機密文書ほど方法が重要な理由
OCRは、画像に閉じ込められたテキスト — スキャンした契約書、領収書、ホワイトボードの写真 — を、検索・編集できるテキストに変換します。問題は、ほとんどの無料オンラインOCRがその処理のために文書をサーバーにアップロードすることで、医療記録・税務書類・身分証にはまさに避けたいことです。このガイドでは、完全にブラウザ内で安全に処理します。(なぜクラウドOCRが危険なのか、どんな文書がアップロードに特に敏感なのかについては、OCRのプライバシーリスクに関するLearnの記事をご覧ください。)
避けるべきたった一つのリスク: アップロード
すべてのクラウドOCRサービスは同じ根本リスクを共有しています — 文書が端末を離れるということです。約束された「即時削除」は独立して検証できず、送信は傍受される可能性があり、一部の無料サービスはアップロードされた文書を堂々とAIの学習データに再利用しています。対策はより良いプライバシーポリシーではなく、そもそもアップロードしないことです。
安全にテキストを抽出する方法 — ステップごとに
1. SafeOCRを開きます — Tesseract.jsエンジンがブラウザのタブに読み込まれ、何もアップロードされません。 2. 画像をドラッグして追加します(一度に最大10枚)。 3. 文書の主要言語と品質モードを選びます — きれいな印刷物にはFast、手書きや状態の悪いスキャンにはPrecise。 4. 前処理(グレースケール化、コントラスト、傾き補正)とテキスト認識をタブ内で進めさせます。 5. エディターで誤認識された文字を確認・修正します。 6. 検索可能なPDF、Excel、またはプレーンテキストとして書き出すか、クリップボードに直接コピーします。 何も端末を離れていないことは、ブラウザの開発者ツールを開いてネットワークタブを見れば証明できます: 全工程を通じてファイルのアップロード要求は一つも現れません。
OCR精度を高める5つのヒント
- 高解像度の画像を使いましょう。スキャン解像度は最低でも300DPIを推奨します。解像度が高いほど、小さなテキストであっても正確に認識されやすくなります。
- 文書をまっすぐに保ちましょう。SafeOCRの自動傾き補正機能も役立ちますが、それでも最初からきちんと整列した原稿を使ったほうが、常により良い認識結果が得られます。
- 均一な照明を確保しましょう。影や光の反射は、認識の精度を下げてしまう原因になります。フラットベッドスキャナーを使うか、あるいは自然な拡散光の下で文書を撮影するのがおすすめです。
- 用途に合った品質モードを選びましょう。きれいに印刷された文書であれば「高速」モードで十分ですが、手書きの文書や品質の低い文書には「精密」モードを使ったほうが、より良い結果が得られます。
- 正しい言語を選択しましょう。文書の主要な言語をあらかじめ指定することで、認識エンジンが最適化されたモデルを使えるようになり、精度が大幅に向上します。
対応形式とエクスポートオプション
SafeOCRは、JPEG、PNG、BMP、TIFF、WebPといった画像形式に対応しています。一度に最大10枚までの画像を処理でき、1ファイルあたりのサイズは最大20MBまで対応しています。 エクスポート形式は、4種類が用意されています：検索可能なPDF（Ctrl+Fでテキスト検索が可能）、Excel形式のXLSX（表を自動で検出・変換）、プレーンテキストのTXT、そしてクリップボードへの直接コピーです。 さらに100を超える言語に対応しており、英語、日本語、韓国語、中国語、アラビア語といった主要な言語においては、特に高い認識精度を発揮します。