【文字認識】OCRソフト（3文字目）【自炊】

**名無しさん＠お腹いっぱい。** · 2024/03/21(木) 15:32:59.39

光学文字認識（こうがくもじにんしき、Optical character recognition）ソフト

主なOCRソフトウェア（市販ソフト）
・読取革命16（開発元パナソニック、販売元ソースネクスト）
・本格読取5（開発元パナソニック、販売元ソースネクスト）
・e.Typist v.15.0（メディアドライブ）
・ABBYY FineReader PDF 16（ABBYY）

主なOCRソフトウェア（フリーソフト）
・tesseract-ocr
・PaddleOCR
・RapidOCR
・NDLOCR
・MangaOCR
・bunkoOCR

過去スレ
【文字認識】OCRソフト【自炊】
https://egg.5ch.net/test/read.cgi/software/1470745451/l50

【文字認識】OCRソフト（２文字目）【自炊】
https://egg.5ch.net/test/read.cgi/software/1701326685/l50

**名無しさん＠お腹いっぱい。** · 2024/08/20(火) 02:31:09.01

>>332
で続けて15秒のcmが入る
https://i.imgur.com/LQkkQ3b.jpg

**名無しさん＠お腹いっぱい。** · 2024/08/20(火) 02:31:25.24

支持して段取りしたいんだが

**名無しさん＠お腹いっぱい。** · 2024/08/20(火) 02:45:23.20

ひろきよ
いい書き込みだな～

**名無しさん＠お腹いっぱい。** · 2024/08/20(火) 02:45:39.63

国葬はええけど、統一も国葬も、2人が多いから知らぬ存ぜぬだよ

**名無しさん＠お腹いっぱい。** · 2024/08/20(火) 03:04:04.11

赤字になっていたよな
煙草とかちょくちょく見るけど絶対流行らんからやる価値がない。
https://i.imgur.com/rS5knov.jpg

**名無しさん＠お腹いっぱい。** · 2024/08/22(木) 11:48:21.65

チーム内にもう一回今のグループ運勢占ってほしい
当職は嫌な思いして支持にこぎつけるシステムやから性別逆にすると難しそう

**名無しさん＠お腹いっぱい。** · 2024/08/22(木) 11:52:09.25

ただどっちにしても全く言いすぎではないか
外交でも混んでる球団の試合に勝つことって結構ある

**名無しさん＠お腹いっぱい。** · 2024/08/22(木) 12:23:01.91

スターオーシャン4やってたけど途中入社してただけだろ

**名無しさん＠お腹いっぱい。** · 2024/09/02(月) 01:41:15.88

『読み取革命』にVer.17が出てたのか。

もう国産の民生用OCRソフトなんて出ないと思ったのに、しかもAI連動とは。

パナは手を引いたはずだから、まさかソースネクストが？
プログラムと一緒に開発チームも移籍したとか？

それにしても発売から一月近く経っても店頭に並んでない某量販店……。

しっかしBBSPINKよりエロ広告が多いソフ板ってなんなの。

**名無しさん＠お腹いっぱい。** · 2024/09/03(火) 22:49:30.64

PDF透明テキストに書き出せる日本語OCRでいいものは何ですか？

**名無しさん＠お腹いっぱい。** · 2024/09/10(火) 12:28:30.31

>>434
アマゾンのレビュー見てきたら酷評だらけで、安定のソースネクスト品質のようです。

Azureの文字認識のレベルを知っちゃうととても買えない。しかしAzureは縦書きのレイアウト認識がめちゃくちゃだからもう少し我慢する必要がありそうです。

**名無しさん＠お腹いっぱい。** · 2024/09/10(火) 20:14:46.19

>>436
『読取革命』Ver.17のレビューはアマゾンにはまだなかったけど？

**名無しさん＠お腹いっぱい。** · 2024/09/11(水) 00:23:43.43

なんかTwitterで、Ver.17の性能めっちゃいいって書き込み見たけど
だれか実際に使ったレビューｷﾎﾞﾝﾇ

**名無しさん＠お腹いっぱい。** · 2024/09/11(水) 04:12:11.49

めっちゃ良くなったと役に立たないが混在してるな
アップグレード版買うか迷う

**名無しさん＠お腹いっぱい。** · 2024/09/12(木) 22:17:19.25

439だけど1ライセンス5980円で買えたから買ってみた
一応アップグレード版は4980円だった

15→17の比較だけど明らかに精度は上がってる
前までは区切りの点の連続とかを中点として認識するのとか図表の認識とか全体としてミスが減ってる感じがする

文字認識も前よりは良くなってる
ただ「解　説」みたいに空白が入ると連続した文字として認識できなかったり、「」と文字の組み合わせを1文字として認識したりとかは今までと変わらない

AIトータルアシストは役に立たなそう
ただChat GPTが別窓で開いてそれ用のテンプレートで質問してくれるだけ
都度手動でコピーして修正しないといけない

**名無しさん＠お腹いっぱい。** · 2024/09/12(木) 22:38:22.59

レビューサンクス

**名無しさん＠お腹いっぱい。** · 2024/09/12(木) 23:37:54.31

>>440
アップグレード版なんて売ってるの？

**名無しさん＠お腹いっぱい。** · 2024/09/13(金) 01:41:54.63

>>442
読取革命16持ってるといける
お持ちの製品一覧ページ→製品アイコンをクリック→アップグレードから買える

自分の場合だと17の新規ライセンスも16あると追加購入サービス+割引クーポンで5980円になった

**名無しさん＠お腹いっぱい。** · 2024/09/13(金) 09:24:40.84

ありがとう　16を起動したら\4980の案内が出て来た
440さんは15との比較だと思うが16との比較はどうなんだろうか
新機能のAIトータルアシストとやらが役に立たなそうだとするとアップデートの価値あるのかな？

**名無しさん＠お腹いっぱい。** · 2024/09/15(日) 06:05:17.91

>>437
あるよ
よく調べて
みつからなかったら教えてあげるよ

**名無しさん＠お腹いっぱい。** · 2024/09/15(日) 22:38:22.15

>>445
ホントだ、見つかった。

ソースネクスト｜読取革命Ver.17（最新版）
と
ソースネクスト｜読取革命Ver.17（パッケージ版）（最新版）
とで別々のページだったのね。

スマンかった。

レビューが載ってたのはこっち
↓
ソースネクスト｜読取革命Ver.17（最新版）

**名無しさん＠お腹いっぱい。** · 2024/09/16(月) 06:48:42.02

>>446
オメ
俺も期待したけど、あれ読むと買えないですよね。
縦書きは鬼門ですね。

**名無しさん＠お腹いっぱい。** · 2024/09/16(月) 07:13:44.72

国会図書館のOCRが公開されてるんですね。
試した方いらっしゃいますか？
俺は3連休で家族サービス中だから何もできません

**名無しさん＠お腹いっぱい。** · 2024/09/16(月) 10:02:45.25

やっぱりレイアウトは先に認識させた方が、安定するのかな。

似た文字は前後見ないと無理ゲーだし、太めのフォントが鬼門なのはなんとなく分からんでもないな。
ふりがなは日本のメーカーならがんばって欲しいけど、やり出すと沼るよね。レンダリングのルールが
ややこしすぎるのです。

**名無しさん＠お腹いっぱい。** · 2024/09/16(月) 12:04:11.77

>>448
普通の日本語の文字の認識精度は意外と良い
レイアウト認識が盛大こけることがある
特に章の最終ページとかで余白が多い時とか振り仮名とか

**名無しさん＠お腹いっぱい。** · 2024/09/16(月) 15:54:09.07

>>450
ありがとう。
連休終わったら試してみます！

**名無しさん＠お腹いっぱい。** · 2024/09/19(木) 22:20:09.91

青空文庫とOCR
https://www.aozora.gr.jp/aozorablog/?p=5229

**名無しさん＠お腹いっぱい。** · 2024/09/20(金) 05:24:50.78

複数の全然由来の違うOCRにかけてその結果どうしを比較する方法はかなり有効
人間でも見間違えるような一部の類似字体については両方同じ間違いをする可能性があるのでそういうのだけは辞書を作って別途確認が必要になる

**名無しさん＠お腹いっぱい。** · 2024/09/20(金) 05:25:35.73

複数の全然由来の違うOCRにかけてその結果どうしを比較する方法はかなり有効
人間でも見間違えるような一部の類似字体については両方同じ間違いをする可能性があるのでそういうのだけは辞書を作って別途確認が必要になる

**名無しさん＠お腹いっぱい。** · 2024/09/21(土) 17:17:54.49

AIと同じだねえ
どっちかがアホなこと言ってても、もう一方は案外まともなことを言う、ということがあるんだよねえ

**名無しさん＠お腹いっぱい。** · 2024/09/21(土) 21:43:18.93

異なるロジックで考えて、同じ結果が得られると確からしいっていうのはよくやられてるよね。
Conv系の機械学習モデルとVision Transformer系の機械学習モデルとかで検証するのもよさそうな気がする

ブラックホールの観測結果を3つの理論から独立に別チームが解析して、同じ結果が得られたって論文あった。

**名無しさん＠お腹いっぱい。** · 2024/09/25(水) 06:46:47.39

NDLOCRをローカル環境で動かせるソフトはあるのだろうか

**名無しさん＠お腹いっぱい。** · 2024/09/25(水) 08:05:57.91

オープンソースなので普通にローカルにインストールして動くよ
問題はハードでそれなりのスペックが要求される

**名無しさん＠お腹いっぱい。** · 2024/09/26(木) 17:46:09.68

どうでもいい話だけど、AzureのOCRが素晴らしいもんだから翻訳も試してみたらびっくりするぐらいのポンコツでがっかりしたわ

**名無しさん＠お腹いっぱい。** · 2024/09/27(金) 09:32:15.05

AzureでOCR,DeepLで翻訳がオススメ
ただし、一定以上とか編集可能PDFにするには金がかかるけど

**名無しさん＠お腹いっぱい。** · 2024/09/29(日) 06:15:09.42

DeroLは無料だと1500文字制限が不便だったので試したらOCRと雲泥の差があって驚いた。アマゾンとグーグルも試してポンコツならDerpL課金します。
AIも課金してるが翻訳までハルシネーションがあって使い物にならないので不便。

**名無しさん＠お腹いっぱい。** · 2024/09/30(月) 10:05:17.06

AzureのOCRって縦書きもいける？
試してみようかな

**名無しさん＠お腹いっぱい。** · 2024/09/30(月) 11:18:20.27

文字の認識は優秀だけど縦書きレイアウト認識がポンコツ

**名無しさん＠お腹いっぱい。** · 2024/09/30(月) 17:38:39.66

言うほどポンコツかなー
俺は横書き本しか持ってないけど、親が専門関連の文庫を読みたいから英訳してって言われて
>>460でやったけどわかりやすいって言ってた
まぁ自分が読むだけなら知識と読解力でカバーできるってのもあるのかもしれんけど

**名無しさん＠お腹いっぱい。** · 2024/09/30(月) 22:36:21.63

>>464
そうなの？地味にアップデートしてるのかな？
少し前に試した時はそりゃあひどい代物だった

**名無しさん＠お腹いっぱい。** · 2024/10/05(土) 12:05:51.67

自分はそういうプログラムの知識はないので小説などを簡単にやれる方法として今は

課金済みv-flatで撮影（カメラ性能の良いスマホと三脚、照明が必要）
↓
PCにコピーしてノンブルなどをトリミング
↓
bunkoocr(ルビは認識が怪しいのでつけない)
↓
txt結合、改行やカギ括弧など修正
↓
calibreで表紙をつけてepubにして完成

挿絵や図表などある場合は面倒だけどcalibreで該当箇所に挿入
これでなんとか自分専用で読めるぐらいにはなる
誤字もあるし他人に見せるレベルじゃないし連続した「も認識ミスするけど
これを全部修正していったらどれだけ時間かかるかわからないし
途中のファイルもちょっと見るだけで修正したくなるのであえて割り切ってそのまま作成してる

v-flat単体でもOCR機能はあるけどノンブル自動トリミングがないのでほぼ使ってないが
認識率や速度はまぁまぁだと思う

代行 · 2024/10/14(月) 07:02:49.79

v-flatはサブスク制なのがなあ

**名無しさん＠お腹いっぱい。** · 2024/10/23(水) 08:56:07.95

bunkoOCRは１年以上進展ないな
期待しているんだが

**名無しさん＠お腹いっぱい。** · 2024/10/23(水) 22:40:28.18

>>468
うちのGPUはずっと唸りをあげて学習中なんですが、なかなか完璧とはいかず、公開できるとこまで行かないのです

**名無しさん＠お腹いっぱい。** · 2024/11/02(土) 22:57:05.03

bunkoOCRのソースをダウンロードしたが、うちの環境では動かん。
残念！

**名無しさん＠お腹いっぱい。** · 2024/11/13(水) 16:21:25.31

Text Grab
https://github.com/TheJoeFin/Text-Grab

**名無しさん＠お腹いっぱい。** · 2024/11/26(火) 19:47:10.80

縦書きも認識できるフリーのOCR少ないよね

**名無しさん＠お腹いっぱい。** · 2024/11/27(水) 01:44:57.81

有料でもポンコツだしなあ
まともなのはソリューション価格のしかないんだよねえ

**名無しさん＠お腹いっぱい。** · 2024/11/27(水) 10:37:20.67

>>472
フリーではbunkoOCRが一番よさそう
自分のIntel Iris Xeでは時間がかかるけど

**名無しさん＠お腹いっぱい。** · 2024/11/27(水) 18:49:17.31

こんなん出たらしい
https://github.com/kotaro-kinoshita/yomitoku

**名無しさん＠お腹いっぱい。** · 2024/11/27(水) 21:07:53.30

>>475
パッケージラベルで少し苦戦しているけど、枠線内の文字レイアウトが離れすぎだったり、歪みはしょうがない
デジタル出版例もスマホ撮影例も凄く高解像度な画像だから割と上手く行っている側面がありそう

肝心なのは印刷物の通常スキャン解像度(白黒300dpi程度)での精度なんだよね

**名無しさん＠お腹いっぱい。** · 2024/11/28(木) 10:26:27.62

国会図書館が古典籍資料からテキスト抽出する軽量OCRツールを公開～GPUなしでも動作 - 窓の杜
https://forest.watch.impress.co.jp/docs/news/1642941.html

**名無しさん＠お腹いっぱい。** · 2024/11/28(木) 11:42:12.15

ヘタレのためにほかのツールもWindowsバイナリを提供しておくれ

**名無しさん＠お腹いっぱい。** · 2024/11/28(木) 14:49:27.19

yomitoku凄いね
これで透明テキスト付きPDF作れるようにしてくれないかなー

**名無しさん＠お腹いっぱい。** · 2024/11/28(木) 18:08:28.78

yomitokuで縦書き文章を試してみたけどルビがよみにくい
たとえばある行に3ヶ所ルビがある時

ルビ1
ルビ2
ルビ3
本文行

のように4行となる

また、なぜか行の順番が入れ替わってしまうものもあった

**名無しさん＠お腹いっぱい。** · 2024/11/30(土) 09:07:30.91

bunkoOCRでIntel Iris XeはGPUとして認識されないけど次のような方法を試して使えるようになった
作者様にもメールで確認をした

(1) タスクマネージャーのパフォーマンスでGPUの共有GPUメモリの最大値を見る

(2) 何かのコンパイラで次の2行を標準出力に書くexeファイルを作る

8000MiB meomry
0

1行目は(1)のGB表示に1024を掛けた数値の端数を切り捨てて書けばよい

(3) detectGPU.exeをそのファイルに置き換える

Intel Iris Xeは能力が低いのでそれほど早くはならないけど消費電力が低いので
熱くなってファンがうるさくなることも少なくなる

**名無しさん＠お腹いっぱい。** · 2024/12/01(日) 04:00:56.64

>>481
作者です。よく確認したら、結果はあってるけどちょっと違ったです。
detectGPU.exeの結果は、標準出力は使ってなくて、エラーコード(実行ファイルの返り値)
を使っているので、出力内容は何でもよくて、エラーコード0(正常終了)を返すexeなら何でもいいです。

int main() {
return 0;
}

なプログラムが必要です。
0がgpuインデックスになる感じです。

**名無しさん＠お腹いっぱい。** · 2024/12/01(日) 10:32:00.77

>>482
お知らせありがとうございます

**名無しさん＠お腹いっぱい。** · 2024/12/02(月) 02:35:21.53

エロ広告が死ぬほどうざいが、OCRの火はまだ燃え続けているようでうれしい。

**名無しさん＠お腹いっぱい。** · 2024/12/12(木) 20:16:06.27

bunkoOCRは段組を自動で判断してるみたいだけど
？や！のあとに一文字空白があると多段と認識して後半の文が
改行したり文章の一番うしろに飛ばされることが度々ある
一段か多段かを選択できたら精度が上がる気がする

**名無しさん＠お腹いっぱい。** · 2024/12/13(金) 01:31:08.67

やっぱりフォーマット解析を先に通すべきかな。
2行以上同じ場所に空白があると、そこに引っかかることが多いので。
段組の解析と、文章ブロックの解析を先に回して、順番を確定してから
中身をOCRするといいのかもしれない。範囲が狭くなって時短になるし。

**名無しさん＠お腹いっぱい。** · 2024/12/24(火) 12:10:25.05

bunkoOCRは先頭が「だと必ず欠けるのが困るッス。

**名無しさん＠お腹いっぱい。** · 2024/12/28(土) 22:16:33.65

朝方プラスだった？
よかった！

**名無しさん＠お腹いっぱい。** · 2024/12/28(土) 22:49:26.78

https://news.yahoo.co.jp/articles/bb73dfa4d3ffdcea3453253108688b774e186f3d
はじめの枕詞は無しにして、記事の説明で出してくるケース

**名無しさん＠お腹いっぱい。** · 2024/12/28(土) 22:49:55.47

誤爆だった

**名無しさん＠お腹いっぱい。** · 2024/12/30(月) 05:40:44.33

ABBYYとUMI-OCRで日本語の認識精度もしかして大差ない？

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 17:36:55.32

れえかにはみもぬみおにかいるくもねきおえさてんのふま

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 17:53:03.26

一応オリエンタルバイオという既存スポンサーから更に基地外だと思う
カルト被害にあう人間はたいがい依存症だからね

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 18:22:24.27

高齢者がテレビでやってるし
しかし
カプレーゼは簡単でいいよな！
だよなあ
https://eagle.5ch.net/test/read.cgi/livejupiter/1736702458/

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 18:57:41.19

んりふさらおいてわあぬつもてうすうをきうらすひよあそむさけいいもんすのんこれ

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 19:18:18.23

つつんせせなへちへんえんねをもよおむたすねなたほゆよちりやしいもゆのちねんうをりすろのうふてひよ

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 19:20:49.55

>>435
この人はそういうものだから
ソンフンジェイ撮られてないし
歌ってもないのが失礼だとか
そんな怪しさだと思うんだよお婆さん

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 19:35:04.41

アップで見てるだけ
若者以前に技術的な会議だ
要するにウンコでなく有効期限もチェックしても
すぐに観たい人ばかりなんだよ

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 19:59:31.57

防御率が悪いのではあるんちゃうか
今回
保険屋もディーラーも
変な人は作品の質が流石にあれは業界人が出してきた
サル痘とかじゃなくても文句はないけど妙なカリスマ性もある

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 21:13:00.18

別にどう思うか？

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 21:17:29.98

常に権威を過剰に反応されてたんだ～ぁ
さて、このうち乗客が気付いてはいるんじゃね
練習場所の前の身内の事
https://i.imgur.com/P1TAYez.jpeg

**名無しさん＠お腹いっぱい。** · 2025/01/13(月) 21:44:28.58

甘酒を適宜飲むてのは知ってた時代に比べると皆アホほど上手くなった

**名無しさん＠お腹いっぱい。** · 2025/02/05(水) 18:59:29.70

>>501
グロ

代行 · 2025/02/18(火) 20:46:53.61

【本文】↓（↓下段に書いてください)
>>491
縦書きも試してみた？

**名無しさん＠お腹いっぱい。** · 2025/02/18(火) 23:38:19.78

Windows 11 が持っているOCRの機能ってCopilot+ PCだと精度上がるのだろうか？
うちのWin11ではSnipping Toolからのテキスト抽出のアイコンが出て来ないので、PowerToys のOCRを使ってみたけど、別に精度よくなかった。

**名無しさん＠お腹いっぱい。** · 2025/02/19(水) 09:20:59.81

copilotを使うというのは思い付かなかったな
自分のsnipping toolにもテキスト抽出というものは無かった

ためしにcopilotに画面をコピペした日本語の横書き・縦書きテキストのファイルをアップロードして「OCRして下さい」と書いたらどちらも完璧にOCRされた
ただし段落最初のスペースは消えた

エクセルの表をコピペしたらちょっと崩れたけど罫線は文字で表示されて再現された

少量の文書ならば使い物になるかもね

**名無しさん＠お腹いっぱい。** · 2025/02/19(水) 11:28:02.87

そこら辺はちゃんとチェックしてたがcopilot runtimeにOCRのAPIが追加されるんだよな
でちょうど2週前ぐらいにリリースされたWinAPpSdk exp で使えるようになってんだが
NPUが必要で試せないという
NVIDIAさんいずれRTXを対応させるドライバ出してくれるんだよね?

**名無しさん＠お腹いっぱい。** · 2025/02/19(水) 12:42:05.44

WebのCopilotにお願いしたら、これまで見たことあるOCRの中で一番出来が良かった。
横書きだけど。
ソースコードの所は改行消えていたけど。

**名無しさん＠お腹いっぱい。** · 2025/02/19(水) 13:03:47.43

縦書きで試してみたけど、正しく読めた文字から日本語を再作成しているもので、元の文と違う文字列を出してくる。
結局、全文チェックしないといけない奴だ。

**名無しさん＠お腹いっぱい。** · 2025/02/20(木) 16:56:56.72

まとめ機能ついちゃってるのか
それだと、まだOCR専用AIのDocument Intelligenceの方で良い気がする

**名無しさん＠お腹いっぱい。** · 2025/03/03(月) 09:30:55.99

AIのOCRは余計な事するから使うのを止めた。
余計な文を挟み込んでくるんだよ。野坂昭如の翻訳がそうらしい。

**名無しさん＠お腹いっぱい。** · 2025/03/07(金) 23:03:33.49

テストヨロ

高速かつ高精度な文字認識AIモデル「Mistral OCR」が登場、LaTeXで書かれた数式や図表入りPDFのレイアウトを崩さずマークダウン形式で出力できてJSONへのデータ抽出も簡単に - GIGAZINE
ps://gigazine.net/news/20250307-mistral-ocr/

**名無しさん＠お腹いっぱい。** · 2025/03/08(土) 12:45:25.35

>>512
英語はよさそうだけど、日本語は諦めが速すぎる。画像として貼り付けよる

**名無しさん＠お腹いっぱい。** · 2025/03/08(土) 12:49:39.07

わかった。横書きオンリーですな。
横書きなら日本語でもだいたい認識する

**名無しさん＠お腹いっぱい。** · 2025/03/08(土) 15:42:27.79

>>512,513
「数式をOCR処理」の意味するところが良く分からなかったけど
> 複雑な数式を含む文書もOCR処理できます。
> 英語はよさそうだけど、日本語は諦めが速すぎる。画像として貼り付けよる
この二つから類推すると画像内の数式部分を正しく「ここは数式だな」と判別して
文字認識は諦めて画像として貼り付けするという事かな？

表は「ここは表だな」と判断した上で文字認識もしてmarkdownの表として出力して、その結果レイアウトが崩れたりしているけど
数式は「ここは数式だな」と判断してるけどレイアウトが一切変化ないので、画像そのまま
(数式内の各記号を認識して)LaTeXやMathJax等で出力している訳ではない

> Mistral OCRは数式やスキャンデータを含むすべてのカテゴリで最も精度の高いOCRが可能です。
これも「ここは数式だな」と言う判断の的中率を言っているだけな気がして来た

**名無しさん＠お腹いっぱい。** · 2025/03/08(土) 16:22:01.74

>>515
https://i.imgur.com/sspTI0R.png

認識結果
'\n\n数式を認識します。\n\n> > > $y=3 x+b$\n\n積分してみます。\n\n> > > $f(x)=\\int_{b}^{a} e^{-i \\omega t} d x$'

**名無しさん＠お腹いっぱい。** · 2025/03/08(土) 17:00:14.75

mistralは日本語縦書き駄目だね。勢いで久しぶりにAzure試したらこれも駄目。
Google Vision ,Google Document AI のデモやったみたら大成功。
今、スクリプト作成中。

**名無しさん＠お腹いっぱい。** · 2025/03/11(火) 16:22:09.99

https://lithium03.info/product/bunkoOCR.html
機械学習モデルを新しくしたので、色々いじった

性能が上がったのか下がったのか、もう訳わかんなくなってきたので、
暇な人誰かテストして。

ページ番号とかの邪魔な文字を外すやつは、ちょっと保留にしてます。
別のエンジンで領域を選択してやる予定なので、これから作るとこ

**名無しさん＠お腹いっぱい。** · 2025/03/11(火) 22:40:15.06

ありがとうございます
まだ見ている最中ですが2023年版で段組みが崩れていたものが直っていたり、貧弱なIntel Iris Xeでも処理速度が上がっていたりとよくなっていますね

**名無しさん＠お腹いっぱい。** · 2025/03/12(水) 00:14:22.09

新バージョンはどこ？

**名無しさん＠お腹いっぱい。** · 2025/03/12(水) 01:26:05.48

見つけられない子は触らない方がいいよ。
5GB ダウンロードする必要もあるし。

**名無しさん＠お腹いっぱい。** · 2025/03/12(水) 08:47:48.58

>>518
ありがとうございます
ずっと待っていました

ページ番号除去はChainLPなどを使ってやってますが
複数のソフト使わないで済むのは助かりますね

今日中に試してみますね
連続した会話文で2行目のカギカッコが抜ける
ダブルクォーテーションの最初の「“」が抜けるあたりが改善されていたらかなり嬉しい

**名無しさん＠お腹いっぱい。** · 2025/03/13(木) 02:06:33.53

bunkoOCR_20250313_patch.zip

出力先を指定出来るようにした。
出力jsonファイル名が被ったときに上書きするかどうか選べるようにした。

要望サンクス

**名無しさん＠お腹いっぱい。** · 2025/03/13(木) 15:59:49.10

>>518
早速使わせていただきました
旧バージョンより速度も精度も格段にアップしていて感激です
カギカッコやダブルクオーテーション、一と-の判別も正確に認識されていました

radeon7600xtなのでdirectMLのみチェックして使いましたが
tensorやQudaに対応していなくても何も問題なく快適に動きます
ただ、以前は読み込んだファイルは誤字脱字はあっても全部処理されていましたが
今回のですと稀に処理されずにウインドウ左側に残ったままなのがありました
600ページで7～8個程度で挿絵も入っていない普通の文章の画像ファイルです
（もう一度読み込ませたらちゃんと処理してくれました）
また、ルビの小さい文字「ゃ」「っ」を「や」「つ」と認識するのが結構ありました
それとキャッシュフォルダも見た限りでは作成されてない思います

以前のバージョンに比べて質の低いファイル、低画質でぼやけてたり汚れてたり傾いているものも
かなり正確にocr出来ている感じです
旧版はファイルの画質やサイズに関わらず同じような時間と負荷がかかっていましたが
今のですと低画質ファイルならRADEONでもかなり速くなります

420ページの文庫本、1ページあたり200～300ＫＢ程度のファイルでも
旧版だと1時間7分程かかっていたのが今回は7分で終わったので10倍近く速くなりました
それでいて認識精度も良くなっているので嬉しい限りです
600dpi、1ページあたり6～800ｋｂのものだと多少遅くなり420ページで20分程度。
GPU負荷はどちらもほぼ100％ですが消費電力は前者が平均120W程度に対して後者だと150～60と高くなります
温度も平均45度と53度で高くなっています
低画質でも読み取り精度が高く結果が変わらないのであまりスペックが高くないPCの方、省エネしたい方は
画像編集ソフトなどでリサイズすれば負荷がかからなくていいかも

とにかく素晴らしいソフトをありがとうございました
以前はOCR処理してる時間に自炊や他の作業をしてましたが
今はいつのまにか終了してる感じです

**名無しさん＠お腹いっぱい。** · 2025/03/13(木) 16:36:32.91

>>524
テストありがとうございます。

リストに残っちゃうのが謎です。ちょっと負荷テストしてどこがおかしいかチェックしてみます。

つとやの小さいのと大きいのを間違えるのは、ふりがなで小さくしないルールの文庫本と、ちゃんと小さく書く青空文庫を両方取り込んだので、迷いがあるのかもしれません。
アルファベットを半角にするか全角にするかとかも、迷いが見られるので、この辺りはどうしたもんかなと。
後処理でなんとかする方がよいかもしれません。

**名無しさん＠お腹いっぱい。** · 2025/03/13(木) 16:38:42.69

DirectMLとCUDAは、キャッシュ使わないので生成されないので合ってます。
TensorRTとOpenVINOがキャッシュ出すはずです

【文字認識】OCRソフト（3文字目）【 自炊 】

【文字認識】OCRソフト（3文字目）【自炊】