GPT-4Vのモデルを利用してOCRできるか試してみた - Taste of Tech Topics

こんにちは、安部です。 気温の上下に翻弄されて最近風邪をひいてしまいましたが、皆さま元気にお過ごしでしょうか。 今回は、GPT-4Vのモデルを利用して、OCRができるか試していきます。 GPT-4Vによって、「ChatGPTに目ができた」などと騒がれましたが、文字認識はどれくらいできるのでしょうか？ 得意分野ではなさそうですが、GPTも進化が目覚ましいので分かりませんね。 検証では、日本語(漢字/ひらがな/カタカナ)・英語の2言語で精度など比較していきます。 また、手書き・活字での違いも見ていきましょう。 一番簡単に試せるChatGPT（Web版）でOCRをさせようとするとエラーになることが多かったので、 ここではAPIを使っていくこととします。 APIを呼び出すプログラム 以下のコードを使い、gpt-4-vision-previewというモデルを呼び出しています。 画像は個人のgithu

[ydf]

日本語OCRは学習してないので現時点で出来ていないだけ。OCRは機械学習の初期の定番課題なので容易だろう。風景の中の文字認識の克服も近々出来るようになるだろう。

[jin7zoupon]

gpt ocr

[misshiki]

“今回は、GPT-4Vのモデル(gpt-4-vision-preview)を使ってOCRを試してみました。結論としては、英語であれば手書き・活字ともにかなりの精度でOCRできますが、日本語はまだまだ難しそうでした。”

[asyst]

日本はまだ難しいんだなあ

[trick7star]

GTV-4Vは、本当に「目」になるのか？を、検証してみた記事。予想どおり、英文の活字ならかなりの確率で成功するが、手書き、日本語、となると途端に精度が落ちるらしい。