写真からテキストへ

iPhoneで写真からテキストをスキャン

AppleのVisionフレームワークを使ったオンデバイスOCRで、iPhoneのあらゆる写真から編集可能・コピー可能なテキストを取り出します。対応は14言語。Apple標準のテキスト認識表示(Live Text)はカメラからの素早い取り込みにすでにうまく対応しています。ScanLensが活きるのは、言語がLive Textの得意範囲を外れるとき、写真がすでにライブラリに入っているとき、あるいは認識テキストを他の書類と並べて保存しておきたいときです。

Apple Visionをデバイス内で実行 14言語ライブラリ統合アップロードなし

適した用途: すでにライブラリにある写真、外国語の看板やメニュー、印刷された書籍のページ、混合スクリプトの書類(日本語+英語、キリル+ラテン)、スクリーンショット、そして認識テキストを単にクリップボードに置くのではなく、関連するスキャンと一緒に保存しておきたい写真全般。

iPhoneで写真からテキストをスキャンするには — テキスト認識表示(Live Text)で足りる?

iPhoneで写真からテキストを取り出すには、OCR対応アプリで写真を開き、認識を走らせてから、抽出された言葉をコピー・共有・保存します。近年のiOSで、Appleはまさにこの用途にテキスト認識表示(Live Text)を標準で搭載しています — 写真やカメラのプレビューに写った文字を長押しすると、コピー・翻訳・共有のメニューが出てきます。1枚をその場でさっと処理するなら、これが正解の道具です。

専用のOCRアプリが意味を持ってくるのは次の3つのうちどれかが当てはまるときです:言語がLive Textの得意な範囲を外れる(CJKの精度、手書き、混合スクリプト)、写真がしばらくカメラロールにあってカメラからではなくライブラリから作業したい、認識テキストをドキュメントのワークフローに乗せたい(他のスキャンやPDFと並べて保存し、ライブラリ全体から検索できるようにしたい)。ScanLensはこうした場面への答えです — AppleのVisionによるオンデバイスOCR、14言語、そして結果を残すドキュメントライブラリ。

テキスト認識表示(Live Text)とScanLens — どちらが何を得意とするか

テキスト認識表示(Live Text)が適しているのは、目の前にある文字を今すぐクリップボードに入れたいときです。翻訳したい街路標識、展示会で受け取った名刺、カフェのWi-Fiパスワード、ルーターの背面の型番。カメラを開いて、文字をタップして、コピー。3秒で完了です。Live Textは広く使われている数十言語をうまく扱い、翻訳もワンタップで届きます。

ScanLensが本領を発揮するのは3つのはっきりした場面です。2週間前に撮った日本語の本のページ。Live Textは日本語を認識しますが、縦書きの密な文字での精度は一定せず、結果は30秒もすれば次のコピーで上書きされてしまいます。ライブラリに残してある印刷された手紙。数か月前の写真では、ヒューリスティクスが控えめなため、Live Textが選択UIを表示しないことがあります。2つの文字体系が並ぶ写真 — 二言語のメニュー、ロシア語と英語の取扱説明書、日本語と英語の教科書のページ。ScanLensの言語ピッカーは、エンジンに何を期待すべきかを明示できるしくみで、専用OCRが昔から混合書類を扱ってきた方法そのものです。

写真を編集できる文字に変えるには？

AppleのVisionフレームワークによるオンデバイスOCR

Apple自身がLive Textの内部で使っているエンジンに直接アクセスし、言語選択を自分で制御できます。Visionは14言語を認識します — 主要なヨーロッパ言語、キリル(ロシア語・ウクライナ語)、CJK(簡体字中国語・日本語・韓国語)、アラビア語、そして複数のラテン文字言語の手書きを含みます。何もデバイスを離れません — 写真も認識テキストも端末内に残ります。

ライブラリ・カメラロール・ファイルから任意の写真を取り込み

「写真」アプリから取り込む、「ファイル」アプリのフォルダ(iCloud Drive、Dropbox、Google Driveなど「ファイル」プロバイダ経由)から取り込む、ScanLens内で新しく撮影する、いずれも対応します。スクリーンショットも、OCRエンジンから見れば普通の写真と同じです — 直接選択できないアプリから文字を拾いたいときに便利です。

認識テキストは編集可能・コピー可能・書き出し可能

OCR後の認識テキストはコピーするか、iOSの共有シートから送れます。ScanLensの書類ファイル書き出しはPDF、JPG、PNGです。別のテキスト書類が必要な場合は、コピーしたテキストをメモ、Pages、Wordなどに貼り付けてください。

ScanLensのライブラリで写真と並べて保存

ここがLive Textには無い部分です。認識テキストはScanLens内のドキュメントとして保存され、元の写真とリンクされ、スキャンやPDFと並ぶライブラリの一覧から検索できます。2か月後、「日本料理店のメニューから文字を取った気がするが、どの写真だっけ」と思い出したとき、検索で見つかります。

OCRの流れ

ScanLensで写真からテキストをスキャンする手順

アプリを開いてから認識テキストがクリップボードに届くまで、写真1枚なら1分かかりません。6ステップ、アプリの往復なし。

ステップ	操作	ヒント
1	ScanLensを開く	ホーム画面またはiOSのDockから — サインイン不要
2	写真を取り込む	「写真」ピッカー、「ファイル」ブラウザ、カメラロール、またはアプリ内撮影
3	言語を選ぶ	単一言語の写真なら既定でOK、混合スクリプトなら文字の大半を占める言語を選択
4	OCRを待つ(通常1〜2秒)	認識テキストは写真の横に編集可能なオーバーレイとして表示
5	選択・コピー・共有	長押しで選択、メール・メッセージ・メモなどiOS標準の共有メニュー
6	写真+テキストをライブラリに保存	1つのドキュメントとして保存、他のスキャンと並んで検索可能

スクリーンショットから文字を写し取る

スクリーンショットも、カメラロールの中の一枚の画像にすぎません。ですから同じやり方が通ります。取り込み、認識をかけ、文字を写し取るだけです。チャットのスクリーンショットに写った住所、領収書の画像にある確認番号、そもそも文字を選ばせてくれないページの一段落——こうしたものには、これがいちばん近道です。

スクリーンショットは、たいてい紙を撮った写真よりよく読み取れます。文字はすでに鮮明で、明るさも一様、しかも完全に正対しており、カメラが持ち込む遠近の歪みがありません。弱点はひとつ、画面上の小さな文字です。文字がごく小さいときは、スクリーンショットを撮る前に拡大しておいてください。

Live Textでうまくいかないとき

AppleのLive Textは、この種のことをアプリなしでかなりこなします。効く場面では、これが最も速い手段です。いくつかの場面では黙り込みますが、自分がどの場面にいるかが分かれば時間の節約になります。

その言語がLive Textの対象に入っていない。言語を自分で選べること、それこそが専用の認識器の利点です。
文字が小さすぎる、傾きすぎている、あるいは濃淡の差が乏しすぎる——自動の一回の処理には荷が勝ちます。斜めから撮った紙面が典型で、先に形を整えるだけで結果が変わります。
文字をクリップボード以外の場所に置きたい——書類の中で検索できる状態にする、ファイルとして書き出す、あるいは一度貼って終わりにせずページの画像と並べて残す、といった場合です。

Live Textで足りるなら、それを使ってください。アプリに手を伸ばす理由は主導権です。どの言語で読むか、先に形をどう整えるか、そして読み取った文字を最後にどこへ置くか——それを自分で決められることです。

テキストを取り出すことが本当に効く写真

旅行中の外国語の看板やメニュー

読めない言語のメニュー、駅の案内表示。撮って、OCRをかけ、翻訳アプリに貼る。Live Textもこの多くをすでにカバーしていますが、ScanLensなら言語を自分で選べます — キリル文字の時刻表、日本語の手書き看板、アラビア語の標識など — そして旅行後のために写真とテキストを一緒に残します。

印刷された本のページや、写真に撮った手紙

図書館の本のページで、きちんとスキャンする時間がなかったもの。原本を投函する前に撮った手紙。友人の講義ノートの1ページ。ScanLensは写真を、引用したり、検索したり、ライティングアプリに貼り付けたりできるテキストに変えます。

会議のホワイトボードの写真

スタンドアップ後のホワイトボードに走り書きされたアクションアイテム。書類撮影で遠近を補正し、OCR の前にホワイトボード画像フィルターでコントラストを改善できます。手書き認識の結果は、筆跡、言語、照明、カメラ角度によって変わります。

料理本のレシピのページ

1つのレシピのために料理本全体をスキャンしてトリミングするのは大げさです。ページを撮って、材料と作り方をOCR、レシピフォルダに保存。テキストは写真の隣にあるので、手順が不明瞭な場合に視覚的なレイアウトを参照できます。

写真に撮った手書きメモ

同僚が机に残していった付箋。チームメイトが送ってきたホワイトボードのスケッチ。自分の打ち合わせメモの1ページ。Apple Visionの手書き認識は複数のラテン文字言語に対応しています — 専用の説明は手書きをテキストにスキャンを参照してください。

よくある質問

テキスト認識表示(Live Text)だけで十分では?

ストリートサイン、Wi-Fiのパスワード、名刺など、その場で素早く取り込むなら、テキスト認識表示(Live Text)が本当に適した手段です。近年のiOSに標準搭載で、カメラからそのまま動きます。ScanLensが活きるのは、言語がLive Textの得意な範囲を外れるとき、写真がすでにライブラリに入っているとき、認識したテキストをクリップボードではなく保存済みの書類に流したいときです。

対応している言語は?

ScanLensはOCRにAppleのVisionフレームワークを使い、14言語の文字を認識します。英語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語、オランダ語、ポーランド語、キリル(ロシア語・ウクライナ語)、CJK(簡体字中国語・日本語・韓国語)、アラビア語で、複数のラテン文字言語の手書きにも対応します。写真に合う言語を1つ選ぶと、認識器は対応するモデルを読み込みます。

写真はどこかにアップロードされますか?

いいえ。OCRはAppleのVisionフレームワークを使ってiPhone上で完結します。認識のために写真が端末を離れることはありません。ScanLensのアカウントもアップロード工程もありません。後でiCloud Driveのフォルダに保存すると、Apple標準の同期が適用されます — あなたのiCloudであって、ScanLensのサーバーではありません。

写真に複数の言語が混在している場合は?

言語ピッカーで、写真の文字の大半を占める言語を1つ指定します。日本語と英語が混じったメニューやロシア語と英語の取扱説明書では、その画像から実際に必要な文字体系を選んでください。どの言語を想定すべきかを認識器に伝えることが、誤った推測を防ぎます。これは、Live Textではなく専用のOCRを選ぶ大きな理由の一つでもあります。

スクリーンショットからもテキストを取り出せますか?

はい。ScanLensから見ればスクリーンショットも単なる写真です。他の画像と同じようにカメラロールから取り込んでください。直接選択させてくれないアプリの文字を拾いたいとき、動画の1フレームに字幕を付けたいとき、チャットのスクショから住所を抜きたいときなどに便利です。

認識テキストに書式は再現されますか?

いいえ。OCRの出力はプレーンテキスト — 単語と改行のみで、太字、斜体、フォントサイズ、色、段組、表は付きません。貼り付け先のアプリで再レイアウトされます。スタイル付きのコピーが必要な場合は、単語はOCRで、視覚レイアウトはスクリーンショットかPDFで残し、両者を並べて使う形になります。

登録不要で無料の、画像から文字を起こす道具はありますか？

登録は不要です。ScanLensはどの段階でもアカウントもメールアドレスも求めませんし、処理がよそのサーバーで走ることもありません。無料かというと、一部はそうです。認識は取り込んだ書類ごとに裏で走り、自分の書類の中を検索するのに費用はかかりません。一方、認識した文字を読み、写し、書き出す画面は有料の機能一式に属します。現在のプランは料金ページにあります。