【文字認識】OCRソフト（3文字目）【 自炊 】

単なる言葉狩りなんで通常の利用では気にすんな
企業とか公営ならアホの子からのクレームを減らして対応コスト削減のための自主規制とかすることもあるけど、あくまで自衛策
「片手落ち」が差別用語なら「手落ち」とかだって駄目なはずだが、そっちは放置、根拠なく適当に文句言ってるやつと自衛してるやつがいるだけ

俺も普通に知ってるし、普通に使う
高校、大学ぐらいで知るレベルの語彙だと思ってたが

もちろん、差別用語かなんて当時は学んでねぇし
つかこの用語以外でも学んだ時からアップデートされた語彙なんてほとんどねぇわ

なんか障害者だろ？この字で揉めたぐらいは知ってるけどあっそって感じ

だれでもわかる簡潔な表現「足りない」とすべきところで、
わざわざ歴史文学通を気取った差別的な言い回しを使うと、
「背伸びしたがるバカ」と思われてしまうだけだから注意したほうがいい

縦書きと横書きと、2つあるのに横書きしかテストしてないのは、まさに「片手落ち」やろうが

片手落ちだな

結論、キチガイにどう思われようが普通は気にしない

いかにも親ロシアな参政党支持者っぽい人が好んで使いそうな言い回しなんだよね。
常に相手にマウント取ることばかり考えてるから実生活でトラブル起こしやすいタイプのひとたち。

実世界で身近な周りにマウント取るやつなんてほとんど見かけないが?
もちろん、友達にそんなマウント取るやつなんて皆無だし
そんな競争激しい環境にいるの？
実世界で生きてなくてネットで他者と接点ばっかもってるからそんな偏った意見になってんでしょ
気づいたほうがいいよ

>>941
時代小説にしか出てこないような挑発的な表現を公の場で使ったら言い争いになると普通の人は思うけど、
いかにも親ロシアな参政党支持者っぽい人はそう思わず、教養マウントのために使ってしまう。

突然、親ロシアとか参政党とか言い出したり大丈夫か？

(定年後?)やることないから、ネットで情報集めすぎて知識に溺れて
偏った意見になってどっちが正義だーとか他のスレでやってそう君
マーナー警察やるぐらいしだし


正義とかに取りつかれてた完全に闇堕ちジジイでしょ

片（片側）＋ 手落ち（考慮不足）なのに「片手＋落ち 」だと思ってる日本語弱者が湧いてるだけなので日常では笑いものにしとけば良い
報道、広告、公共とかで多くの人に対応しなければいけない現場だと、こういうバカにも対応しなければいけないので説明する手間暇考えて配慮してるだけ

「片手落ち」を教養とを結びつけるとか どういう頭してるの？

逆
時代がかった気取った言い回しで対象をこき下ろそうとするいやな感じになるから日常で使わないほうがいい

>>946
時代がかってないぞ、手落ちは日常表現
知らないのは小説とかの大人向けの表現を学んでないだけ

相手に責任押しつける気満々な言い回しなので、手落ちも使わないほうがいい。
こういうのは面白おかしく表現する文学ならアクセントになって良いだろうけど、日常会話で使えばただのヤクザなクレーマーだよ。

>>948
普通のビジネス用語で日常的に使うぞ「こちらの手落ちです。すいませんでした。ただちに対応させて頂きます」とか

5chで言葉狩りとか場違いだよ
俺が知りたいのはあのレビューに追加の縦書きに関する情報だ
数字はなくてもいいのでどなたか知っていることがあれば教えて下さい

Pythonのpandasで
請求書を読み取ってデータ化したいんですが、デタラメに文字化けしたり認識できません
AIならきちんと読めるけどオンラインなので請求書は渡せないし
無料中華ローカルLLMもサイバー攻撃みてると危なっかしいです

Pythonでやれると、そこらに書いてあるけどコツがあるんでしょうか？

>>949
汚い言葉や荒い言葉は、我が方に使えば謙譲表現になりうるけど、相手方に使えばヤクザなクレーマー

>>952
汚いとか関係ない、普通の言葉
「お前のミス」と「私のミス」
の違いに過ぎない、お前が世間の常識が分かってないだけ

>>953
客に面と向かって「あなたのミス」とは言わないでしょ。
世間の常識がわかってないから杜撰な言葉を使ってしまうんだろうけど。
口臭の強い人が自分の口臭に気づけないのに似てるとは思う。お大事に。

倫理と論理の争いだな

ド迷惑噛みつき野郎はむしろ倫理レスだし言ってることの要点も別に倫理の話じゃないだろ

謙譲語の機微すらわかってないくせにうっかり古めかしい表現を使うと
「背伸びしたがるバカ」と思われてしまうだけだから気をつけたほうがいい、マジで

ウヨ臭への反発とサヨ臭への反発ですね、わかります

で、縦書きの性能も網羅して調べてくれる人待ちかしら

>>954
ウェブサイトに向かって「テスト手順のミス」というのは普通だろ、なんで顧客向けの用語を強制されるの？

>>960
対象をおとしめたり責任追及したりする他罰的な意味合いを強く含んでいるからだよ
実際、それらの古めかしい言葉のあと、誰かに「詰め腹」を切らせる展開がありがちだろ
簡潔な「偏りがある」とか「足りない」なら、他罰的な意味合いをさほど含まないので問題ない

>>961
そんな意味はない、お前の妄想
「ミス」とか「考慮漏れ」とか「手違い」みたいな中立な言葉、どれも他人に使えば責めるニュアンスが出るだけ

レスがすごく伸びてるからようやくbunkoocrのバージョンアップ来たのかと思ったらつまらん喧嘩かよ
がっかり

自分で動けない無能のゴミに他人を罵る権利なぞない

ローカルLLMの glm-ocr を試してみたら いいとは言えないがまあまあだった
プログラムソースはインデントしてくれる
各国語に対応していてあのサイズというのはちょっと感心
geminiに投げる方が速いけどね

「いいとは言えないがまあまあ」と書いたが「使い物になる」と訂正
レイアウトをきちんと把握できるのが強みだな
中国製のお決まりで中国文字が混ざることがあるけど読めないことはないし後で一括置換すればいいかな

ネット上の無記名解説文のPDFの1ページをgeminiに投げたら著作権的に全文出力できないと言われてしまった
ローカルLLMならばケチをつけられることはない

昔の雑誌のN88 BASICを読ませてみたら かすれていても I と 1 が区別されていた
しかし昔のBASICの知識はないのか行番号がきれいにカットされていた

PaddleOCRも試してみたら普通のOCRよりマシだが I と 1 は区別されていなかった
行番号は付いているが印刷都合の改行もそのまま

いまさら気付いたのですが、昔ScanSnapで自炊した本の類いのPDF、OCRのデータは付いているが
文字の間に半角スペースが入ってるし、カタカナは半角カタカナになっている
そりゃあ検索したりがうまくいかないはずだ

そういうPDFを大量に持っていて、それらをまともなOCRにかけ直そうと思ったら、今って
何でどうやったらいいんですかね

大量の数とその使い道に依るのでは

>>969
本の中には技術書や参考書があり、「あれ、あの項目ってどの本に書いてあったっけ」と思った
とき、コンピュータ（Mac)上で検索したかったんですよね

PDFのOCRがちゃんとできていればMacの機能でPDFの中身を検索できるはずなんですが

検索の正規表現を工夫するしかない

こういう事案>>968もAIに適当に投げて雑なプロンプトで欲しい情報を抽出できそうｗ
なんかOCRとかも全部データをデバイス内に取り込んでおけばAIが処理してくれる時代のようなｗ

>>968
手軽なのだとmacのOCRが結構精度高かった。claudeに言ったら背面ノイズ除去からなんやらやってくれて背面の図表やグラフィックまで切り出してPDFまで再構成、読み取りミスも文脈から判断補正してくれる。

問題は書籍をフルに任せるとAPI料金(トライしたページで換算)が1冊数千円から1万かかってほぼ買い直しみたいになること

そこそこの品質(たまに検索できない,改行またいで検索できない)でいいならDocument Intelligenceのが安い

なんで>>972はあながち間違ってない

てか既にデータあるんだからclaudeにテキストデータ補正してもらうだけでいいのでは

それならvision使わないから多分安い

掲示板とチャットの区別ついてないタイプの人久々に見たな

スキャンしてアクセス性を高めて来たけど、IT関係技術書や理系専門書で調べるよりAIに聞くのが速いしなあ

>>968
PDFリーダーはスペースや改行を無視して検索してくれる
普通のOCRが自動で作るPDFでは順序が狂うことが多いので改行が挟まると検索できなくなることが多いけどね
AIのOCRが作るテキストは順序を正しく取ってくれるようだ

>>976
全く同じ状況で、全く同じことを考えて
Claudeに整形させたら見事に流麗になった

しかし、致命的な課題があることに気づいた
LLM、例えばOpusは使用頻度が低い言葉を
OCRの誤りとみなして、頻度がより高い言葉へ
置き換えてしまう（踏面→路面）

OpenAI、Anthropic、xAI系をさんざん試して、
結局はGoogleのLLMではない文字認識、
具体的にはDocument AIが
正確さでは最善の選択ということが分かった