキストファイル」：認識したテキストだけを、ページごとに .txt ファイルに書き出します。
「すでにテキストがあるページはスキップ」オプションは初期設定でオンになっており、テキストを含むページを飛ばすので、テキストと画像が混在した文書で時間を節約できます。
文書の言語を選ぶ
「文書の言語」メニューでは、フランス語のみ、またはフランス語と英語の組み合わせのほか、英語、スペイン語、ドイツ語、イタリア語、ポルトガル語、オランダ語、中国語、日本語、ヒンディー語を選べます。正しい言語を選ぶと、アクセント記号などの認識精度が大きく上がります。
初回は文字認識エンジン（数 MB）をダウンロードします。その後は、端末の性能に応じて 1 ページあたり数秒かかります。文書そのものは端末から出ません。文字認識はブラウザが行います。
認識精度を上げるには
- 鮮明でコントラストのはっきりしたスキャンを使いましょう。ぼやけた文字や薄い文字はうまく認識されません。
- OCR を実行する前に、逆さまのページを「PDF 回転」で直しましょう。
- 印刷された文字のほうが、手書きの文字よりもはるかによく認識されます。
- OCR は間違えることがあるので、重要な数字や固有名詞は見直しましょう。
文字が見つからない場合は、選んだ言語とスキャンの品質を確認してください。長い文書の場合は、先に「ページ抽出」で必要なページだけを取り出して処理することもできます。
OCR の前とあと
書類の写真を PDF にするには、まず「スキャンして PDF に」を使います。文字を認識したあとは、「PDF を Word に」で編集できる文書に取り込んだり、「PDF をテキストに」ですべてのテキストを抽出したりできます。