OCRかAIか：文書の文字を抽出して結果を確かめる
文字を抽出することと、文書を理解することは別の作業です。OCRは画像内の文字を認識します。生成AIは文章を整理したり、説明したり、関係を推測したりできます。原本を残さずに処理を組み合わせると、印刷されていた文章とAIが補った文章を区別しにくくなります。記録用の文書では、まず原文に忠実な文字起こしを行い、ページと照合してください。
1分でファイルを確認する
数字やアクセント記号を含む行を選択してコピーできるか試します。コピーできる場合はページ上の文字と照合します。できない場合は、影、傾き、表の境界、切れた単語がないか画像を確認してください。目で読める写真でも、コントラストのむらで認識が難しいことがあります。
Tesseractのドキュメントでは、解像度、ノイズ、余白、傾きなどがOCRに影響すると説明されています。入力画像を整えるのは有効ですが、画像を人工的に拡大しても撮影されていない文字は戻りません。画質の悪い画像を何度も処理するより、照明を整えて撮り直す方が役立つ場合があります。
コピーを準備し、原本を保管する
ページ全体を均一な光で撮影し、拡大して最小の文字が読めるか確かめます。行を水平にし、文書の外側だけを切り取ります。見出し、注記、ページ番号を残してください。コピーにOCRをかけ、結果を原本と比較します。
ConverteArqの画像の回転と切り抜きツールはコピーの準備に使えますが、OCRは行いません。ページ写真だけで作られたPDFは、認識ソフトが文字レイヤーを作るまでは画像のままです。
小さな例で重要な誤りを見つける
架空の例：コード AB-0018、数量 10 個、単価 R$ 12,50、注記「ロット未承認」。数字の0と英字O、1と小文字l、小数点のカンマとピリオドを確認します。「未承認」が「承認済み」に変わると、短い語が消えただけでも意味が逆になります。
誤字だけでなく、否定表現、句読点、識別コード、日付、金額も確認してください。自然に見える修正でも誤りの可能性があります。
文字起こしの後にAIを使う場合は範囲を決める
OCRの後、AIは項目の整理、繰り返しラベルの検出、略語の意味の候補提示に役立つことがあります。原文と変換後の内容を分けるよう指示します。略語の展開は文脈で確認するまで解釈として扱ってください。
たとえば「この文字起こしを項目別に整理してください。元の値を保持し、コードを修正したり不確かな文字を補ったりしないでください。読めない箇所は[判読不能]と記載し、修正候補は適用せず別に列挙してください」と伝えられます。AB-0018が一般的なコードに置き換えられたら変更を退け、正確な転記とは別に保存してください。
表は認識した値だけでなく位置も確認する
OCRは数字をすべて認識しても、行と列の対応を失うことがあります。各値を見出しと照合し、脚注が別の行に付いていないか、空欄が0になっていないか確認してください。表計算ソフトに取り込む前に別途検証します。PDFからCSVへの変換ガイド（ポルトガル語）で確認方法を説明しています。
結果を後から確認できる形で残す
元ファイル名、処理したページ、不確かな項目を添えて文字起こしを保存します。履歴のない「修正版」で原本を置き換えないでください。行単位のテキスト比較ツール（ポルトガル語）は2つのテキストの差を見つけますが、画像と文字を照合したり、正確さを保証したりするものではありません。
必要な確認の深さは用途によって異なります。検索可能な文書を作る場合と、表に数値を取り込む場合では確認点が違います。先に用途を決めると、重要な数字を見落としたまま不要な書式だけを直すことを避けられます。
よくある質問
AIはOCRの代わりになりますか？
役割が異なります。OCRは画像上の文字を認識し、AIは内容を解釈・整理する場合があります。原本を残し、変更や推測を確認してください。
OCRで不鮮明な写真を直せますか？
一部の文字を認識できる場合はありますが、欠けたりぼやけたり切れたりした文字は、その画像だけでは確認できません。可能なら撮影し直し、不確かな箇所を明記してください。
検索可能なPDFなら文字は正確ですか？
いいえ。認識誤りや、ページと異なる読み順が残ることがあります。重要な情報は原本と照合してください。