OCR・文書テキスト化スタジオ
スキャン文書や画像内の文字をブラウザ内だけで解析。元のスキャン品質を維持したまま、透明テキストレイヤーを配置した検索可能PDFへの変換、認識結果の校正・修正、構造化データ出力を完全ローカルで実行します。
- サーバー送信ゼロ（完全ローカル実行）
- 不可視テキスト層付き検索可能PDF生成
- PDF.js自動検証＆検索ラウンドトリップ
- 画像前処理（傾き補正・二値化・シャープ）
- 数字誤認・日付・URL・個人情報候補の検出
ここにJPG・PNG・WebP・PDFをドラッグ＆ドロップ
Supports PDF, JPG, PNG, and WEBP. Multi-page PDFs will be inspected and rendered locally.
「OCR・文書テキスト化スタジオ」について
紙書類をスキャンしたPDFや撮影画像は、そのままでは文字の検索、コピー、抽出ができません。多くのオンラインOCRサービスでは機密文書や個人情報を含む書類が外部サーバーへアップロードされるリスクが伴います。
Solasuの「OCR・文書テキスト化スタジオ」は、外部サーバーへの通信を一切行わず、お使いのブラウザ内（WebAssembly / Web Worker）だけで完結する完全クライアントサイドの文書認識・検索可能PDF変換スタジオです。
単にテキストを抽出するだけでなく、元のレイアウト座標（Bounding Box）に基づき、不可視のテキストレイヤーを元画像上に精密に重ね合わせた「Searchable PDF」を生成。さらに認識結果の信頼度（Confidence）の可視化、低信頼度箇所の強調表示、ユーザーによる直接校正、数字・日付・個人情報候補の検出、黒塗りマスク処理まで、実務に必要なワークフローを1画面で提供します。
完全ローカル・ゼロネットワークによる情報漏洩防止
読み込んだ画像ファイルやPDFファイルは、1バイトも外部サーバーに送信されません。OCRエンジン、言語モデル、WASMランタイムはすべてローカル環境に同梱されており、実行時に外部CDNからの動的ダウンロードも行いません。
処理中のデータはブラウザのメモリ内でのみ保持され、localStorage、IndexedDB、Cookie、OPFSなどの永続ストレージへの保存も一切行いません。タブを閉じるとすべてのデータは完全に消滅します。
元の見た目を維持した検索可能PDF（Searchable PDF）の生成
スキャン画像自体の解像度や質感を劣化させることなく、認識された文字情報を用紙の同一座標に不可視テキスト（透明フォント）として配置します。
完成したPDFは、一般的なPDFリーダー（Adobe Acrobat、Chrome、Previewなど）で開いた際に通常のスキャン文書に見えながら、テキストの範囲選択、コピー、全文検索（Ctrl+F / Cmd+F）が可能になります。
テキストPDF・画像PDF・混在PDFの自動判定と選択的OCR
複数ページのPDFを読み込んだ場合、ページごとに既存のテキストレイヤーが存在するか、スキャン画像のみで構成されているかを自動的に検出・分類します。
すでにデジタルテキストが存在するページを無駄に再認識することなく、スキャンされた画像ページのみを選択して効率的にOCR処理を実行できます。
画像前処理による認識精度の向上
かすれ、傾き、コントラスト不足のあるスキャン画像に対し、グレースケール化、明るさ・コントラスト調整、適応型二値化（大津の二値化）、シャープ化、ノイズ除去、回転補正、自動傾き補正（デスクュー）を提供します。
前処理の適用前と適用後のプレビューを並べて比較確認しながら、最適な画像状態でOCRエンジンへ渡すことができます。
認識結果の客観的検証と多彩な構造化エクスポート
生成された検索可能PDFは、内部のPDF.js検証エンジンによって即座に再読み込みされ、テキストレイヤーが正しく埋め込まれているかを自動検証します。
校正後のテキストは、検索可能PDFのほか、プレーンテキスト（TXT）、Markdown、座標と信頼度を含む構造化JSON、CSVインジェクション対策済みCSV、単一HTMLファイル、監査レポートPDFとして自在に出力可能です。
よくある質問（FAQ）
OCRとは何ですか？どのような仕組みで動きますか？
OCR（Optical Character Recognition：光学文字認識）は、画像やスキャン文書に含まれる文字の形状を解析し、コンピュータが扱えるテキストデータに変換する技術です。本ツールではオープンソースのTesseract OCRエンジンをWebAssemblyにコンパイルし、ブラウザ内で直接実行しています。
画像ファイルはどのような形式に対応していますか？
JPEG（.jpg, .jpeg）、PNG（.png）、WebP（.webp）などの主要な画像形式に対応しています。高解像度のスキャン画像でもブラウザ内で安全に読み込んで処理できます。
PDFのOCR処理はどのように行われますか？
PDFファイルを直接OCRエンジンへ渡すのではなく、ブラウザ内のPDF.jsレンダリングエンジンを用いて各ページを高解像度のCanvas画像に展開し、その画像に対してOCRを実行した上で、元の見た目を保った検索可能PDFを再構成します。
スキャンした紙のPDFと、最初から文字が入っているPDFはどう違いますか？
最初から作成されたPDF（テキストPDF）には文字コードが埋め込まれていますが、複合機等でスキャンしたPDF（画像PDF）は単なる写真の集まりであり、文字の検索やコピーができません。本ツールはこれを自動判定し、画像PDFに対して透明なテキスト層を付加します。
「検索可能PDF（Searchable PDF）」とは何ですか？
元のスキャン画像の真上に、同じ文字・同じ位置・同じ大きさで不可視（透明）のテキストレイヤーを重ね合わせたPDFです。見た目は元の紙文書の風合いを100%保ったまま、文字検索や範囲選択・コピーが可能になります。
OCRテキストレイヤーの文字位置はどのように決められますか？
OCRエンジンが検出した各単語や行の外接矩形（Bounding Box：x座標、y座標、幅、高さ）をPDFの用紙座標系（ポイント単位）へ正確にスケーリング変換し、元画像上の文字の真上に配置します。
「OCR信頼度（Confidence）」とは何ですか？精度100%は保証されますか？
OCRエンジンが文字パターンと辞書の一致度合いに基づいて算出した数値（0〜100）です。本ツールでは独自の「正解率」への誇張変換を行わず、エンジンが報告した客観的な数値をそのまま表示します。なお、印刷品質やフォントによって誤認識が生じる可能性があるため、いかなる場合も100%の精度は保証されません。
低信頼度（Possible OCR uncertainty）の箇所はどう扱われますか？
信頼度が一定基準（60未満）の領域は「文字認識が不確実な候補」としてハイライト表示されます。「誤り」と断定するのではなく、人間が目視で確認・校正すべき箇所として提示します。
認識された文字に誤りがあった場合、修正できますか？
はい。画面上のテキスト一覧またはサイドバイサイドの校正エディタから、誤認識された文字を直接キーボードで編集・修正できます。修正したテキストは、出力される検索可能PDFやテキストファイルへ即座に反映されます。
画像前処理（傾き補正や二値化）はなぜ必要なのですか？
書類のスキャン時に生じる微細な傾き（スキュー）や影、裏写り、低コントラストは認識率を大きく低下させます。グレースケール化、コントラスト調整、大津の二値化、自動デスクューを適用することで、文字の輪郭が明瞭になり認識精度が向上します。
PDFのレンダリングDPIはどのように選べばよいですか？
通常は150〜200 DPIで十分な認識精度が得られます。小さなフォントや細かい文字が含まれる場合は300 DPIを選択できます。ただし、高DPIほどメモリ消費量と処理時間が増加します。
日本語の縦書き文書には対応していますか？
本ツールのOCRエンジンは標準的な横書き文書に最適化されています。縦書き文書については行の分離や読み順の推定が難しいため、限定的な対応（一部不完全な結果になる可能性）となります。
手書き文字は正確に認識できますか？
一般的な活字（印刷文字）向けに最適化されているため、手書き文字の認識精度は限定的です。「手書き文字に完全対応」とは保証しておりませんので、認識結果を目視でご確認・校正してください。
表や2段組レイアウトの文書は復元できますか？
テキスト行の座標から表らしい領域（Table candidate）や多段組み（Multi-column candidate）を客観的に検出しますが、完全なExcel表構造や複雑なDTPレイアウトの完全復元を保証するものではありません。
数字の「0」と英字の「O」などの誤認は検出できますか？
はい。英数字コード内で混同しやすい「0 / O」「1 / I / l」「5 / S」「8 / B」などの文字列を「誤認の可能性がある候補（Numeric ambiguity）」として自動検出し、注意を促します。
機密情報や個人情報のマスキング（黒塗り）は可能ですか？
はい。検出された文字列を「[REDACTED]」に置換できるほか、エクスポートコピーにおいて元画像上の該当領域を完全に塗りつぶし、不可視テキストも除去した状態で安全に出力できます。
アップロードした書類が外部に送信されたり保存されたりしませんか？
一切送信されません。本ツールは外部API通信ゼロ、クラウド保存ゼロの完全クライアントサイド設計です。端末内のブラウザメモリだけで完結し、localStorageやCookieにも保存しません。
オフライン（インターネット接続なし）でも利用できますか？
はい。必要なJavaScript、WebAssembly、言語モデル（Tessdata）はすべてサイト自体に内包されており、実行時に外部CDNへの通信を行わないため、ネットワーク遮断環境でも動作します。
UIの言語とOCRの認識言語を別々に選べますか？
はい。操作画面の言語（日本語、英語など）に関係なく、文書に書かれている言語（日本語、英語、簡体字中国語、ドイツ語、フランス語、スペイン語、アラビア語、ロシア語、ヒンディー語、ポルトガル語）を自由に選択できます。
生成された検索可能PDFの品質はどのように検証されますか？
PDF出力後、ブラウザ内の検証エンジン（pdfjs-dist）を用いて生成ファイルを即座に再パースし、ページ数の一致、不可視テキスト層の存在、抽出テキストの包含関係を自動的に検査・確認します。
スマートフォンのブラウザでも利用できますか？
はい。レスポンシブデザインに対応しており、スマートフォンやタブレットのブラウザでも画面を上下にスタックしてプレビューや校正が行えます。ただし、大量ページの処理にはPC環境を推奨します。
大量ページのPDFを処理する場合のメモリ制限はありますか？
全ページを一度にメモリへ展開せず、1ページずつ「描画→OCR→テキスト保持→画像解放」を行う省メモリ設計を採用しています。安全のため、1ファイルあたり最大100ページ、50MBまでの制限を設けています。