Chrome で画像からテキストをコピーする方法(2026)
文書の写真を右クリックして「テキストをコピー」のオプションを期待しても、「名前を付けて画像を保存」が出てきます。デスクトップのブラウザにあのメニュー項目はありませんでした。文字は画面に映っていますが、それは画素であり、GPU とクリップボードの間でそれをテキストレイヤーに変換するものはありません。
ここで紹介するのが、それを実現するワークフローです。右クリック(またはツールバーのボタン)でセレクターを出し、欲しいページ部分にボックスをドラッグし、小さなウィンドウに編集可能なテキストを受け取り、コピーします。認識はローカルで実行されます。以下で各ステップと、それが実際何をするかを説明します。
なぜブラウザにできないか
画像要素はビットマップです。DOM はその幅、高さ、altテキストを知っていますが、画像が何を映しているかは知りません。内蔵ビューアで開いた PDF には通常テキストレイヤーがありますが、単一のページ画像にフラット化された PDF、Slack メッセージ内のスクリーンショット、動画のフレーム、<canvas>に描画されたテキストには選択可能なものが何もなく、その上をドラッグしても選択できるものがないので何も選択されません。
つまり画像からのテキストコピーは2つの別々の仕事です。画面に映っているものの矩形領域をキャプチャし、次にその中の文字を認識します。1つ目は拡張機能が到達できるブラウザ API で、2つ目は OCR エンジンを必要とします。だからこそこれは設定ではなく拡張機能なのです。
開始する方法2つ
いずれも現在のタブ上に領域セレクターを構えます:
- 右クリックメニュー — メニュー項目はページ、選択、フレーム、画像、リンク、動画のコンテキストに表示されます。
<video>要素では、この項目で現在画面に映っているフレームを取得できます。 - ツールバーのポップアップ — ポップアップ内のボタンは同じセレクターを開始し、ポップアップは認識言語の設定や履歴の閲覧も行う場所です。
両方とも同じ場所に着地するので、手に最も近いものを選んでください。ポップアップはセッション間で言語選択を保持し、そこで選んだ Pro 言語も記憶されます。
ボックスを描く
オーバーレイが表示されている間、ページはスクロールを固定します——これは重要です。ドラッグ中にスクロールで外れる領域は、誤った内容をキャプチャする領域だからです。ドラッグして矩形を定義します。ボックスはページ自体の座標系に描かれ、Escを押すとすべてを非表示にしてスクロールを復元します。いずれかの辺が約8ピクセル未満のドラッグは誤クリックとして扱われ、認識に送られず破棄されます。
ボックスの取り方に、実用的な注意点を2つ:
- 余裕よりタイトに。認識は矩形の中身だけを読み取ります。余白、装飾的な罫線、隣のカラムはすべてノイズを加えます。欲しい段落だけに掛けたボックスのほうが速く、より正確です。
- テキストが小さければまず拡大。キャプチャはスクリーンショットなので、画面でのサイズが入力サイズです。密集した表で
Ctrl++を2回押すことは、どんなエンジン設定よりも効果があります。
あの画素に何が起きるか
ここが人々が心配する部分なので、道筋をすべて示します:
- 表示中のタブが PNG としてキャプチャされます。画面に映っているものだけです——拡張機能はページのファイルを読むことも、どこかへ送信することも一切しません。
- 矩形は物理ピクセルにトリミングされ、倍率はスクリーンショット自体から測ります——キャプチャしたビットマップ幅 ÷ ビューポート幅、高さも同様です。この比率は HiDPI とページズームの両方を吸収します。2× 画面で 125% ズームのとき、
devicePixelRatioだけでは誤ります。dpr はビューポート情報がない場合のフォールバックにすぎません。2× HiDPI 画面では、トリミングは余剰ピクセルを捨てるのではなく保持します。だから同じボックスは1080p画面より Retina ディスプレイのほうがよく読めるのです。 - トリミングされた画像は、OCR エンジン自体を実行する580×660サイズのポップアップウィンドウに送られます。
エンジンは WebAssembly で、拡張機能の内側から読み込まれ、2つの同梱言語パックも一緒に出荷されます。同梱されているものにはネットワークの往復が不要なので、マニフェストは拡張機能をオフラインで使えると宣言し、到達できる唯一のリモートアドレスもライセンスのエンドポイントです。トリミングはマシンから一度も出ません。
結果を読み取りコピーする
テキストは静的な段落ではなく編集可能なボックスに届きます——キャプチャをやり直す代わりに、誤読した1文字を直せます。その下に2つのボタンがあります:
- コピーはクリップボードに書き込みます。ブラウザが現行の clipboard API を拒否する場合、コピーはテキストを選択して従来型のコピーコマンドを実行するほうにフォールバックするので、ボタンは動き続けます。
- .txt としてダウンロードは認識結果を、タイムスタンプで命名した UTF-8 ファイルとして保存します。これはライセンスの一部で、権限がない場合はダウンロードせずボタンが促す動きをします。
成功した認識はすべてローカルの履歴リストにも新しい順で追加されるので、1時間前にスクリーンショットから取り出した引用文はまだそこにあります。無料版は直近10件、ライセンスは200件を保持します。
OCR が不適なツールになるとき
認識はリカバリの手段で、癖ではありません。手に取る前に、テキストが無料で取得できる場所にすでに存在しないか確認してください:
| 状況 | まず選ぶべき手 |
|---|---|
| ページに本物で選択可能なテキストが表示されている | 選択してコピー。正確、即時、無料。 |
| テキストレイヤーのある PDF | ブラウザの PDF ビューアからコピー、またはファイルを保存。 |
| 画像としてレンダリングされたスキャン PDF | その領域を OCR——これが本領のケースです。 |
| 写真やミームに焼き込まれたテキスト | OCR。 |
| 再生中の動画のフレーム | 一時停止し、動画を右クリックしてセレクターを実行。 |
| canvas や WebGL サーフェスに描かれたテキスト | OCR——DOM はテキストを一切保持しません。 |
精度は入力に追従します。美しく、濃く、均一に照らされた適度なサイズのテキストはほぼ完璧に出力されます。長い数字の列——請求書番号、IBAN、追跡コード——は、やはり画像と照合すべき箇所です。似た字形こそがエンジンの泣き所だからです。
知っておくべき制限
- 課金なしで1日20回の認識。カウントは現地の深夜にリセットされ、実行はエンジンが結果を返したあとで初めて計上されます——失敗したキャプチャや
Escで中断したページはあなたのコストになりません。 - 英語と簡体字中国語は同梱で無料。ほかの7つの言語パック(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)はライセンスの一部で、初回使用時にダウンロードされます。
- 通常のページのみ。
chrome://ページ、拡張機能ギャラリー、Web Store はコンテンツスクリプトの注入を拒否するので、メニュー項目もツールバーのボタンもそこで何もしません。 - 表示中のタブのみ。キャプチャはスクリーンショットなので、画面下のテキストはボックス化する前にビュー内へスクロールする必要があります。
- 一度に1領域。2カラムのページは2回のドラッグが必要です。ボックスは矩形であって、スマートなレイアウトリーダーではありません。
ライセンスはサブスクリプションではなく一回限りの購入で、さらに日次上限の撤廃、履歴を200件へ拡張、.txt エクスポートの有効化も行います。
簡潔なチェックリスト
実際に使う順番にまとめます:
- テキストは選択可能でしょうか?可能なら、選択してコピー——OCR はしません。
- そうでなければ、領域全体をビュー内へスクロールし、字形が見やすくなるまで拡大します。
- 右クリック→メニュー項目(またはツールバーのボタン)を選び、テキストの周りをタイトにドラッグします。
- テキストが英語と簡体字中国語以外なら、始める前にポップアップで言語を選択します。
- 1文字でも誤りがあれば結果ウィンドウのボックスを直してから、コピーします。
- 数字を含むものは、重要な場所に貼り付ける前に画像を一見します。
FAQ
Chrome 単体で画像からテキストをコピーできますか?
デスクトップではできません。Chrome には、ページ上の任意の画像に対して OCR を実行する右クリックメニューのオプションがありません。Android と Windows 11 の OS レベルのテキストツールは画面全体を対象にするもので、選択したウェブ領域を対象にするものではなく、ブラウザ内で JPEG をテキストレイヤーに変換するものはありません。
画像はサーバーにアップロードされますか?
いいえ。認識は WebAssembly の OCR エンジンで拡張機能のウィンドウ内で実行され、2つの同梱言語パックは拡張機能の内側に出荷されます。拡張機能がアクセスを許される唯一のネットワークアドレスは、それ自身のライセンスのエンドポイントだけなので、キャプチャはあなたのマシンに残ります。
なぜ拡張機能は一部のページで開かないのですか?
http、https、file のページにのみ注入できます。chrome://settingsのようなブラウザページ、拡張機能ギャラリー、Chrome Web Store はすべての拡張機能にとってアクセス禁止域なので、メニュー項目もツールバーのボタンもそこでは黙ったまま何もしません。
テキストを選択することと認識することの違いは何ですか?
ページにすでに本物のテキストがあるなら、単純な選択のほうが速く、常に正確です。OCR は、文字が画素であるケースのためのものです:看板の写真、画像としてレンダリングされたスキャン PDF、動画のフレーム、canvas に描画されたテキスト。認識はそれらの画素の尽力による読み取りなので、長い数字の列と特殊なフォントは二重に確認すべき対象です。
他のガイドは VKT ブログへ。ご質問は [email protected] まで。
