画像からテキストへの使用方法 - 完全なOCRガイド

「画像からテキストへ」機能の包括的なガイドへようこそ。この強力なOCR(光学文字認識)ツールは、翻訳なしで画像からテキストを抽出できます。文字起こし、データ入力、テキストのデジタル化作業に最適です。

概要

「画像からテキストへ」機能は、画像から読み取り可能なテキストを迅速かつ正確に抽出する必要があるユーザー向けに設計されています。翻訳機能とは異なり、このツールはGoogleの高度なGemini AIモデルを活用した純粋なテキスト抽出に焦点を当てており、複数の言語をサポートし、品質と予算のニーズに基づいて柔軟なモデル選択を提供します。

主な機能の概要

• 高度なOCR技術: Google Gemini AIモデルによる高精度な処理
• 多言語サポート: Geminiモデルがサポートするあらゆる言語でテキストを抽出
• 3段階のモデル選択: Flash Lite、Flash、Proモデルで品質とコストを選択可能
• 柔軟なクレジット価格: モデル選択に応じて1枚あたり1〜3クレジット
• 複数のアップロード方法: ドラッグ&ドロップまたはファイルブラウザでアップロード
• 即座の結果: 詳細な統計情報と高速なテキスト抽出
• クリップボードへコピー: ワンクリックで抽出されたテキストをコピー
• 処理メタデータ: OCRの信頼度とパフォーマンスに関する詳細情報

---

モデルオプションについて

テキストを抽出する前に、利用可能な3つのGeminiモデルとそれぞれの使用場面を理解することが重要です:

モデル比較

それぞれのモデルを選択すべき場面

Flash Lite(1クレジット):

• クリーンな背景上のタイプされたテキスト
• レシートやシンプルなフォーム
• 道路標識や基本的なラベル
• コスト効率が優先される場合
• 重要でないタスクの迅速なテキスト抽出

Flash(2クレジット) - 推奨デフォルト:

• 混合コンテンツ(テキスト+画像)
• フォーマットされた文書
• 製品ラベルやパッケージ
• ほとんどの一般的なOCRタスク
• 品質とコストのバランス

Pro(3クレジット):

• 手書きテキスト
• 複雑な多段組レイアウト
• 低品質またはぼやけた画像
• 小さいフォントの密集したテキスト
• 重要な精度要件

---

ステップバイステップの使用ガイド

ステップ1: OCR設定の構成

最初のステップカードでは、言語とモデルの設定を構成できます。

1.1 出力言語の選択

アイコン: 言語アイコン

目的: 抽出されたテキスト出力の言語を選択します

使用方法:

1. 「出力言語」ドロップダウンをクリックします
2. 利用可能な言語を閲覧します
3. 希望する言語を選択します

重要な注意事項:

• 出力言語はウェブサイトのロケール設定と自動的に同期されます
• 手動でこの選択を上書きすることができます
• 出力言語はテキストのフォーマットと表示方法を決定します
• これはテキストを翻訳するものではありません - テキストのフォーマットにのみ影響します

利用可能な出力言語(16言語):

• アラビア語(ar)
• ドイツ語(de)
• 英語(en)
• スペイン語(es)
• フランス語(fr)
• イタリア語(it)
• 日本語(ja)
• 韓国語(ko)
• ポーランド語(pl)
• ポルトガル語(pt)
• ロシア語(ru)
• 中国語(zh)
• その他多数...

1.2 OCRモデルの選択

アイコン: モデル情報付きSparklesアイコン

目的: ニーズに最適なAIモデルを選択します

使用方法:

1. カードとして表示される3つのモデルオプションを確認します
2. 各カードには以下が表示されます:
   • モデル名: Gemini 2.5 Flash Lite / Flash / Pro
   • クレジットコスト: 1枚あたり1、2、または3クレジット
   • 速度インジケーター: 高速、より高速、最速
   • 品質インジケーター: 良好、より良好、最高
3. カードをクリックして希望するモデルを選択します
4. 選択したモデルは青い枠線でハイライト表示されます
5. クレジットコストが明確に表示されます

モデル選択のヒント:

• Flashから始める: 中間層(2クレジット)はほとんどの用途に対応します
• Proにアップグレード: 精度が重要な場合や画像品質が低い場合
• Flash Liteにダウングレード: クリーンな背景上のシンプルで明瞭なテキスト
• まずテスト: 1枚の画像でFlash Liteを試して品質が要件を満たすか確認します

クレジットコスト表示:

• モデルカードの下にクレジットコスト(例:「2クレジット/枚」)が表示されます
• モデル選択を変更するとリアルタイムで更新されます
• 処理前にクレジット使用量を予算化するのに役立ちます

モデル設定の保存:

• モデル選択はブラウザのローカルストレージに保存されます
• 次回訪問時には、選択したモデルが事前選択されています
• 出力言語は常にウェブサイトのロケールと同期します(保存されません)

---

ステップ2: 画像のアップロード

2番目のステップカードでは、画像をアップロードするための柔軟なオプションが提供されます。

2.1 アップロード方法

方法A: ドラッグ&ドロップ(推奨)

アイコン: アップロードアイコン

最速の画像アップロード方法:

1. 画像を選択:

   • ファイルエクスプローラーを開きます
   • テキストを抽出したい画像ファイルを見つけます
   • ファイルをアップロードエリアにドラッグします

2. ドロップゾーンの動作:

   • ファイルをドラッグするとアップロードエリアがハイライト表示されます
   • ファイルをドロップして追加します
   • ファイルは即座に検証され、プレビューが表示されます

ヒント: ドラッグ&ドロップエリアは大きく、簡単にターゲットできます。

方法B: クリックして参照

アイコン: アップロードアイコン

従来のファイル選択方法:

1. アップロードエリア内の任意の場所をクリックします
2. ファイルブラウザが開きます
3. 画像ファイルに移動します
4. 「開く」をクリックしてアップロードします

アップロード制約

• 最大ファイルサイズ: 1枚あたり7MB
• ファイル形式: PNG、JPG、JPEG、WebP、HEIC、HEIF
• 単一画像: 一度に1枚の画像(バッチ処理なし)

エラー処理:

• サポートされていない形式は明確なエラーメッセージとともに拒否されます
• サイズ超過のファイルはサイズ情報と最大許容サイズが表示されます
• ファイル検証はアップロード前に行われます

形式に関する注意事項:

• HEIC/HEIFサポート: iOS写真がサポートされています
• WebP推奨: 最高の圧縮率を持つ最新形式
• JPG/PNG: 普遍的な互換性

---

ステップ3: アップロードプレビューの確認

アップロード後、画像のプレビューとファイル情報が表示されます。

3.1 プレビューカード

表示内容:

1. 画像サムネイル: アップロードされた画像のビジュアルプレビュー
2. ファイル名: アップロードされたファイルの名前
3. ファイルサイズ: MBでのサイズ(例:「3.45 MB」)
4. 形式バッジ: ファイルタイプインジケーター

3.2 画像の置き換え

アイコン: X(閉じる)ボタン

使用方法:

1. プレビューの右上隅にあるXボタンをクリックします
2. 画像が削除されます
3. アップロードエリアが再表示されます
4. 必要に応じて別の画像をアップロードします

使用例: 誤ったファイルをアップロードした場合や、別の画像を試したい場合に画像を置き換えます。

---

ステップ4: テキスト抽出の開始

画像がアップロードされ、設定が構成されたら、テキストを抽出します。

4.1 OCR処理の開始

ボタン: Sparklesアイコン付き「OCR開始」

使用方法:

1. 以下を確認します:

   • 出力言語が選択されている
   • OCRモデル(Flash、Flash Lite、またはPro)が選択されている
   • 画像がアップロードされている

2. ボタンの下に表示されるクレジットコストを確認します:

   • 選択したモデルに基づいてクレジット数が表示されます
   • 例: Flashモデルの場合「2クレジット/枚」

3. 「OCR開始」ボタンをクリックします

4. 処理フロー:

   ステージ1 - 画像のアップロード(2〜5秒)

   • 画像がクラウドストレージに安全にアップロードされます
   • 進行状況インジケーターがアップロード状況を表示します
   • ボタンのテキストがローダーアニメーション付きの「アップロード中...」に変わります

   ステージ2 - AIによる処理(5〜15秒)

   • Gemini AIモデルが画像を分析します
   • テキスト領域が検出され、抽出されます
   • レイアウトとフォーマットが保持されます
   • ボタンのテキストがローダーアニメーション付きの「処理中...」と表示されます

処理時間:

• Flash Lite: 5〜8秒(最速)
• Flash: 8〜12秒(中程度)
• Pro: 10〜15秒(最も徹底的)

クレジット使用量: 各OCR操作はモデルに基づいて1〜3クレジットを消費します:

• Flash Lite: 1クレジット
• Flash: 2クレジット
• Pro: 3クレジット

処理中に行われること:

1. 画像が安全なR2ストレージにアップロードされます
2. Gemini AIモデルが画像を受信します
3. OCR分析がテキスト領域を検出します
4. テキストが信頼度スコアとともに抽出されます
5. 結果がフォーマットされて返されます
6. 結果ビューにリダイレクトされます

---

ステップ5: 抽出されたテキスト結果の表示

処理が完了すると、抽出されたテキストと詳細な統計情報を含む包括的な結果ビューが表示されます。

5.1 抽出されたテキストの表示

メインコンテンツエリア:

カード要素:

1. 抽出されたテキストボックス:

   • 明瞭なタイポグラフィの白い背景
   • 正確なテキスト表現のための等幅フォント
   • 長いテキストコンテンツのスクロール有効化
   • 改行とスペースの保持
   • 読み取り専用のテキストエリア

2. テキスト情報:

   • 文字数: 抽出された文字の総数
   • 単語数: 単語の総数(スペース区切り)
   • 行数: 行の総数

テキストフォーマット:

• 元の改行が保持されます
• 可能な限りスペースとインデントが維持されます
• 多段組レイアウトは線形テキストに変換されます
• テキストの方向が尊重されます(LTR/RTL)

5.2 処理統計

アイコン: 時計アイコン、星アイコン、バッジアイコン

表示される指標:

1. 処理時間:

   • アイコン: 時計
   • OCRにかかった時間を表示(例:「3.2秒」)
   • シンプルな画像ではより短い時間

2. 使用されたモデル:

   • アイコン: Sparkles
   • 画像を処理したGeminiモデルを表示
   • 例:「Gemini 2.5 Flash」

3. 出力言語:

   • アイコン: 言語
   • 選択された出力言語を表示
   • 例:「English」または「日本語」

4. 使用されたクレジット:

   • アイコン: 星
   • この操作のクレジットコストを表示
   • 例: Flashモデルの場合「2クレジット」

追加メタデータ(利用可能な場合):

• OCR信頼度スコア
• 検出されたテキスト領域の数
• 処理された画像の寸法

---

ステップ6: 結果に対するアクション

6.1 抽出されたテキストのコピー

ボタン: コピーアイコン付き「テキストをコピー」

使用方法:

1. 「テキストをコピー」ボタンをクリックします
2. すべての抽出されたテキストがクリップボードにコピーされます
3. ボタンのテキストがチェックマークアイコン付きの「コピーしました!」に変わります
4. 2秒後に「テキストをコピー」に戻ります
5. 必要な場所にテキストを貼り付けます(Ctrl+VまたはCmd+V)

使用例:

• ドキュメント(Word、Google Docs、Notion)に貼り付け
• データ入力用にスプレッドシートにインポート
• 翻訳ツールに転送
• テキストファイルに保存
• メールやメッセージングアプリで送信

キーボードショートカット: Ctrl+C(Windows)またはCmd+C(Mac)を使用してテキストを手動で選択してコピーすることもできます

6.2 元の画像のダウンロード

ボタン: ダウンロードアイコン付き「画像をダウンロード」

使用方法:

1. 「画像をダウンロード」ボタンをクリックします
2. アップロードされた元の画像がダウンロードされます
3. ファイル名形式: ocr-source-[タイムスタンプ].webp

使用例:

• ソース画像をアーカイブ
• 抽出されたテキストと比較
• チームメンバーと元データを共有
• 処理された画像の記録を保持

ファイル形式: WebP(高品質、小ファイルサイズ)

6.3 新しい画像の抽出

ボタン: RefreshCwアイコン付き「新規抽出」

使用方法:

1. 「新規抽出」ボタンをクリックします
2. アップロードフォームに戻ります
3. 設定(モデルと言語)は保持されます
4. アップロードエリアがリセットされます
5. 新しいOCR操作を開始します

使用例:

• 複数の画像を順次処理
• 同じ設定で異なる画像を試す
• 画像間でOCR結果を比較
• バッチ処理ワークフロー(一度に1枚ずつ)

---

高度な機能

画像品質の最適化

最良のOCR結果を得るために、これらの画像品質要因を考慮してください:

解像度とサイズ

• 最小: 幅1000ピクセル
• 推奨: 幅1500ピクセル以上
• 最大ファイルサイズ: 7MB
• 最適な形式: テキストにはPNG、写真にはJPG

照明とコントラスト

• 良好な照明: テキストが明瞭に見えることを確保
• 高コントラスト: 明るい背景に暗いテキスト(またはその逆)
• まぶしさを避ける: テキスト上に反射や明るいスポットがないこと
• 均一な照明: 画像全体で一貫した照明

テキストの明瞭さ

• 鮮明なフォーカス: ぼやけたりピントが合っていない画像を避ける
• まっすぐな配置: 可能な限りテキストを水平に配置
• 歪みなし: スキュー、傾き、または透視歪みを最小限に
• クリーンな背景: テキスト領域周辺の乱雑さを除去

サポートされるテキストタイプ

最適な処理対象

• タイプされたテキスト: 印刷された文書、書籍、画面
• 製品ラベル: パッケージ、タグ、ステッカー
• 道路標識: 交通標識、店舗看板、バナー
• レシート: 購入レシート、請求書、フォーム
• スクリーンショット: ソフトウェアインターフェース、ウェブページ
• スキャンされた文書: PDF、オフィス文書

困難なシナリオ

• 手書きテキスト: 最良の結果にはProモデルを使用
• 芸術的フォント: 装飾的またはスタイル化されたフォントは精度が低下する可能性があります
• 小さいテキスト: 拡大するか、より高解像度の画像を使用
• 重複するテキスト: 分離されたテキスト領域の方が良好に機能します
• 縦書きテキスト: 一部の言語は他の言語よりも縦書きをよく処理します

言語サポート

OCRエンジンは100以上の言語でのテキスト抽出をサポートしています:

ラテン文字:

• 英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語
• オランダ語、ポーランド語、トルコ語、チェコ語、ルーマニア語
• その他多くのヨーロッパ言語

アジア言語:

• 中国語(簡体字と繁体字)
• 日本語(漢字、ひらがな、カタカナ)
• 韓国語(ハングル)
• タイ語、ベトナム語、インドネシア語

その他の文字:

• アラビア語、ヘブライ語(RTL言語)
• ロシア語、ウクライナ語、ギリシャ語(キリル文字とギリシャ文字)
• ヒンディー語、ベンガル語、タミル語(インド系文字)

多言語検出:

• 1つの画像内の複数の言語を自動的に検出
• 混合言語コンテンツからテキストを抽出
• 言語境界を保持

---

ワークフローの例

例1: レシートデータ入力(Flash Liteモデル)

シナリオ: 経費追跡のためにスーパーマーケットのレシートからテキストを抽出

手順:

1. 設定:

   • 出力言語: 日本語
   • モデル: Gemini 2.5 Flash Lite(1クレジット)
   • 理由: レシートには明瞭なタイプされたテキストがあります

2. アップロード:

   • スマートフォンでレシートの写真を撮影
   • コンピューターに転送するか直接アップロード
   • ファイルサイズ: 約2MB(7MB制限を大きく下回る)

3. 処理:

   • 「OCR開始」をクリック
   • 処理時間: 約6秒
   • Flash Liteは明瞭な印刷テキストを完璧に処理

4. 結果:

   • 抽出されたテキストには以下が表示されます:
     • 店舗名と住所
     • 購入日時
     • 価格付きの項目別リスト
     • 支払い方法
     • 合計金額

5. アクション:

   • 「テキストをコピー」をクリック
   • 経費追跡スプレッドシートに貼り付け
   • 金額がレシートと一致することを確認
   • 記録用にレシート画像を保存

結果: 日常的なデータ入力に最適な、1クレジットでの正確なテキスト抽出。

---

例2: 本のページの文字起こし(Flashモデル)

シナリオ: ノート作成のために印刷された本のページをデジタル化

手順:

1. 設定:

   • 出力言語: 日本語
   • モデル: Gemini 2.5 Flash(2クレジット)
   • 理由: 本には様々なフォーマットの密集したテキストがあります

2. アップロード:

   • 本のページをスキャンまたは撮影
   • 良好な照明とフォーカスを確保
   • ファイルサイズ: 約4MB

3. 処理:

   • 「OCR開始」をクリック
   • 処理時間: 約10秒
   • Flashモデルが多段組レイアウトを処理

4. 結果:

   • 抽出されたテキストには以下が含まれます:
     • 本文の段落
     • ヘッダーとサブヘッダー
     • 脚注とページ番号
     • 文字数: 約2,500
     • 単語数: 約450

5. アクション:

   • 「テキストをコピー」をクリック
   • ノート作成アプリ(Notion、Evernote)に貼り付け
   • ノートをフォーマットして整理
   • 個人的な注釈を追加

結果: 2クレジットでテキストフローを保持した高品質な文字起こし。

---

例3: 手書きメモ(Proモデル)

シナリオ: チームと共有するために会議の手書きメモからテキストを抽出

手順:

1. 設定:

   • 出力言語: 日本語
   • モデル: Gemini 2.5 Pro(3クレジット)
   • 理由: 手書き文字には最高の精度が必要です

2. アップロード:

   • 手書きメモを撮影
   • 良好な照明と安定したカメラを使用
   • 手書き文字が判読可能であることを確認
   • ファイルサイズ: 約3MB

3. 処理:

   • 「OCR開始」をクリック
   • 処理時間: 約14秒
   • Proモデルの高度な認識が手書き文字を処理

4. 結果:

   • 抽出されたテキストは以下をキャプチャします:
     • 会議の議題項目
     • アクションアイテムと担当者
     • 主要な議論ポイント
     • 日付と締切
   • 不明瞭な手書き文字には若干のエラーが予想されます

5. アクション:

   • 「テキストをコピー」をクリック
   • 共有ドキュメントに貼り付け
   • 誤認識を手動で確認して修正
   • チームメンバーと共有

結果: 3クレジットでの最高の手書き文字認識、手動レビューを推奨。

---

例4: 多言語文書(Flashモデル)

シナリオ: バイリンガル製品マニュアルから英語と日本語の混合テキストを抽出

手順:

1. 設定:

   • 出力言語: 日本語(または英語、抽出には影響しません)
   • モデル: Gemini 2.5 Flash(2クレジット)
   • 理由: 混合言語には堅牢なモデルが必要です

2. アップロード:

   • 両言語があるマニュアルページをスキャン
   • ファイルサイズ: 約5MB

3. 処理:

   • 「OCR開始」をクリック
   • 処理時間: 約11秒
   • Geminiが両言語を自動的に検出

4. 結果:

   • 抽出されたテキストには以下が含まれます:
     • 英語の指示
     • 日本語の翻訳
     • 製品仕様
     • 両言語の警告ラベル
   • 言語は元のレイアウト順序で保持されます

5. アクション:

   • 翻訳検証のためにテキストをコピー
   • 抽出されたテキストを元と比較
   • ローカライゼーション品質保証に使用

結果: 2クレジットでの正確な多言語抽出。

---

最良の結果を得るためのヒント

画像の準備

1. 高解像度を使用:

   • 少なくとも幅1000ピクセル
   • 小さいテキストには幅1500ピクセル以上を推奨
   • 高解像度 = より良い精度

2. 良好な照明を確保:

   • 自然光が最適
   • テキスト全体に影を避ける
   • 厳しいまぶしさや反射なし
   • 画像全体で一貫した照明

3. 画像をまっすぐに:

   • 可能な限りテキストを水平に保つ
   • 最小限のスキューや回転
   • スマートフォンを使用する場合は、グリッド配置を使用

4. クリーンな背景:

   • 撮影時に乱雑さを除去
   • プレーンな背景が最適
   • テキストの後ろに忙しいパターンを避ける

5. 鮮明なフォーカス:

   • カメラのオートフォーカスを使用
   • テキスト領域にタップしてフォーカス(スマートフォン)
   • モーションブラーを避ける
   • 三脚または安定した表面を使用

モデル選択戦略

1. Flash(デフォルト)から始める:

   • 品質とコストの良好なバランス
   • 80%の用途に対応
   • 1枚あたり2クレジット

2. Flash Liteにダウングレード:

   • テキストが非常に明瞭でシンプルな場合
   • クリーンな背景上のタイプされたテキスト
   • 限られたクレジットで多くの画像を処理する場合
   • まず1枚の画像でテストして品質を確認

3. Proにアップグレード:

   • Flashの結果が不満足な場合
   • 手書きテキストの場合
   • 複雑なレイアウト(表、多段組)の場合
   • 重要な精度要件の場合
   • 画像品質が低い場合

4. テストと反復:

   • まず1枚の画像でFlash Liteを試す
   • 品質が不十分な場合、Flashにアップグレード
   • Flashが十分に正確でない場合のみProを使用
   • これにより品質を維持しながらクレジットを節約

テキスト抽出の最適化

1. 抽出されたテキストを確認:

   • 常に抽出されたテキストを読み通す
   • 欠落しているセクションをチェック
   • 数字と日付が正確であることを確認
   • 誤認識された文字を探す

2. エラーの処理:

   • 一般的な誤認識: 0/O、1/I/l、5/S
   • 重要な情報を手動で修正
   • 将来の画像改善のためにエラーのパターンを記録

3. コピーを戦略的に使用:

   • まずすべてのテキストをコピー
   • 修正のためにエディターに貼り付け
   • 参照のために元の画像を保持
   • エラーを捉えるために視覚的に比較

4. バッチ処理ワークフロー:

   • 複数の画像を一つずつ処理
   • 画像間で「新規抽出」ボタンを使用
   • モデル設定を一貫して保つ
   • どの画像が処理されたかを追跡

---

トラブルシューティング

一般的な問題と解決策

問題: 「テキストが検出されませんでした」

考えられる原因:

• 画像に読み取り可能なテキストが含まれていない
• テキストが小さすぎるかぼやけている
• 非常に低い画像品質
• Flash Liteでの手書きテキスト

解決策:

1. 画像に実際にテキストが含まれているか確認
2. テキストが人間の目に明瞭に見えるか確認
3. より高解像度の画像を試す
4. 困難なテキストにはFlashまたはProモデルにアップグレード
5. 良好な照明とフォーカスを確保

問題: 「ファイルサイズが大きすぎます(最大7MB)」

考えられる原因:

• カメラからの高解像度写真
• 非圧縮画像形式
• 非常に大きい画像寸法

解決策:

1. アップロード前に画像を圧縮:
   • オンラインツールを使用(TinyPNG、Squoosh)
   • 寸法を適切なサイズに縮小(幅1500〜2000ピクセル)
   • JPGまたはWebP形式に変換
2. 画像から不要な領域をトリミング
3. 画質をわずかに下げる(通常90%の品質で十分)

問題: 「サポートされていないファイル形式」

考えられる原因:

• ファイルが画像形式ではない
• PDF、TIFF、またはその他の文書形式を使用

解決策:

• サポートされている形式のみを使用: PNG、JPG、JPEG、WebP、HEIC、HEIF
• 画像コンバーターを使用してサポートされていない形式を変換
• 必要に応じてPDFページをスクリーンショット(その後スクリーンショットを処理)

問題: 「抽出されたテキストが文字化けまたは不正確」

考えられる原因:

• 複雑なテキストにFlash Liteを使用
• 不十分なモデル層での手書きテキスト
• 低画質(ぼやけ、低コントラスト)
• 珍しいフォントまたは芸術的なテキスト
• 不正確な言語検出

解決策:

1. FlashまたはProモデルにアップグレード
2. より高品質な画像を使用:
   • より良い照明
   • より高い解像度
   • より鮮明なフォーカス
3. 手書きテキストには常にProモデルを使用
4. 画像の向きが正しいか確認
5. 主要なテキスト領域にフォーカスするようにトリミング

問題: 「抽出されたテキストにセクションが欠落」

考えられる原因:

• テキスト領域が画像境界の外側
• 非常に小さいテキストが検出されない
• 低コントラストのテキスト(白地にグレー)
• 影やまぶしさによってテキストが不明瞭

解決策:

1. テキスト領域全体が画像に表示されていることを確認
2. 画像解像度を増やす
3. より良いコントラストのために照明を改善
4. より良い領域検出のためにProモデルを試す
5. 必要に応じてセクションを個別に処理

問題: 「処理が非常に遅い」

考えられる原因:

• 大きな画像ファイルサイズ
• Proモデルの使用(自然に遅い)
• 高いサーバー負荷

解決策:

1. 画像をより小さなファイルサイズに圧縮
2. Flash LiteはProよりも高速に処理
3. オフピーク時間に再試行
4. インターネット接続速度を確認

問題: 「クレジット不足」

解決策:

• 料金プランにアクセスしてさらにクレジットを購入
• 月次クレジット付きのプランに登録
• 無料層は月10クレジットを提供
• 日常的なタスクにはFlash Lite(1クレジット)を検討

問題: 「レイアウト/フォーマットが失われた」

説明:

• OCRはプレーンテキストを抽出し、フォーマットは抽出しません
• 多段組レイアウトは線形テキストになります
• 表はテキストシーケンスに変換されます
• 視覚的なスペーシングが完全には保持されない場合があります

解決策:

• 抽出後に手動でテキストを再フォーマット
• 複雑なレイアウトの場合、以下を検討:
  • セクションを個別に処理
  • 専用の表OCRツールを使用
  • 構造を手動で再作成

---

OCRのクレジットシステム

クレジットの仕組み

• Flash Liteモデル: 1枚あたり1クレジット
• Flashモデル: 1枚あたり2クレジット
• Proモデル: 1枚あたり3クレジット

クレジットパッケージ

無料層:

• 月10クレジット
• 3つのモデルすべてにアクセス
• 時々の使用に適しています

プロフェッショナルプラン:

• Proプラン: 月800クレジット
• エンタープライズプラン: 月2,000クレジット
• その他のプラットフォーム機能を含む

一回限りのクレジット購入:

• 従量制ユーザーが利用可能
• クレジットは期限切れになりません
• 料金プランページから購入

クレジット効率のヒント

1. まずFlash Liteでテスト:

   • 1枚の画像でFlash Lite(1クレジット)を試す
   • 品質が良好であれば、類似の画像に使用
   • 他のモデルと比較して50〜66%のクレジットを節約

2. タスクにモデルをマッチ:

   • シンプルなレシートにProを使用しない
   • 手書き文字にFlash Liteを使用しない
   • 適切なモデル = 再試行を減らしてより良い結果

3. まず画像を最適化:

   • 良好な画像品質は低いモデル層で済むことを意味します
   • 1回のPro試行(3クレジット) vs. Flash(2クレジット) + 再撮影 = 同じコスト
   • クレジットを節約するために画質に時間を投資

4. 使用量を追跡:

   • ヘッダーでクレジット残高を監視
   • どのモデルがどのタスクに適しているかを記録
   • ワークロードに合わせてクレジット購入を計画

---

比較: OCR vs 翻訳

画像からテキストへ(OCR)を使用すべき場合

• 目的: テキスト抽出のみ、翻訳なし
• 最適な用途:
  • データ入力とデジタル化
  • 印刷物の文字起こし
  • テキストアーカイブ
  • コピー&ペーストワークフロー
  • テキスト分析と処理
  • 画像から検索可能なテキストを作成

画像翻訳を使用すべき場合

• 目的: テキストの抽出と翻訳
• 最適な用途:
  • 外国語文書
  • 漫画とコミック
  • 国際的な製品ラベル
  • 多言語標識
  • 言語間コンテンツの適応

機能比較

ワークフローの統合

典型的なワークフロー:

1. 最初にOCR、その後翻訳:

   • 画像からテキストへを使用してテキストを抽出
   • 抽出されたテキストをコピー
   • 編集のために翻訳ツールに貼り付け
   • 翻訳前に編集が必要な場合に最適

2. 直接翻訳:

   • 即座に翻訳された画像を得るために画像翻訳を使用
   • レイアウト保持が重要な場合に最適
   • 漫画、標識、マーケティング資料に理想的

---

ヘルプを受ける

ドキュメント

• 単一画像翻訳: ホームページガイド
• バッチ翻訳: バッチ翻訳ガイド
• 漫画翻訳: 漫画翻訳ガイド

サポートチャンネル

• FAQ: 料金プラン & FAQ
• お問い合わせ: お問い合わせページ
• コミュニティ: ピアサポートのためにDiscordに参加

---

次のステップは?

画像からテキストへ機能をマスターしたので、他のツールをご覧ください:

• 画像翻訳: レイアウトを保持しながら画像内のテキストを翻訳
• バッチ画像翻訳: 最大1000枚の画像を同時に処理
• 漫画翻訳: 漫画とコミック用の専用ツール(100枚の画像)

今すぐ簡単に画像からテキストを抽出し、デジタル化ワークフローを効率化しましょう!