【文字認識】OCRソフト（3文字目）【 自炊 】

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