画像をテキストに：写真やスキャンから文字を取り出す

OCRが得意なもの

OCRが最も力を発揮するのは、きれいに印刷された英語です。手紙、レシート、ラベル、スライド、読みやすいサイズの文字があるスクリーンショットなどです。長辺が4,096ピクセルを超える画像は、読み取る前に縮小されます。

手書きの文字、ぼやけた写真や傾いた写真、装飾的なフォント、そして読む順番を推測しなければならない段組みや表のレイアウトのページには向いていません。現在、認識できるのは英語だけで、翻訳もしません。

認識したテキスト、または警告

ToolGPTは、認識されたテキストが届くまで、ページに何が書いてあるかを言わないよう指示されています。信頼度が低い場合は、きれいな書き起こしとして示すのではなく、テキストが間違っている可能性を伝えます。読み取れるものが何も見つからない場合、ジョブは空のファイルを渡すのではなく、失敗してそのことを伝えます。

読み取りが行われる場所

OCRエンジンのTesseractはブラウザ内で動作するため、画像やPDFはお使いのデバイス上にとどまります。アシスタントが結果について質問に答えられるように、認識されたテキストの最初の2,000文字は、入力したメッセージと同じように、チャットでAIと共有されます。機密性の高い文書をスキャンする前に、このことを念頭に置いてください。

セッションで最初のOCRジョブは、エンジンを読み込む間、少し時間がかかります。2回目以降はすぐに始まります。