CRYPTO & AI
無料で登録
AI

【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと

紙の書類やスキャンしたPDFから文字を取り出す OCR(光学文字認識、Optical Character Recognition)の仕組みを、従来のやり方と、画像と文章を一緒に扱う AI のモデルによるやり方の違いとあわせて整理します。

【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと

Daniel van Strien 氏は11/18のブログで、2025年4月〜2026年10月に公開された8つのオープンな OCR モデルを、同じ850ページ・同じ GPU で動かした結果を公開しました。最も新しいモデルの費用は最も古いモデルの約5分の1でしたが、同氏は「モデルはその理由の一部にすぎない」とも書いています。

OCR 自体は古くからある技術ですが、2025年以降に公開が続く OCR モデルは中身が従来とかなり違い、何が変わったのかは名前からは見えにくいところです。この記事では、OCR の基本と、AI のモデルになって変わった点・注意したい点を整理します。

TOPICS

DEBUNK編集長