画像文字抽出ツール

画像になった文字を、コピーできる文字に戻します

画面をキャプチャしたり写真を撮ったりした時点で、その中の文章は「文字」ではなく、色のついた点の集まりになります。人間の目には同じように読めても、パソコンはその部分を選択したりコピーしたりできません。画像テキスト抽出ツールは、こうした画像から文字の形を探し、もう一度文字データに変換します。この処理は一般にOCR（光学文字認識）と呼ばれます。

OCRの結果は、元の文章をそのまま写したものではなく、エンジンが「いちばんそれらしい」と判断した推定です。そのため、このツールは読み取った文字を表示するだけで終わりません。単語ごとにエンジンがつけた信頼度を画像の上に色で示し、疑わしい単語に移るたびにその行の元画像を大きく表示して、結果と見比べられるようにしています。処理はすべてこのブラウザーの中で行い、画像はどこにも送信しません。

こんなときに使えます

文字を打ち直す作業は、短く見えても入力ミスが起きやすく、数字や英字のアドレスが混ざるとなおさらです。画像の中の文字が必要になる場面は、意外と多くあります。

• メッセージアプリで届いたお知らせ・案内の画像: 日付・場所・口座番号をカレンダーやメモへそのままコピーできます。
• 講義スライドやオンライン会議のキャプチャ: 画面に一瞬映った文章をノートに貼り付け、必要な箇所だけ直します。
• エラーメッセージのキャプチャ: 他の人から送られてきたエラー画面の文言をコピーして、検索や問い合わせに貼り付けます。
• 本や印刷物を撮った写真: 引用したい段落を文字にして、ページ数とあわせて原文と見比べます。
• 文字を選択できないWebの画像: 画像で公開されている表やカード形式の文章を読み取ったり、スクリーンリーダーで読み上げられる文章に変えたりします。

スマートフォンやパソコンにも似た機能があります。使っている端末にあるなら、それがいちばん手早い方法です。このツールは、端末の機能が使えない場面や、結果を丁寧に見比べたい作業に向いています。

使い方

1. 画面をキャプチャして、このページにCtrl+V（Macは⌘+V）で貼り付けます。画像をドラッグ＆ドロップするか、「画像を選ぶ」を押してもかまいません。Windowsは Win+Shift+S、Macは ⌘+Shift+Control+4 で、画面の一部をクリップボードに直接キャプチャできます。
2. 認識言語のチップが画像内の文字と合っているか確認します。最初は日本語と英語をあわせて読み取ります。最大3言語まで選べます。
3. 結果欄の下にある矢印で、確認する単語を順に移動します。上の帯にその行の元画像が大きく表示されるので、見比べて間違った文字を結果欄でそのまま直します。
4. 不要な文字まで読み取られたときは、範囲を選ぶで画像の上に四角を描き、その部分だけを読み直します。文字が横に倒れている場合は、回転ボタンを押します。
5. 「すべてコピー」でコピーするか、TXTで保存します。文書に貼り付ける文章なら、行の整え方を「段落につなぐ」に切り替えます。

間違いは信頼度と元の行で見つけます

認識エンジンは、単語ごとに「この文字で合っている可能性」を0〜100の点数で返します。このツールは点数に応じて、画像上の単語の枠を3種類の色で塗り分けます。点数の低い単語から見ていけば、結果全体を最初から最後まで見比べなくても済みます。

上の例の結果にも、この3つの場合がそろっています。例の結果は、このツールのエンジンで例の画像を実際に読み取ったものです。

1行目の波線は点数が低く、「確認する単語」に入りました。2行目の中黒は点数が80あっても、ハイフンに読み間違えています。一方、3行目の「町」は濃い青の枠でも正しく読めています。このように、点数は目安にすぎません。この例では濃い青の枠が「町」のほかに「11」（75）と「木」（79）もありますが、どれも正しく読めています。結果を提出したり、送金や予約に使ったりする前には、数字・日付・口座番号・名前を元の画像でもう一度確かめてください。結果欄でカーソルを動かすと、その単語がある行の元画像が上の帯に表示され、画像上の枠も一緒に示されます。単語を一つずつ探し回る必要はありません。逆に、画像上の単語の枠を押すと、結果欄でその単語が選択されます。

小さい文字は拡大して、もう一度読みます

OCRは、文字の線が数ピクセルしかないと、似た形の文字を見分けられません。Tesseractのドキュメントは、エンジンは300dpi以上の画像でもっともよく動くため、画像のサイズ調整が役立つことがあると案内しています。画面キャプチャには意味のあるdpiの値がないので、このツールは代わりに、最初に読み取った結果から文字の行の高さの中央値を測ります。

その値が30ピクセルより低いと、行の高さが44ピクセルになるように画像を拡大して、もう一度読み取ります。拡大は最大3倍で、拡大後の画像が1,600万画素を超えない範囲に限ります。必要な倍率が1.25倍に届かないときは拡大しません。2回の結果のうち、文字数で重みづけした平均信頼度が高いほうを採用します。最初の読み取りで文字の行がまったく見つからなかったときは、2倍に拡大してもう一度試します。読み取りメーターの「文字の行の高さ」の目盛りで、この過程を確認できます。

上の例は、規則どおり1.63倍に拡大して読み直しましたが、元のサイズの結果のほうが信頼度が高かったため、元のサイズの結果を採用しています。最後の行のように、大きな写真に小さな文字が写っている場合は、画像全体では拡大する余裕がありません。そのようなときは、文字の部分だけを範囲として選んでください。選んだ部分だけを処理するので、同じ上限の中でも十分に拡大できます。ただし1,600万ピクセルを超える写真は最初に1,600万ピクセルへ縮小しているため、選んだ部分も縮小後の画像から切り出して拡大します。すでにぼやけた文字は、拡大しても存在しなかった線が現れるわけではありません。できるだけ近づいて撮り直すほうが確実です。

暗い画面、余白、傾いた写真

Tesseract 4以降のエンジンは、明るい背景に暗い文字があることを前提にしています。このツールは、読み取る範囲の平均の明るさが0.45（白＝1）より低いと、ダークモードのキャプチャと判断して色を反転してから読み取ります。透明なPNGは、白い背景の上に置いて読み取ります。

Tesseractのドキュメントは、文字の領域に余白がないと問題が起きることがあるとして、10ピクセル程度の余白を勧めています。画面キャプチャは文字が端に接していることが多いため、このツールは読み取る前に四方へ12ピクセルの余白を足します。余白の色は、画像の端の平均色です。文字の行が大きく傾くと、行を分ける精度が大きく下がります。横向きに倒れた写真は、回転ボタンで文字の行を水平にしてから読み取ってください。

太くて大きな見出しは、エンジンが文字の上の部分だけを別の1行として読み取り、意味のない記号の行ができることがあります。このツールは、単語がすべて信頼度60未満で、かつ、より信頼できる別の行と縦方向に半分以上重なる行を、結果から除きます。

認識言語の選び方

認識言語は、画像内の文字の種類に合わせて選びます。言語ごとに学習データが別にあり、最初に選んだときに一度だけダウンロードされます。一緒に選ぶ言語が多いほど、読み取りの時間は長くなります。そのため、一度に選べるのは3言語までです。このページを日本語で開いたときの初期設定は、日本語と英語で、最初のダウンロードは約9.1MBです。

日本語だけの画像に意味のないアルファベットが混ざるなら、Englishを外して日本語だけにしてみてください。逆に、英語だけの画像は、Englishだけにしたほうがアルファベットの認識が安定します。言語を変えると、同じ画像を新しい設定ですぐに読み直します。データは、Tesseractのもっとも精度の高い学習データ（tessdata_best）を整数型に小さくした版で、Tesseract.jsが標準で使うデータと同じものです。

行をそのまま／段落につなぐ

行をそのままは、画像に見えている改行をそのまま残します。住所、表の1行、箇条書きのように、行そのものに意味がある文章に向いています。段落につなぐは、画面の幅で途切れた行を一つの文につなぎ、文書やメールに貼り付けやすくします。どちらの方式でも、読み直しはせず、結果だけを整え直します。

• 段落と段落の間には、空行を1つ入れます。
• •、-、※、1.、①のような記号で始まる行は箇条書きとみなし、新しい行から始めます。
• 漢字・かな・数字・括弧の間にある空白は取り除いてつなぎます。ただし、表の項目名と値のように、行の高さの2倍以上離れている箇所には空白を残します。
• 英単語が行末のハイフンで途切れ、次の行が小文字で始まるときは、ハイフンを残したままつなぎます。

結果欄で文字を直したあとに行の整え方を変えると、直した内容は最初に読み取った文字に戻ります。そのときは、状態表示の「修正した文章に戻す」を押すと、変える前の文章に戻せます。

よくある間違い

できないこと

• 手書き文字: Tesseract.jsの案内では、どのような設定を組み合わせても手書きの認識は大きくは改善しないとされています。エンジンが印刷された文字を前提に作られているためです。
• 縦書き: 縦書き専用の学習データは入れていません。縦に書かれた日本語・韓国語は精度が大きく下がります。
• 表: 枠の中の文字は読み取りますが、表の行と列の構造は残りません。枠の多い表は、列ごとに範囲を選んで読み取るほうが適しています。
• 装飾的な書体・模様の上の文字: 文字の形が学習した書体と大きく違ったり、背景の模様と混ざったりすると、間違いが増えます。
• 数式・特殊な記号: 分数、上付き文字、化学式のような配置は1行の文章にほどけてしまい、構造が失われます。
• 一度に1枚: 複数の画像は1枚ずつ読み取ってコピーします。すでにPDFになっている文書は、PDFから文字を直接取り出すツールのほうが正確です。

画像はどこにも送信しません

キャプチャには、名前・連絡先・口座番号のような機微な情報が含まれがちです。このツールは、Tesseract.jsのエンジンをブラウザー内のワーカーで動かしているので、選択または貼り付けた画像も、読み取った文字も、サーバーには送信されません。保存もされず、アドレスバーにも残りません。インターネットからダウンロードするのは、初回の認識エンジンと選んだ言語のデータ、そしてブラウザーがHEIC写真を直接開けないときに使う変換ツールだけで、すべてこのサイトから取得します。

言語データは、次回の訪問時にもう一度ダウンロードしなくて済むよう、ブラウザーのストレージ（IndexedDB）に残ります。「クリア」を押すと、画像・結果・選択した範囲が画面から消え、タブを閉じても残りません。共用のパソコンでは、コピーした文章がクリップボードに残っていることがあります。使い終わったら、別の文字を一度コピーしておくと安心です。

基準: エンジンはTesseract.js 7.0.0（2025-12-15公開、LSTM）、言語データは@tesseract.js-data 1.0.0の4.0.0_best_int。ダウンロードのサイズは、エンジンが4,073,740バイト、韓国語が1,572,336バイト、英語が2,952,873バイト、日本語が2,030,256バイト、スペイン語が2,100,190バイト、インドネシア語が1,194,182バイトです。2026-10-20確認。

出典

• 01Tesseract ドキュメント: Improving the quality of the output300dpi以上でもっともよく動作、4.xは明るい背景に暗い文字、余白（例: 10px）、傾き、ページ分割の方式
• 02Tesseract ドキュメント: Traineddata Filestessdata_bestは速度を大きく犠牲にして精度を少し高めたデータ、tessdata_fastとの比較
• 03Tesseract.js100以上の言語を読み取れるJavaScript製OCR、ブラウザーとNode.jsで動作、Apache-2.0
• 04Tesseract.js FAQoem 1のデータはtessdata_bestを整数型に小さくした版、言語ファイルはIndexedDBに保存、手書きは設定では大きく改善しない
• 05Tesseract.js v7.0.0 リリース2025-12-15公開
• 06jsDelivr: @tesseract.js-datakor・eng・jpn・spa・ind 1.0.0、4.0.0_best_intフォルダーのtraineddata.gz
• 07Appleサポート: iPhoneでテキスト認識表示を使うiPhone XS・XR以降のモデル、iOS 15以上
• 08Apple: iOSの機能が使える国と言語テキスト認識表示の言語に英語・日本語・韓国語・スペイン語を含む
• 09Microsoftサポート: 切り取りツールを使ってスクリーンショットをキャプチャするテキスト アクション（OCR）、文字の認識は端末内で処理
• 10heic2anyブラウザーがHEICを直接開けないときに使う変換ツール、MIT、0.0.4を使用

よくある質問

あわせて使いたいツール