世界最高峰の無料・オープンソース
OCR文字認識エンジン

スキャンした請求書、レシート、古い書籍などの画像に含まれる文字を、検索・編集できるテキストに変換します。データ入力の自動化ツール、デジタルアーカイブ、スキャンアプリなどで広く使われているエンジンです。

はい。Tesseract は Apache 2.0 ライセンスのオープンソースソフトウェアで、個人・学術・商用のいずれの用途でも、ライセンス料やAPI料金なしで利用できます。

はい。バージョン4で導入されたLSTMニューラルネットワーク（バージョン5でさらに改善）により、印刷物の認識では有料のOCR APIと十分に競える精度があり、完全オフラインで動作するというプライバシー上の利点もあります。

はい。旧バージョン（v3）は従来のパターンマッチングでしたが、v4以降はテキスト行のような連続データに適したディープラーニング手法であるLSTM（長短期記憶）ネットワークを使っています。

Tesseract 5 は高精度なLSTMモデルを維持しつつ、v4より処理速度が向上し、多くのメモリリークが修正され、学習ツールも刷新されました。現在、本番環境での利用にはバージョン5が推奨されます。

いいえ。Tesseract は主にC/C++ライブラリとコマンドラインツールです。GUIが必要な場合は、gImageReader や NAPS2 など、Tesseract を利用したサードパーティ製アプリを使います。

はい。tesseract.js などのプロジェクトがC++のコードをWebAssemblyにコンパイルしているため、サーバーなしでブラウザ内でOCRを実行できます。当サイトのオンラインOCRツールもこの仕組みを使っています。

tesstrain リポジトリを使います。正解データの準備から学習、既存の .traineddata モデルのファインチューニングまでを Makefile で自動化できます。

Tesseract は鮮明でコントラストの高い画像を前提としています。ぼやけた画像や背景が複雑な画像は、OpenCV や ImageMagick で二値化や傾き補正などの前処理を行ってから渡してください。

Leptonica ライブラリを通じて PNG、JPEG、TIFF、BMP、PNM、GIF、WebP に対応しています。精度を重視する場合は、300 DPI 以上の TIFF や PNG などの可逆圧縮形式がおすすめです。

鮮明で高解像度の印刷文書では、文字単位で95%以上、標準的な印刷テキストでは99%を超えることも珍しくありません。低品質なスキャン、手書き、装飾的なフォント、ノイズの多い背景では精度が下がります。

はい。Tesseract は完全にローカルで動作し、画像を外部サーバーに送信しません。医療記録、法律文書、金融データなど、クラウドOCRが使えない用途に適しています。

Tesseract は無料・オープンソースで完全オフラインで動作するため、プライバシー重視の処理、大量処理、閉じたネットワーク環境に向いています。Cloud Vision API は難しい画像や手書きに強い一方、従量課金で画像をGoogleに送信する必要があります。

最も重要なのは画像の品質です。300 DPI以上へのアップスケール、グレースケール化と二値化、傾き補正、ノイズ除去を行い、レイアウトに合ったPSM（例：--psm 6）と正しい言語モデル（例：-l jpn+eng）を選びましょう。

PaddleOCR は複雑なレイアウト、曲がった文字、表の認識に強いディープラーニング系のOCRです。Docling はPDFや画像をMarkdownやJSONに変換する文書変換エンジンで、内部でOCRエンジンを使い分けます。