国立国会図書館のOCR技術を使って、完全オフラインOCRのChrome拡張を作ってみた
はじめに 画像やPDFのテキストをコピーしたいとき、オンラインのOCRサービスに画像を送るのはちょっと抵抗がありませんか？ 特に社外秘の資料や個人情報が写っている場合。 通信ゼロ、ブラウザの中だけで完結するOCR があれば安心して使えるのに — そう思って、Chrome拡張機能を作りました。 以前からいくつかの日本語OCRを試してきて、ブラウザ内でも実用レベルで動くことがわかっていたので、それを誰でも気軽に使える形にしたかったのが動機です。 yomitokuで作る日本語OCR Webアプリ — サーバーサイドで高精度な日本語OCR Tesseract.jsでカスタムモデルのトレーニング — ブラウザOCRの可能性と限界 ブラウザだけで完結する日本語OCR＋透視変換 — NDLOCRをブラウザで動かす Chrome Web Store で「オフラインOCR」と検索してもヒットします。 これま
GitHub - ogwata/ndlocr-lite-web-ai: NDLOCRLite Web: ブラウザ完結型日本語OCRツール（ONNX Web Runtime使用）
ブラウザ完結 — 画像・OCR結果を外部サーバーに送信しません。すべての処理がブラウザ内で完結します AI校正 — ボタン一つでAIがOCRテキストを元画像と比較し、誤認識を修正。差分をインラインハイライトで表示し、個別にaccept/rejectできます 複数AIプロバイダ対応 — Anthropic (Claude) / OpenAI (GPT) / Google (Gemini) / Groq / カスタムエンドポイント / MCP Server 並列表示UI — 元画像とOCR結果テキストを左右に配置し、対照しやすいレイアウト（リサイズ可能） 高精度レイアウト認識 — DEIMv2モデルによりテキスト行の矩形領域を自動検出 カスケード文字認識 — 行の文字数に応じて3種類のPARSeqモデルを使い分け、精度を最適化（日本語モード） 欧米諸語OCR — 英語・ドイツ語・フランス語・ス
日本語の手書きメモを書き起こせるOCRを探すために23モデルを片っ端から試した話
こんにちは！逆瀬川ちゃん (@gyakuse) です！ 今日は日本語の手書きメモをいい感じに書き起こしてくれるOCRを探して、23モデルを片っ端から比較してみた話をまとめていきたいと思います。 手書きメモは楽しいが電子化がつらい わたしはいまだに手書きメモをよく書きます。打ち合わせの最中にさっと書いたり、アイデアを整理するときにペンで図を描いたり。手を動かしながら考えるのはとても楽しいし、タイピングとは違う思考の広がり方があります。 ただ問題は電子化です。ノートに書いたメモをあとからSlackやNotionに転記するのがとにかくつらい。自分の字を自分で読み返す作業がすでにつらいのに、それを打ち直すのは二重苦です。 OCRで自動化したいのですが、日本語の手書き文字って既存のOCRモデルにとってはかなり難しいタスクです。活字ならどのモデルでも高精度ですが、手書きとなると精度がガクッと落ちます。
Flutterで健康診断結果をOCR読み取りする設計と実装 - 座標ベース空間マッチングで表を再構築する
はじめに 健康診断結果のデジタル化という空白地帯 年に一度の健康診断の結果を受け取ったとき、過去の数値と比較したいと思った経験はないでしょうか。紙やPDFで渡される検査結果を手で書き写すのは手間がかかりますし、入力ミスも起きやすくなります。 健康診断結果のデジタル化には、実は大きな偏りがあります。企業の産業保健向けにはスマートOCR健康診断書やM3のハピネスパートナーズといった法人向けサービスがすでに存在しています。生命保険業界でも、引受査定の効率化を目的としてPHR（パーソナルヘルスレコード）連携による健診データの電子取得が検討されています。厚生労働省も2025年1月から健康診断結果報告の電子申請を義務化するなど、制度面での整備も進んでいます。 一方で、個人が自分の健診結果を経年で管理するための手段は限られています。楽天ヘルスケアのようにOCR読み取り機能を備えたアプリも登場していますが
Copilot Studio の自律型エージェントでファイルアップロードトリガーを試してみた - Qiita
はじめに Copilot Studio の自律型エージェントには、「ファイルが作成されたとき (プロパティのみ)」というトリガーが用意されています。このトリガーを使えば、SharePoint にファイルがアップロードされたタイミングで自律型エージェントを起動させることができます。 今回は、このトリガーを使って「見積書ファイルがアップロードされたら、エージェントが自動で内容を抽出して構造化データとして出力する」という処理を実現できるか検証してみました。 結論から申し上げると、現時点（2026/03）ではこのトリガーからファイルのコンテンツ自体をエージェントに渡すことはまだ確立されていないという認識です。本記事では、検証の過程と判明した課題、そして代替案について共有します。 今回やりたかったこと 今回作ろうとした自律型エージェントの処理フローは以下の通りです。 SharePoint のフォルダ
Zero-UIアプリ「ScanDo」を作った話 ―カメラを向けるだけで動くAIアプリの設計思想
Zero-UIアプリ「ScanDo」を作った話 ― カメラを向けるだけで動くAIアプリの設計思想 はじめに 「ボタンを押す」という行為は、本当に必要なのだろうか？ スマホアプリを使っていると、毎回同じ操作を繰り返していることに気づく。QRコードを読み取るときはカメラを起動して、フォーカスを合わせて、シャッターを押す。外国語のメニューを翻訳するときも同じ。カレンダーに予定を追加するときも、手動で入力している。 ScanDoは、この「当たり前」を疑うところから始まった。 カメラを向けるだけでAIが対象を認識し、「次にやりたいこと」を推論して、アクションボタンを1つだけ表示する。ユーザーはそのボタンを押すだけ。それ以外のUIは存在しない。 この記事では、このZero-UIアプリをFlutterで実装した際の技術的なチャレンジと設計判断について共有する。 アーキテクチャ概要 Zero-UIとは何か
スキャン書籍のPDFファイルを電子書籍並みにクリアで読みやすくするAI・高品質化・各種調整ツール「DN_SuperBook_PDF_Converter」
書類や本を自分でスキャンしてPDFファイル化してPCやタブレットで読めるようにする時、画質が低かったり、スキャンの精度が低かったり、インクのにじみや裏写りがあったりして可読性が低下してしまうことがあります。自分で本を裁断してスキャンする「自炊」で用意したPDFファイルを読みやすくするためのツール「DN_SuperBook_PDF_Converter」を、研究者でプログラマーの登大遊氏がAGPL-3.0ライセンスの下で公開しました。 dnobori/DN_SuperBook_PDF_Converter: DN_SuperBook_PDF_Converter - スキャン書籍 PDF をデジタル書籍並みに大変クリアに読みやすくする AI PDF 高品質化・各種調整ツール https://github.com/dnobori/DN_SuperBook_PDF_Converter 登氏は「コンピュ
⚡OCR 革命⚡ Surya で爆速！GitHub Copilot × Agent Skill で OCR 自動化🚀 - Qiita
こんにちは、スクショから文字を抜き出すのが日課のアーキテクトのやまぱんです 😊 補足コメントや質問、いいね、拡散、ぜひお願いします 🥺！ 間違っていたら 優しく 教えてください！ TL;DR Surya は Tesseract の約 2 倍の精度（公式ベンチマーク similarity 0.97 vs 0.88） GPU 対応で高速処理が可能（約 0.6 秒/ページ） pip install surya-ocr だけで導入完了、PyTorch + CUDA で GPU 爆速 🚀 日本語含む 90 言語対応、言語指定も不要（自動検出） GitHub Copilot の Agent Skill として公開中（Agent-Skills） 複雑な PDF 解析なら PaddleOCR も選択肢（109 言語、Apache 2.0） 背景：なぜ今 OCR を見直すのか？ 2023 年頃までは「
LLMによる「非定型見積書の明細抽出タスク」の精度を約80%→約95%に改善した話 - LayerX エンジニアブログ
こんにちは。Ai Workforce事業部 FDEグループエンジニアのkoseiと申します。 以下本文は、以前インターンとして一緒にプロジェクトを進めてくれた @kimu さんが在籍中に執筆したものです（冒頭のみkoseiが追記しています）。 本ブログで紹介したアルゴリズムにより精度が向上し、お客様に高い価値を提供することができました。（本手法については特許出願済み） そこに至るまでの開発の様々な学びが詰まっているので、是非じっくりとお読みください！ はじめに こんにちは！LayerX Ai Workforce 事業部 FDEグループで2025年3月から11月まで約8ヶ月間インターンをしていた@kimuです。インターンでは主にFDE（Forward Deployed Engineer。顧客課題に密着してプロダクト実装まで担うエンジニア）として、生成AIプラットフォーム「Ai Workfor
国立国会図書館のOCRライブラリが凄くよかった件(Windows向け) - Qiita
はじめに 日本語OCR, 有料の業務用ソフトには色々と高性能なものがあるんですが、無料の場合の選択肢は意外に限られてます。最近ではGeminiなどにOCRさせることも試みてますが、縦書きに弱いのが欠点。加えて、私がやっているような著作権が切れた戦前の本のデジタル化の場合、認識率の低い旧字体が多いのが悩みの種。 そこで最近知ったのが、国立国会図書館が公開しているOCRライブラリ、NDLOCRです。国会図書館のデジタル資料（国立国会図書館デジタルコレクション)から全文テキストデータを作成するために開発されたとのこと。 NDLOCRは、現在ver2.1がGithubに公開されています。古い本が多い国会図書館の資料向けに作られているだけあって、旧字体でも高い精度で認識してくれます。今回は、このライブラリを試してみました。基本、Githubサイトに書いてある通りなんですが、いくつか注意すべき点をメモ
外出先でスキャンが捗る「ScanSnap iX110」【ベストバイガジェット2025】 - GeekDays
※本ページはアフィリエイトプログラムによる収益を得ている場合があります ※Marriott Bonvoy アメリカン・エキスプレス提携カードへの誘導は一切ありません この記事は、質（@_0_zero）さん主催の「今年のベストバイガジェット Advent Calendar 2025」の25日目（最終日）の記事です。 昨日は黒ぽん（@kuropon）さんの「Ubiquiti Dream Machine Pro」でした。生活の中でインターネットに触れる時間は一番長いので、ここにこだわるのはやはり自然な流れですよね。 外出先でも使えるモバイルスキャナー「ScanSnap iX110」 2025年のベストバイガジェットは、PFUのモバイルスキャナー「ScanSnap iX110」です。11月に発売したばかりでまだ1カ月も使っていませんが、すでに大活躍しています。 旅行好きかつ異常収集癖持ちである筆者
Power Automate AI Buiderで請求書を読み取るカスタムモデル作成し呼び出す｜OCR
AI Builderで作ったドキュメント処理モデル（OCR）のカスタムモデルを作成し、Power Automateから呼び出してみたので、方法をメモ。 ドキュメント処理モデル AI Builderのドキュメント処理モデルを使用すると、PDFやPNGなどのドキュメントからテキストや数字、日付といった情報を抽出できる。 今回はこのドキュメント処理モデルを使って、請求書の情報を読み取り、その情報をPower Automateから使ってみる。 AI Builder でドキュメント処理カスタム モデルを作成するAI Builder でドキュメント処理モデルを作成する方法について説明します。learn.microsoft.com 対象とする請求書 今回はこの形式の請求書のみを読み取れる（固定フォーマット）モデルを作成。 ここから「請求金額」「支払期日」「商品（複数）」を抽出して、Power Autom
電子も紙も積読を消化する技術 - sasasin’s blog
以前の記事では主に電子書籍の積読を聴いて消化する技術を紹介しました。紙書籍の積読は Kindle 固定レイアウトと絡めて方向性を示した程度でした。 sasasin.hatenablog.com あれから日が経って、電子書籍の積読を消化する技術をもうちょっと整理できたのと、紙書籍の積読も聴き読書により消化する技術を整理できたので、ふたたび紹介します。前回同様「わたしはこうやってる」です。 2行まとめ 電子書籍は、Kindle アシストリーダー、 Android TalkBack、 Android 版 ReadEra Premium で聴く 紙書籍は、裁断してスキャンして画像化するか、非破壊ブックスキャナー vFlat Scan で画像化して、bunkoOCR でテキスト化して、テキストを ReadEra Premium で聴く 電子書籍 Kindle 固定レイアウト以外は読み上げ可能です。
公式アプリ - アーティゾン美術館
＊Android 13以降、iOS 16以降で動作確認しておりますが、お使いの状況や機種により動作しない場合があります。 ＊位置検出機能、Wi-Fi、プッシュ通知機能を使用します。 音声ガイドを利用する際の注意 スマートフォンとイヤホンをお持ちになり、展示室にご入場ください。イヤホンをお持ちでない方は、2階ミュージアムショップで購入可能です。一度3階のセキュリティゲートより入場すると再入場はできません。 必ずイヤホンを装着して音漏れなど周囲の方へご配慮ください。 ナレーターの音声をお聴きいただくには、スマートフォンの位置検出機能をONに設定、館内のゲスト用Wi-Fiに接続が必要です。接続がない場合は、自動音声読み上げになります。 展覧会によっては対応していない場合があります。 音声ガイドは録音禁止です。
自炊オーディオブックを作って聴く - クイックノート
イラスト素材 紙の本からオーディオブックを作成する手順 オーディオブックは運転中や家事中など、他の作業をしながらでも読書ができる便利なツールです。 聴き放題のサブスクリプションサービスもありますが、対象となる本が限定されているのが難点です。 しかし、Kindle版があればスマートフォンの読み上げ機能を使ってオーディオブック風にすることができます（詳細は過去の記事を参照してください）。 clean-copy-of-onenote.hatenablog.com では、Kindle版がなく、紙の本しかない場合にはどうすればよいのでしょうか？ この記事では、紙の本からオーディオブックを作成する一連の手順を紹介します。 流れ 紙の本をスキャンして電子化する 電子化された本を音声合成で読み上げて音声ファイルを作る 音声ファイルを自宅サーバーに配置して再生する 紙の本の電子化 紙の本を電子化する、いわゆ
Flutter で TensorFlow Lite (YOLO & SSD) 動してみた
やったこと Flutter で TensorFlow Lite （SSD, YOLO） を動かしてみました 💪 Github Repository 参考資料 YOLOv5を使ってリアルタイムで物体検出 flutter-tflite example 上記記事を参考させていただき，作成しました （大変参考になりました 🙇） 本実装はこちらの記事を参考に作成しましたので，まずはこちらからご参照ください 本記事では， GPU Delegate Option など +α の部分を特に備忘録としてメモできたらなと思います おおよその性能 (iPhone 15 Pro 動作) ※ 長時間作動させるとフレームレートにばらつきが出てきます YOLOv5 (n model) ... 5 ~ 8 fps SSD Mobilenet v2 ... 40 ~ 60 fps Nativeコードでの開発に比べると，
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GPU不要。国立国会図書館がノートPCで動くOCRソフト公開
GitHub - dnobori/DN_SuperBook_PDF_Converter: DN_SuperBook_PDF_Converter - スキャン書籍 PDF をデジタル書籍並みに大変クリアに読みやすくする AI PDF 高品質化・各種調整ツール
https://support.deepl.com/hc/ja/articles/12320280379676-%E3%83%87%E3%82%B9%E3%82%AF%E3%83%88%E3%83%83%E3%83%97%E3%82%A2%E3%83%97%E3%83%AA%E3%81%A7%E3%81%AE%E7%94%BB%E5%83%8F%E7%BF%BB%E8%A8%B3
mobile_scanner | Flutter package