写真・スクショを文字起こしする方法

一番短い手順はこうです。文字が読める大きさの画像を用意し、Local OCRに入れて認識言語を日本語にする。結果を原画像と見比べて、必要な行だけコピーする。音声の文字起こしではなく、画像に写っている文字のOCRです。

写真を文字起こしする手順

1. ピンぼけと極端な斜めを避ける。
2. 画像をOCRに入れる。
3. 日本語を明示する（「自動」は英語寄りで、言語判定ではありません）。
4. 金額・人名は原画像と照合する。
5. メモや表計算へ貼る。

スクショは、余白を切ってから読む

ステータスバー、通知、アイコン、吹き出しの枠は、読み順を乱しやすいです。本文の周辺だけにトリミングすると、コピーしやすい結果になりやすいです。

LINEのトーク画面に絞った手順は LINEのスクショを文字起こしする方法 に分けています。こちらは一般の写真・スクショ用です。

日本語で精度が落ちやすいもの

誤認識の確認の仕方

全文を完璧にする必要はありません。住所1行、型番1つ、会話の数行が正しければ、コピー用途としては足りることが多いです。OCR結果を完成原稿として保存するなら、数字と固有名詞だけは必ず原画像と突き合わせます。

実験室での検証結果（日本語モデルの限界と実力）

宣伝用の「認識率99%」といった数字とは異なり、当サイトの2026年多言語OCRベンチマークでは日本語サンプル（OCR-JA-2026-003）の実測精度を公開しています。見出しの日本語テキストは読めるものの、複雑な背景や料理写真の影を文字として拾う現象や、半角金額記号の欠落により、完全一致率は27.8%でした。

ブラウザ完結のOCRは、整った印刷物やトリミング済みのスクショには十分役立ちますが、写真混じりのチラシや手書きには人手による確認が不可欠です。詳細な評価方法と生データは実験室の評価結果で確認できます。

個人情報が写っているとき

手順とは別に、「その画像を外部のOCRへ送ってよいか」があります。処理の境界、モデルのダウンロード、オフラインとの違いは OCRはアップロード不要？ に分けました。このページでは使い方と精度に集中します。