スクリーンショットや写真から文字をコピーする方法（端末上で完結）

スクリーンショットや写真から文字をコピーするには、OCR（光学文字認識）が必要です。OCRは、画像の中にある文字を見つけ、選択・編集・貼り付けできる文字データに変換するソフトウェアです。画像を画像から文字起こしツールに貼り付けるかドロップすると、文字が編集可能なテキストとして表示されます。読み取りはブラウザ内で行われ、画像がどこかにアップロードされることはありません。Google Drive、OnlineOCR.net、Adobe Acrobatの比較では、オンラインの代替手段と、それぞれがファイルをどう扱うかを解説しています。

画像から文字起こし画像の文字がコピーできない無料で使う

画像をOCRで読み取る仕組み（わかりやすく）

画像は、色のついた点の集まりにすぎません。OCRは段階を踏んで処理します。まず、文字のブロックとその中の行を探します。次に、各行を文字の形の並びに変換し、それぞれの形がどの文字である可能性が最も高いかを判断します。最後に、大量の英語のテキストから学習したパターンを使って、似た候補から選びます。そのため、「rn」と「m」、「l」と「I」のような見分けにくい組み合わせも、前後の単語によって決まります。

このツールの裏側で動いているのは、Tesseractです。Apache 2.0ライセンスで公開されているオープンソースのOCRエンジンです。このサイトでは、ブラウザでネイティブに近い速度で動かせるWebAssembly形式にコンパイルしたバージョンを、tesseract.jsライブラリ経由で使っています。ニューラルネットワーク（LSTM）に基づく英語モデルを使用しています。初めて使うときにエンジンとモデルがダウンロードされ、ブラウザがそれを保存して次回以降に再利用します。その後の読み取りは、お使いの端末上で行われます。

こうした設計から、限界も生じます。モデルは英語と、アクセント記号のないラテン文字のテキスト向けです。キリル文字、アラビア文字、中国語などの他の文字体系はサポートされておらず、アクセント付きの文字も確実には読み取れません。手書き文字は別の問題で、このツールの対象ではありません。

なぜスクリーンショットは写真より読み取りやすいのか

スクリーンショットは、コンピューターが描画したままの文字です。輪郭がシャープで、サイズが一定で、色が均一で、遠近感もありません。同じ文字を撮った写真には、カメラが写したものすべてが含まれます。ページの角度、影、反った紙、照り返し、ブレ、そしてスマホが容量を節約するために行う圧縮などです。それぞれが、OCRが照合しなければならない形を変えてしまいます。

サイズも重要です。目安として、大文字の高さが20〜30ピクセル以上あると、OCRの精度が最も高くなります。小さなサムネイルの文字は、個々の文字を区別できないほど小さいことがあります。大きく縮小されたスクリーンショットの文字は、ぼやけて灰色になってしまいます。このツールは読み取り前に小さい画像を拡大するので助けになりますが、ファイルにもともとなかった細部を復元することはできません。可能なら、文字が画面上に表示されているサイズのままスクリーンショットを撮ってください。多くの内容を収めるためだけにページを縮小表示にするのは避けましょう。

暗いモードのスクリーンショットは特別です。暗い背景に白い文字は、多くのOCRエンジンにとって読み取りにくいため、このツールは読み取り前に画像の色を反転します。何もする必要はありません。ただし、暗い灰色の背景に灰色の文字のような、コントラストが非常に低い暗い画面は、それでも読み取りの精度が低くなります。

きれいに読み取るためのコツ

• 文字の部分だけをトリミングする。 まず、ツールバー、アイコン、ボタンを取り除きましょう。画像をトリミングして、必要なブロックだけを残してください。余計な要素が少ないほど、ツールが推測する単語が減ります。
• 写真の傾きを直す。 ページと平行になるようにスマホを構え、行が水平になるようにします。傾いたページは読み取りが悪くなり、フレームの端にかかった行は最後の文字が欠けてしまいます。写真が横向きの場合は、先に画像の回転・反転で向きを直すか、横向き写真の直し方ガイドをご覧ください。
• 明るさを均一にする。 側面からの自然光が最適で、光沢のあるページに反射するフラッシュが最悪です。ページの半分に影が落ちると、読み取りが途中で二つに分かれてしまいます。
• 近づきすぎず、離れすぎず撮る。 フレームいっぱいに文字を収めましょう。ページ全体を遠くから撮ると、ピクセルが余白に使われてしまいます。
• 強い圧縮を避ける。 写真を低画質のコピーとして送るメッセージアプリは、細部を捨ててしまっています。元のファイルを送るか、スクリーンショットを撮り直してください。

認識結果で印の付いた単語を確認する

読み取り後、ツールは3つの数字を表示します。単語数、平均信頼度、確認が必要な単語数です。また、確信が持てない単語は画像上で赤く表示されます。テキストを使う前に、赤い単語を元の文書と照らし合わせてください。OCRが最も間違えやすい箇所だからです。

よくある誤認識は予測できます。アルファベットのOと数字の0、大文字のIと小文字のl、数字の1、アルファベットのSと数字の5、そしてカンマがピリオドとして読まれることです。金額やコードは最も慎重に確認してください。数字が一つ間違っただけで、意味が完全に変わることがあるからです。平均信頼度は、ページ全体を判断するのに役立ちます。低い場合は、画像そのものが原因である可能性が高く、撮り直すほうがどれだけ修正しても効果的です。

行を段落にまとめる

OCRは、ページ上に表示されている行のまま文字を出力します。細い段組みから段落をコピーすると、見た目の1行ごとに改行が入ってしまうことがあります。「行を段落にまとめる」オプションは、こうした改行を取り除き、文章の流れを元に戻します。リスト、詩、住所、コード、表など、改行に意味がある場合には使わないでください。PDFやメールからすでにコピーして改行が崩れたテキストは、貼り付けテキストを整えるで行を修復できます。これらの改行がなぜ起きるのかは、PDFコピーの改行ガイドで解説しています。

テキストが正しくなったら、「テキストをコピー」を使うか、ファイルが必要な場合は「.txtを保存」を使ってください。

端末上で読み取ることが大切な理由

スクリーンショットには、見知らぬ人のサーバーに送りたくないものが含まれていることがよくあります。銀行口座の情報、搭乗券、医療の書類、個人的なメッセージなどです。多くのオンラインOCRサイトは、読み取るために画像をサーバーに送信します。このツールは違います。アカウント登録もアップロードも不要で、ブラウザ内で動作します。

文字を読み取ることと、一部を隠すことは別の作業です。共有する前にスクリーンショットの一部を隠す必要があるなら、まず画像の黒塗りを使い、共有してもよいバージョンに対して画像から文字起こしを行ってください。何を隠すべきかについては、スクリーンショットを安全に黒塗りするガイドで詳しく解説しています。

fixmintでの使い方

1. スクリーンショットを貼り付けるにはCtrl+Vを押すか、写真をドロップエリアにドロップするか、タップして選択します。
2. 読み取りが終わるまで待ち、単語数、信頼度、要確認の数字を確認します。
3. 画像上で赤く表示された単語を確認し、テキスト欄で修正します。
4. 文章だけの場合は行を段落にまとめるにチェックを入れ、テキストをコピーまたは.txtを保存をクリックします。

よくある質問

初回に時間がかかるのはなぜですか？ OCRエンジンと英語モデルは容量が大きいため、ダウンロードが行われます。次回以降は、キャッシュされたファイルが再利用されます。

ほかは正しいのに一つだけ間違っているのはなぜですか？ エンジンは、判別しにくい形に対して最も可能性の高い文字を選びました。印の付いた単語を確認し、テキスト欄で修正してください。

本全体を読み取れますか？ 一度に読み取れるのは一枚の画像です。非常に大きい画像はメモリを多く使い、時間もかかるため、長い文書は先にページごとに分割してください。