無料＆ブラウザ上でPDF・JPEG・PNG・GIFファイルからOCRによるテキスト抽出ができる「OCR PDFs and images directly in your browser」

PNG・JPEG・GIFといった画像ファイルやPDFファイルから、TesseractによるOCR(光学文字認識)でテキストを抽出できる「OCR PDFs and images directly in your browser」をエンジニアのサイモン・ウィルソン氏が公開しました。OCR PDFs and images directly in your browserはすべての処理をブラウザ上で実行するため、ファイルをどこかのサーバーにアップロードすることがないというのが大きな特徴です。 OCR PDFs and images directly in your browser https://tools.simonwillison.net/ocr Running OCR against PDFs and images directly in your browser https://simon

[dollarss]

何となく後で悪意ある人に買われて問題起こしそう。いっぱい過去にあった例にピッタリ来る感じある

[dexia2]

さっと使ってみた感じ実用には厳しいですね......。雑に長いPDFを扱い時は便利かもですが、この精度なら自分ならお金を払ってでもAdobe、Azureなどで作業します。無料でもGoogleDriveの方が断然優れている

[maid_h]

Google Docsよりもうまくいくかどうか試してみるか。あと、すべてブラウザ上で処理する、ってところはある意味売りかもな。

[newbluesky]

やりたいのは「PDFから、EXCELに表ごと文字列を抜いて来る」なんですよ。7、8年くらい前からGoogle OCRでただの文字列なんかは抜いて来れるんですよ。高精度で。

[rain-tree]

結局精度がどうなのかだからなあ。