画像・PDF・手書きメモを文字起こしする方法｜OCRツールの選び方

そもそもOCRとAI文字起こしは何が違うのか

OCRは、画像の中の文字の形を認識して文字コードに置き換える技術です。印刷された書類のように文字の形が整っているものが得意で、請求書や契約書、書籍のスキャンなどで長く使われてきました。文字を一文字ずつ拾う発想なので、レイアウトが崩れていたり、文字がかすれていたりすると、そこで精度が落ちます。

一方、近年の生成AIを使った読み取りは、画像全体を見て「これは請求書で、ここが金額欄だ」といった文脈も含めて解釈します。手書きのクセ字や、表と手書きが混ざった書類、斜めに撮った写真などでも、意味を補いながら読める場面があります。ただし文脈で補う分、元の画像にない文字を推測で埋めてしまう可能性もあり、出力をそのまま信用せず照合する運用が前提になります。

実務では「どちらか一方」ではなく、印刷書類の大量処理はOCR、手書きメモや読みにくい写真はAI、という使い分けが現実的です。まずは手元の素材がどちらに寄っているかを見てから、ツールを探し始めると遠回りが減ります。

PDFの文字起こし：まず「テキストPDF」か「画像PDF」かを見分ける

PDFを開いて、本文の文字をドラッグして選択できるか試してみてください。選択できてコピーもできるなら、それはテキストが埋め込まれたPDFです。この場合は文字起こしという作業自体が不要で、コピーするか、PDF編集ソフトやワープロソフトでテキスト形式に書き出せば済みます。

文字を選択できず、ドラッグしても画像としてしか扱えないなら、紙をスキャンしたり画面を画像化したりした「画像PDF」です。ここで初めてOCRの出番になります。スキャナ付属のソフト、複合機のスキャン設定、クラウドストレージの検索機能、PDF編集ソフトのOCR機能などに、テキスト化の機能が備わっていることが多いので、新しいツールを探す前に手持ちの環境を確認しましょう。

ページ数が多いPDFは、いきなり全ページ処理せず、まず1〜2ページで試すのが安全です。精度が許容範囲かを見てから全体にかけると、やり直しの手間を抑えられます。複数ページを一度に処理できるか、ページ順やレイアウトが保持されるかも、この試し読みで確かめておきたい点です。

手書きメモ・ホワイトボード・スクショをデータにする手順

手書きメモの文字起こしは、撮影の段階でほぼ勝負がついています。真上から撮る、影が入らないよう光の向きを変える、できるだけ余白まで含めて画面いっぱいに写す。この3点を意識するだけで、後の認識精度が変わります。スマホのスキャン機能（ノート系アプリやファイル管理アプリに搭載されていることが多いもの）を使うと、台形補正やコントラスト調整が自動でかかり、そのままの写真より扱いやすくなります。

会議のホワイトボードは、書き終わってから消す前に撮っておくのが基本です。矢印や囲みが多い図は、文字だけを抜き出しても意味が伝わらないことがあるため、テキスト化した結果に加えて元画像もセットで保存しておくと後から読み返せます。AIに読ませる場合は「箇条書きで書き起こして」「表の形で整理して」と出力の形を指定すると、そのまま議事録に貼れる形で返ってくることがあります。

スクリーンショットの文字起こしは、最も手軽な部類です。パソコンやスマホのOSに標準搭載されている「画像内のテキストを選択する」機能で足りることも多く、エラーメッセージや画面の文言をそのまま検索したいときに便利です。うまく拾えないときだけ、OCRツールやAIチャットに画像を渡す、という順番で十分でしょう。

ツール選びは「機密度→量→後工程」の順に絞る

最初に見るのは機密度です。契約書、従業員の個人情報、取引先の価格が載った見積書などは、外部サービスにアップロードした内容がどう扱われるか（保存期間、学習利用の有無、保管される国）を確認してから使う必要があります。社内規程や取引先との守秘義務契約で外部送信が制限されている場合もあるため、迷ったら端末内で処理が完結するOS標準機能や、業務利用を前提としたプランの利用規約を確認してください。

次に量です。月に数枚なら、標準機能や無料で使える範囲の機能で足ります。毎月まとまった枚数の請求書や領収書を処理するなら、一括取り込み・自動仕分け・命名ルールといった処理機能があるかが効いてきます。料金体系は処理枚数やページ数で変わることが多いので、各社の公式サイトで最新の料金と上限を確認してください。

最後が後工程です。「検索できればいい」のか、「会計ソフトや販売管理システムに取り込みたい」のか、「表として集計したい」のかで必要な機能が変わります。会計ソフトに取り込むなら、そのソフト自体のスキャン機能や連携機能を先に見たほうが、二重入力を避けられます。読み取り結果をCSVやスプレッドシートに出せるかどうかも、集計まで見据えるなら確認しておきたい項目です。

精度が出ないときに見直す5つのポイント

結果が崩れたら、ツールを変える前に入力を疑ってください。順番としては、①解像度が低くないか、②影や反射が入っていないか、③斜めに撮っていないか、④背景に余計なものが写っていないか、⑤縦書き・手書き・二段組など特殊なレイアウトではないか、の順で確認します。撮り直しで解決することが、思っているより多くあります。

それでも改善しないときは、1ページを丸ごと渡すのをやめて、読み取りたい範囲だけを切り出して渡してみてください。表なら1列ずつ、名刺なら会社名と氏名だけ、というように範囲を狭めると、認識対象が減って安定します。AIに渡す場合は「金額と日付だけを抜き出して」「読めない箇所は［不明］と書いて」と指示しておくと、推測で埋められた箇所に気づきやすくなります。

そして、どの方法でも最後の照合は人が行う前提で組んでください。特に金額、日付、口座番号、氏名の表記は、1文字違うだけで後工程に影響します。取り込んだ数字を会計処理や支払いに使う場合の扱いについては、自社の経理ルールとあわせて税理士に確認しておくと安心です。

社内ルールとして決めておきたいこと

文字起こしは、個人が便利に使い始めて、そのまま社内に広がりやすい作業です。だからこそ「どの書類を、どのツールで、誰が処理するか」を早めに決めておくと、後からの棚卸しが楽になります。最低限、外部サービスにアップロードしてよい書類の範囲だけでも線を引いておきましょう。

国税関係書類をスキャンして保存する場合は、電子帳簿保存法に沿った保存要件の考え方が関わってきます。解像度や検索できる状態にしておくことなど、満たすべき条件が定められているため、要件の詳細は国税庁の資料を確認し、自社の運用が沿っているかは税理士にご相談ください。読み取ったデータを保存すれば紙を捨ててよい、と単純には判断しないほうが安全です。

あわせて、元画像を残すかどうかも決めておきます。テキスト化した後も原本の画像を一定期間残しておけば、認識ミスが見つかったときに遡って確認できます。保存場所とファイル名の付け方を統一しておくだけで、探す時間が大きく減ります。

よくある質問