スキャンPDFからテキスト抽出 — ブラウザ完結の無料OCR

スキャンPDFは本質的に紙の写真です — テキストは見えますが、選択や検索、コピーはできません。利用可能にするにはOCR（光学文字認識）が必要です。多くのオンラインOCRツールはアップロードとアカウントを要求します。完全にブラウザで無料OCRを行う方法を紹介します。

OCRが実際に行うこと

OCRは各ページ画像をスキャンし、文字の形状を識別して実際のUnicodeテキストに変換します。元のレイアウトは保持され、結果はスキャンのように見えますが、下層には検索可能なテキストがあります。10ページのスキャンはCPUによって10〜30秒で処理されます。

ブラウザOCRがクラウドOCRより優れる理由

クラウドOCRサービス（無料を含む）はスキャン文書をサーバーにアップロードします。スキャンに身分証、税務書類、契約書が含まれていれば、第三者と共有したことになります。ブラウザOCRは認識エンジン（WebAssemblyにコンパイルされたTesseract.js）を完全にデバイス上で実行します — ファイルはブラウザを離れません。

ブラウザでスキャンPDFをOCRする方法

OCRツールを開き、スキャンPDFをドロップし、文書言語（日本語、英語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語、オランダ語、ポーランド語、韓国語、ヒンディー語、アラビア語、中国語、その他90+）を選び、処理をクリックします。出力はダウンロード可能な検索可能PDFです。任意のPDFビューアで開きCtrl+Fで検索できます。