OCR PDF
スキャン文書から検索可能なテキストを取り出します。
ガイドとFAQ
このツールについて
スキャンPDFと画像のみ文書を検索・コピー可能に – ページをクラウドOCRファームへ送らずブラウザ内Tesseract.jsで文字認識。言語を選びローカル実行し、見えるスキャンに合わせた隠しテキスト層付きPDFをDL。無料、アカウント不要。アーカイブ契約、行政フォーム、Ctrl+F・コピー・後続PDF→Wordに不可欠な研究PDF向け。
What you get
- 出力：各ページ上に不可視テキスト層 – Acrobat、Preview、ブラウザで検索・コピー可。
- エンジン：WebAssemblyでローカル動作するTesseract LSTM – 既定で第三者OCR APIなし。
- 言語：+で複数言語パック結合 – 精度は各スクリプトの学習データ依存。
- 見た目：ページはスキャンのまま – OCRは自動で傾き余白を清書・再組版しない。
- 手書き：草書・署名は通常失敗または部分 – 活字印刷が最良。
- 制限：300 dpi大スキャンは古いノートPCで時間 – 薄い文字・ノイズ多で精度低下。
使いどころ
- 大量紙アーカイブを外部OCRベンダーへ送らず検索可能に。
- 生デジタル文字がないスキャン契約をPDF→Word前に準備。
- 技術的には画像の政府PDFからコピー可能に。
- 印刷議事録スキャンを社内ナレッジベースで索引。
Why JoyPDF for this
クラウドOCRは署名、口座番号、機密段落を含む全ページをリモート認識へアップロード。JoyPDF OCRはブラウザ内完結：処理中ピクセルと認識文字列は端末に。サーバーが言語を推測させず明示選択。GDPR、法律特権、外向き転送禁止のワークフロー向け。
使い方
- 1スキャンPDFを追加ファイルをドロップまたは選択 – ページはローカル読み込み、サーバーOCRキューなし。
- 2OCR言語を選択認識言語を選択 – 例：英語、ポーランド語、または英語+ポーランド語の二言語スキャン。
- 3認識を実行JoyPDFが端末で各ページ処理 – OCRはCPU集約的でページごと進捗表示。
- 4検索可能PDFをダウンロードOCR済みファイルを保存 – 見た目はスキャンに近く、下に選択・検索可能テキスト。
よくある質問
JoyPDF OCRはどの言語に対応？
JoyPDFは選択するTesseract言語パック – ラテンスクリプト（英語、ポーランド語、ドイツ語、フランス語、スペイン語等）と利用可能traineddataによる他多数。二言語文書は+で結合、例pol+eng。誤った言語選択は文字化け – UIロケールではなく文書に合わせる。稀なスクリプトや混在縦書きはJoyPDF結果が悪ければ専門デスクトップOCR。DL言語データはブラウザセッションに読み込み – PDFと一緒に送り返されません。.共有PCではダウンロード後にタブを閉じ、セキュリティポリシーに従ってダウンロードフォルダを空にしてください。処理はすべてブラウザ内でローカルに行われます - ファイルがJoyPDFサーバーに送られることはありません。
ブラウザOCRはAdobeと比べ精度は？
200–300 dpiのきれいな事務スキャンで活字横書きは高精度 – 検索と大まかコピーに十分なこと多い。傾いたスマホ写真、文字上押印、罫線表、脚注はどのエンジンも精度低下。JoyPDFは重要条項の人力再入力には勝てません – 法務・医療文字列は必ず spot-check。AdobeクラウドOCRは難レイアウトで上回ることもあるがアップロード必須。大量アーカイブの内部検索可能性ならローカルOCRのプライバシートレードオフが勝つことが多い。.共有PCではダウンロード後にタブを閉じ、セキュリティポリシーに従ってダウンロードフォルダを空にしてください。処理はすべてブラウザ内でローカルに行われます - ファイルがJoyPDFサーバーに送られることはありません。
OCRでPDFの見た目は変わりますか？
スキャン画像が可視層のまま – OCRは下に不可視テキスト層を追加し検索・選択用。OCR文字をビューアが強調しない限りページ自体のフォント差し替えは見えないはず。埋め込みテキストストリームでファイルサイズはやや増加。きれいに再入力文書が必要ならOCR後PDF→Word – OCR単体でスキャン視覚置換は期待しない。OCR後墨消しはPDF墨消し – OCRは敏感ピクセルを除去しない。. ブラウザの開発者ツールのネットワークタブを確認してください。読み込まれるのはアプリのリソースだけで、ドキュメントではありません。 共有PCではダウンロード後にタブを閉じ、セキュリティポリシーに従ってダウンロードフォルダを空にしてください。.
OCR中スキャンPDFはアップロードされますか？
いいえ。Tesseract.js WebAssemblyでローカル認識。ページ画像は端末メモリで処理 – JoyPDFサーバーはOCR用に文書バイトを受け取らない。言語モデルはWASM依存同様CDNから – 文書内容ではない。コンプライアンスならネットワークツールで証明。共有マシンではOCR出力にPIIがテキスト層に含まれ得るので出力後タブを閉じる。.共有PCではダウンロード後にタブを閉じ、セキュリティポリシーに従ってダウンロードフォルダを空にしてください。処理はすべてブラウザ内でローカルに行われます - ファイルがJoyPDFサーバーに送られることはありません。
OCR後Wordに変換できますか？
はい – 一般的パイプライン。スキャンPDFはOCRまでPDF→Wordに構造不足。先にOCR PDFで検索可能文字、次PDF→Wordで編集段落 – またはPDF→WordでOCR先行オプション。二重OCRは稀に助けない。チェックボックスフォームはWordで手直し前提。検索だけならWord変換なしでOCRのみ十分。. ブラウザの開発者ツールのネットワークタブを確認してください。読み込まれるのはアプリのリソースだけで、ドキュメントではありません。 共有PCではダウンロード後にタブを閉じ、セキュリティポリシーに従ってダウンロードフォルダを空にしてください。.
OCRが遅いのはなぜ？
OCRはCPU heavy：各ページをスキャンに埋め込んだ解像度で解析。300 dpi 200ページの本は古いノートPCで数十分 – 正常でバグではない。RAMのため他タブを閉じる。タブクラッシュならPDF分割して章ごとOCR。進捗はページごと。再試行より高速HW。巨大アーカイブはスマホより一晩デスクトップバッチ。. ブラウザの開発者ツールのネットワークタブを確認してください。読み込まれるのはアプリのリソースだけで、ドキュメントではありません。 共有PCではダウンロード後にタブを閉じ、セキュリティポリシーに従ってダウンロードフォルダを空にしてください。.