スクリーンショットの OCR 精度を上げる方法(2026)
OCR は魔法ではありません。エンジンが読むのはピクセルであり、渡すピクセルがその後のすべての上限を決めます。ゆるいトリミング、小さすぎる文字、間違った言語パックは、エンジンがどれほど優秀でも期待外れの結果を生みます——そしてほとんどの悪い結果は、認識が始まる前に決まっています。
VKT SnapOCR は Chrome・Edge・Firefox 上で、拡張機能内にパッケージされた Tesseract WebAssembly エンジンを実行します。渡されたトリミングを認識するだけで、画像を強調処理することはありません。だから伸びしろはキャプチャの習慣にあります。
品質はキャプチャ前に決まる
ワークフローはシンプルです:ページの任意の領域にボックスをドラッグし、ローカルエンジンが認識し、テキストは編集可能なボックスに入り、あなたがコピーします。選択中はページが凍結されるので、ドラッグ中にボックス下のピクセルがスクロールで逃げることはありません——囲んだものがそのままエンジンに届きます。
以下のすべては、エンジンにより良い矩形を渡すための話です:よりきつく、より大きく、正しい言語で、一度に1ブロックずつ。
きつくトリミング:文字だけを囲む
認識は矩形内のすべてを読み取ります。背景のグラデーション、装飾的な枠線、隣のカラム、ブラウザの UI はすべてエンジンが解釈すべきノイズになり、誤認識はノイズから生まれます。
- 本当に欲しい段落やブロックだけを囲み、ページ全体を巻き込まない。
- 端の文字が半分切れないよう小さな余白を残す。ただしそれ以上は不要。
- 複数の離れたブロックが必要なら、巨大なボックスを1つ描くのではなく、1つずつキャプチャする。
キャプチャ前に拡大する
小さな文字は、文字化けした出力の最も一般的な原因です。キャプチャはスクリーンショットなので、画面上のサイズが入力のサイズになります——そして SnapOCR はディスプレイの実デバイスピクセル(devicePixelRatio)でトリミングし、HiDPI のディテールを捨てずに保ちます。つまりページのズームはトリミングに実際にピクセルを追加するのです。
ページを拡大(Ctrl++ / Cmd++)して、自分にとって無理なく読めるサイズになったらボックスを描きます。文字があなたの目を疲れさせるなら、エンジンも同じように苦労します。画像内の文字にも有効です:画像を大きく開くかページを拡大してから選択してください。
適切な言語を選ぶ
言語パックはエンジンにどの文字集合を期待すべきかを伝えます。間違えると品質は目に見えて落ちます——アクセント記号は文字化けし、似た字形は取り違えられます。開始前にポップアップで言語を設定してください。
- 無料:英語と簡体字中国語が同梱され、完全オフラインで動作します。
- Pro($14.99、一回限り):さらに7言語——繁体字中国語、日本語、韓国語、ロシア語、フランス語、ドイツ語、スペイン語。各パックは一度ダウンロードすれば、同梱言語と同じようにオフラインで動作します。
ライセンスなしで Pro 言語を選ぶと認識開始前に拒否されます。混在コンテンツは主要言語で選びます:英語が主体の段落に外国語の名前が少し混じる場合、少数派の言語より英語で読む方がうまくいきます。
一度に1カラムずつ
選択は矩形であって、レイアウトパーサーではありません。多段組みのページ、脇注のあるテーブル、本文と交互に配置されたキャプションでは、エンジンがカラムをまたいで行を結合し、読む順序を乱すことがあります。
各カラムやテーブルのブロックを別々にキャプチャし、エディタで組み立ててください。あとから乱れた結果をほどくより、2〜3回多くドラッグする方がマシです。これは SnapOCR の癖ではなく OCR 一般の挙動です。
コントラストとフォントが大きく左右する
エンジンは普通にレンダリングされたテキストで学習しています:明るい背景に暗い文字、標準の太さ、標準のフォント。黒背景に白文字のテーマ、低コントラストの灰色文字、装飾的な書体や芸術的なレタリングは、どれも認識が悪くなります。
SnapOCR は画像の強調や前処理をしないので、選べるなら普通にレンダリングされた版をキャプチャしてください:様式化されたポスターではなく記事ページ、ダークテーマではなくライトテーマ。様式化された版しかない場合は、拡大してきつくトリミングし、結果ボックスでより多くの文字を修正する覚悟で臨みましょう。
結果ボックスで修正、再実行しない
結果は編集可能です。20文字に1文字の誤りなら、ボックス内で直してコピーしましょう。同じトリミングを再実行してもたいてい同じ誤りが返ってくるうえ、認識をもう1回分消費します。
無料版ではこれが重要です:1日20回の認識で、ローカルの真夜中にリセット。カウントされるのはエンジンが完了した実行だけです——Esc でキャンセルした選択や注入失敗はゼロコストですが、エンジンが処理して文字を読めなかったトリミングはカウントされます。編集は回数を消費せず、再実行は1回分消費します。
直近の結果はローカルの履歴リストに残ります——無料は最新10件、Pro は200件——エントリをクリックするとコピーされます。テキストをファイルとして残したいときのために、Pro には TXT エクスポートもあります。
OCR が適さないケース
- 手書き。エンジンは印刷文字のために作られています。タイプされたソースを探しましょう。
- 極めて小さい低解像度の文字。モザイク状の原画像を拡大してもディテールは生まれません。より高解像度のソースを探してください。
- 芸術的なロゴタイプ。様式化された数文字を手で入力する方が、エンジンと格闘するより速いです。
- 選択可能なテキスト。ページに本物のテキストがあるなら選択してコピー——常に正確で、認識は不要です。
OCR が取り戻すのはピクセルの中にあるものです。存在しなかった情報を再構築することはできません。
FAQ
Esc で選択をキャンセルすると無料認識の1回分を消費しますか?
いいえ。カウントされるのはエンジンが実際に完了した認識だけです。Esc でキャンセルした選択や、拡張機能が注入できないページは何も消費しません。例外が1つ:エンジンが処理したものの文字を読み取れなかったトリミングは、実行が完了したためカウントされます。無料枠は1日20回で、あなたのローカル時刻の真夜中にリセットされます。
キャプチャ前にページを拡大すると本当に効果があるのはなぜですか?
キャプチャはスクリーンショットであり、SnapOCR はディスプレイの実デバイスピクセル(devicePixelRatio)でトリミングして、HiDPI のディテールを縮小せずに保つからです。ページを拡大すると文字はより多くのピクセルで描画され、エンジンが読むトリミングに入ります。文字あたりのピクセルが多いほど、認識できる形状情報が増えます。
英語と中国語以外の言語も認識できますか?
はい、Pro なら可能です。英語と簡体字中国語は同梱で無料です。ライセンス($14.99、一回限り)で7言語が追加されます:繁体字中国語、日本語、韓国語、ロシア語、フランス語、ドイツ語、スペイン語。各パックは一度ダウンロードすればオフラインで動作します。ライセンスなしで Pro 言語を選ぶと、認識が始まる前に拒否されます。
スクリーンショットはどこかにアップロードされますか?
いいえ。認識は拡張機能内にパッケージされた Tesseract WebAssembly エンジンでローカルに実行されます。キャプチャはメモリ内にのみ存在し、結果ウィンドウを閉じると破棄されます。何もアップロードされません。同梱言語が接続なしで動作するのもこのためです。
他のガイドは VKT ブログへ。ご質問は [email protected] まで。
