書籍のOCRにLLMを組み合わせることで精度を上げるだけでなく文書構造や図も表現した記録

精度差は一見小さく見えるが、95.84% は 100文字に4.16文字の誤り で、1849文字なら 77文字、書籍全体 (約20万文字) なら 約8,300文字の誤りに相当する。Hybrid の +0.4pt はその誤りを 約800文字分減らしたことを意味する。 NDLOCR-Liteだけでも文字化は困らないレベルだが、LLMを組み合わせることで、文書構造を残してくれ、図は文字で説明文に変えてもらったり、図はMermaid形式に変換、表は表として残すことなどが大きなメリットとしてある。 環境 Mac (Apple Silicon) + Python 3.13 (venv) Ollama サーバー: 別ホストの GPU (Linux)、qwen3.5:27b (約 21GB VRAM) NDL OCR Lite v1.2 (CPU 推論) 手法 1: Qwen 単独 (失敗) 最初の仮説は「

[tu_no_tu]

特に元データが悪いものでなければ、OCR単体で95%くらい、LLM使うと98-99%くらいまでは上がるように思うので、何がこの悪い結果の原因だろう。

[toyoshi]

id:tu_no_tu 再計測したところ空文字を誤ってカウントしており実質の認識率とズレがありました。99%いってました。ありがとうございました。

[pendamadura]

それこそHTMLで出力したらいいと思うが

[nguyen-oi]

NDL OCRとLLMの組み合わせは鉄板になりそう。構造化まで自動でやれるのは自炊勢にはたまらんな

[kyukyunyorituryo]

ライトノベルだとbunkOCRが良かったとか　https://lithium03.info/ios/bunkoOCR.ja.html

[nakex1]

処理時間が大幅に増えてしまうのは課題だが，魅力的ではある。