印刷されたページの写真、エラーメッセージのスクリーンショット、テキストを選択できないスキャンPDF。それをToolGPTに添付して「何と書いてありますか？」と聞いてみてください。テキストはブラウザ内で認識され、ダウンロードして貼り付けたり編集したりできる.txtファイルとして返されます。
＋ボタンで写真、スクリーンショット、PDFを追加します。複数ページの文書を1ページずつ撮影した場合は、読む順番どおりに写真を添付してください。
「テキストを抽出してください」や「何と書いてありますか？」と伝えてください。PDFはすべてのページが読み取られます。1回のリクエストで扱えるのは、最大20ページまたは20枚の写真です。
認識が終わると、ダウンロードできるテキストファイルが届きます。アシスタントがその冒頭部分をチャットで引用することもできます。
文字認識（OCR）が最も力を発揮するのは、はっきりと印刷された、まっすぐな向きの英語です。読みやすいサイズの文書、レシート、スライド、本のページ、スクリーンショットなどが該当します。一方、手書きの文字、ぼやけた写真や低解像度の写真、斜めから撮影したページや湾曲したページ、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表や段組みのレイアウトは苦手です。
ToolGPTは、このことを率直に伝えます。各ジョブは認識の信頼度を報告し、信頼度が低い場合、アシスタントはテキストをきれいな書き起こしとして示すのではなく、信頼できないことを伝えます。認識されたテキストが実際に返ってくるまで、ページに何が書いてあるかを説明することはありません。
既定では、テキストは印刷されているとおりの改行を保ちます。これはレシート、リスト、コードに向いています。テキストを文書に貼り付けたい場合は、段落の形で頼んでください。各段落内の行がつなげられ、段落の間には空行が入ります。
現在、文字認識が対応しているのは英語だけです。翻訳はせず、動画内で話されている言葉の文字起こしもしません。読み取るのは、ページや画像の中に見えているテキストです。
認識エンジン（Tesseract）はブラウザ内で動作するため、画像やPDFがOCRサービスに送られることはありません。手紙、明細書、身分証明書、契約書をスキャンする前に知っておいてほしいことが1つあります。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、入力した内容と同じように、チャットでAIと共有されます。画像自体はお使いのデバイス上にとどまります。初回は認識エンジンをページに読み込むため少し時間がかかりますが、同じセッション内の2回目以降はすぐに始まります。
現時点では英語のみです。ほかの言語のテキストは、誤って認識されるか、空の結果になります。
確実には読めません。印刷されたテキスト向けに作られているため、手書きのメモはたいてい意味をなさない文字列になり、ToolGPTは信頼度が低いことを知らせます。
いいえ。文字認識はブラウザ内でTesseractを使って実行され、ファイルはお使いのデバイス上にとどまります。
1回のリクエストで、最大20ページまたは20枚の写真です。
自分のファイルで試してみましょう
ToolGPTを開いてファイルを添付し、やりたいことを入力してください。