スキャンしたPDFをMarkdownに変換
スキャンしたページは文字の画像なので、通常の変換器には変換するものが見つかりません。このツールは代わりに画像の中の語を認識します。このサイトの他のすべてと異なり、ページを当方のサーバーへ送信して動作します。何が送信されるかを明示し、ご確認をいただくまで端末から何も出ません。
ここに PDF または Word をドロップ
またはパソコンからファイルを選択
PDF・Word (.docx) · 最大 50 MB
スキャンしたPDFをMarkdownに変換するには？
スキャンをこのページに追加します。まずブラウザ内で検査し、テキスト層がない場合にのみ認識を提案します。ご確認いただくと、ページを当方のサーバーで読み取りMarkdownとして返します。
スキャンしたファイルは送信されますか？
はい、そしてこのツールだけが送信します。ページは当方のサーバーへ送られ、読み取りの間だけメモリに置かれ、処理の終了時に破棄されます。ディスクには書かれません。
スキャンしたPDFをMarkdownに変換する手順
- 1
スキャンPDFを追加
ファイルを上の枠に追加するか、端末から選びます。先にブラウザ内で検査するため、すでにテキスト層があるPDFはどこにも送らずここで変換されます。
- 2
言語を選ぶ
文書が書かれている言語を選びます。認識精度はこれに大きく左右され、選び間違いが結果の悪化で最も多い原因です。
- 3
送信を確認
何が送信され、どこへ行き、どれだけ保持されるかが表示されます。ボタンを押すまで何も送信されず、断っても状態は変わりません。
- 4
結果を確認
Markdownがエディタに表示され、認識の信頼度も添えられます。人名、数字、日付は原本と照らしてから使ってください。
スキャンしたPDFとは何か
PDFには画面上では見分けのつかない二種類があります。一方は文字を保存しており、選択も検索もコピーもできます。もう一方はフラットベッドスキャナや携帯のカメラ、ファクスから来たページの写真を保存しており、文字がまったく含まれません。
当方の通常の変換器は前者をブラウザ内で直接読み、ファイルをどこにも送りません。後者に対しては当然何も見つけられません。だからスキャンには同じ道具の改良版ではなく、別の道具が必要になります。
ソフトウェアなしでも見分けられます。PDFを開き、カーソルで一行を選択してみてください。何も反転しなければそれはスキャンです。
なぜこのページだけが送信するのか
文字認識は各ページを高い解像度で画像化し、その画像に認識エンジンを走らせる必要があります。ブラウザ内でも可能ではありますが、遅く、メモリを多く使い、精度も明らかに劣ります。撮影された文書の多くが生まれる中位機種の携帯では、現実的な選択肢ではありません。
そのためこの一つのツールだけがページをサーバーへ送ります。作るにあたって、元の約束をできるかぎり保ちました。認識は当方の機材で当方のエンジンにより行われるため、第三者が文書を受け取ることはありません。またこのサービスにはデータベースもオブジェクトストレージも書き込み可能なディスクもなく、保存する場所そのものがありません。ページは処理の間だけメモリにあり、その後は消えます。
同意はファイルごとに毎回個別に求め、記憶することはありません。断られた場合、何も送信されず、サイトの他の部分はいつもどおりに動きます。
認識が得意なことと不得意なこと
印刷された文字をきれいに300 DPIでスキャンしたものは、非常に正確に認識されます。斜めから撮ったもの、暗い場所で撮ったもの、褪せたファクスは目に見えて悪くなります。認識は書き写しではなく統計的な推定です。
出力からは見えないため知っておく価値のある失敗が二つあります。一つは文字の読み違いで、周囲に手がかりとなる語がない人名、参照番号、長い数字で最も多く起こります。もう一つはエンジンが読めなかった語が脱落することで、文字が誤っているのではなく欠けている場合があります。結果には信頼度と、点数の低かったページが示されます。
- 対応言語の印刷された文字 — きれいなスキャンでは信頼できます
- 見出し、段落、リスト — 認識された語の位置と大きさから組み直されます
- 表 — たいてい復元されますが、列の揃いを確認してください
- 手書き — 対応していません
- 数式 — 対応していません
- 画像と図 — 抽出されません
よりよい結果を得るには
選べるなら150ではなく300 DPIでスキャンしてください。よい結果と平凡な結果を分ける最大の一点です。撮影するときは斜めからではなく、平らに、均一な明るさで。そして言語を正しく設定してください。英語のエンジンでドイツ語の文書を読ませれば、自信ありげな出鱈目が返ってきます。
よくある質問
- スキャンした文書はサーバーに保存されますか？
- いいえ。読み取りの間はメモリにあり、処理が終わるか失敗した時点で破棄されます。認識サービスにはデータベースもファイル保存もなく、残す場所がありません。
- 文書をGoogleや他のOCRサービスへ送りますか？
- いいえ。認識は当方のサーバーで当方のエンジンにより行われます。このツールを使っても、プライバシーポリシーに挙げた処理者に会社が加わることはありません。
- どの言語を認識できますか？
- 英語、ドイツ語、スペイン語、フランス語、ポルトガル語、ヒンディー語、日本語、韓国語、簡体字中国語、アラビア語です。精度が左右されるため、確認の前に文書の言語を選んでください。
- 手書きは読めますか？
- いいえ。エンジンは印刷された文字で学習しています。手書きのメモ、署名、書き込みは認識されません。出力から気づかれるより、先にお伝えするほうがよいと考えています。
- 無料で何ページ認識できますか？
- 1日あたりのページ数の上限と、1文書あたりの上限があり、どちらも確認の前に表示されます。ブラウザ内の変換と違い、認識には実際の処理時間がかかるためです。
- アップロードせずにスキャンを変換する方法はありますか？
- ウェブではありません。PDFに実はテキスト層がある場合は通常の変換器がブラウザ内で処理しますが、本当のスキャンはサーバーでの認識が必要です。