それでさっきのスレの「」との会話でもう一回練ってみるかと思って相談してたんだけど導入したOCRが古いバージョンだったことがわかった
…もう一回開発やってみようかな

全部AIで読み込めば簡単なんだけど中にはパスワードだったり住所だったりがあるからオンラインで読み込むのもなってのがあってOCRを使ってるんだよね
あと量もそこそこあるから％使わずにできるソフトがあればいいなってことでOCRやってた
ただ本当にLLMと違って精度が悪い…

ndlocr_liteを自分で使ったりAIに使わせてるけど日本語文献なら特に支障なく使えるな
もっと精度良いのあるのかもしれないけど

>ndlocr_liteを自分で使ったりAIに使わせてるけど日本語文献なら特に支障なく使えるな
>もっと精度良いのあるのかもしれないけど
活字はある程度読めるんだけど手書き文字も含まれててわりと達筆な人からのメモも読めなかったりするんだよね

ドラマCDを文字起こしならGeminiの精度が良かったな
OCRだとチャッピーなのか

>ドラマCDを文字起こしならGeminiの精度が良かったな
>OCRだとチャッピーなのか
チャッピー自体の文字認識はOCRというよりAIOCRだね
元々OCRはパッケージダウンロードって感じだったけど
AIの登場でより精度が高くなった
ただオンラインでAIに投げるから従来のOCRと違ってAIのコストがかかる

調査もうちょっとしたらわかったと思うけど国立国会図書館のはliteは精度ちょっと低いしそもそも古い縦書き文献読むようだから現代の文書に向いてない
yomitokuとかで検知方法とか分割して解析させるようにすると精度上げられるよ

ローカルでもAIOCR出来るんかな

OCRはGoogleが強いと聞く

昔はPDFは読めにゃい！されたのに立派になったのぉ…

>ローカルでもAIOCR出来るんかな
ローカルLLMではいけるよ
LMstudiobionic+qwen使ってやってみたけど精度は良くはないけどOCRよりはよかったって感じ
ただ俺の環境では重い…

>昔はPDFは読めにゃい！されたのに立派になったのぉ…
今もPDFは直接読み込むというより変換してから読み込ませてる気がする

opencvで前処理する適切に文字のある場所判定させる判定した箇所適切にクロップして順番崩さないようにするをLLMは勝手にやってくれるからローカルは自分で設定しないと精度上がらない

動画からPDF作ってくれるしもう普通に読めてんじゃね

>yomitokuとかで検知方法とか分割して解析させるようにすると精度上げられるよ
yomitoku知らなかったわ
早速入れてみようかなこれ

>それでさっきのスレの「」との会話でもう一回練ってみるかと思って相談してたんだけど導入したOCRが古いバージョンだったことがわかった
>…もう一回開発やってみようかな
マジーーー……？
俺もやったの夏前くらいだからastraくんに方法論の検討からやり直してもらおうかな……
Pro×20使いたいやりたいことに枠が足りない……！

まずは2026年現在のローカルで使える日本語OCR事情調査させるといいよ

筑波のあたりのけしからんの人がYomiToku入りのスキャンPDFをいじいじするのgithubにあげてた気がする

今はWindowsにも標準で入ってるよね
Windows +shift + Tはたまに使う

>マジーーー……？
>俺もやったの夏前くらいだからastraくんに方法論の検討からやり直してもらおうかな……
>Pro×20使いたいやりたいことに枠が足りない……！
エンジンパッケージ役割
PaddleOCRPaddleOCRSharp 5.1.0 ＋ Paddle.Runtime 3.1.0主エンジン（FullPaddle）
TesseractTesseract 5.2.0（言語 jpn+eng）予備（FullTesseract）
これが二段構えの俺のOCR組み込みソフトのバージョン

PaddleOCRv6でもないし
Tessercat5.5.3でもなかった

こんな深夜から実装したくなるの楽しいわぁ

休み最高だね

>エンジンパッケージ役割
>PaddleOCRPaddleOCRSharp 5.1.0 ＋ Paddle.Runtime 3.1.0主エンジン（FullPaddle）
>TesseractTesseract 5.2.0（言語 jpn+eng）予備（FullTesseract）
>これが二段構えの俺のOCR組み込みソフトのバージョン
>PaddleOCRv6でもないし
>Tessercat5.5.3でもなかった
ありがとう
ありがたく参考にさせていただきます……

>ありがとう
>ありがたく参考にさせていただきます……
いやこのバージョンはゴミだったバージョンだよ
今から最新版に乗せ換える+yomitoku入れてみる

pro20でも足りない！！

paddleはゲーム画面用途だと良さそうだけどdetectorだけ使って日本語専用モデル入れた方がいいよって言われる
実際ゲーム画面も漫画用だけどhayaiとbaberuでdetectorだけppocr使ってる

数ヶ月前から自炊したPDFを数十冊くらいOCRでテキスト化する作業してたんだけど解像度低い状態でやってたみたいでAstraが300DPIくらいでやり直しますねって言ってやり直してくれたらボロボロ誤字脱字の指摘が出てくるわ

スマホから初めてcodex操作してるけど意外とやれるもんだな

>いやこのバージョンはゴミだったバージョンだよ
>今から最新版に乗せ換える+yomitoku入れてみる
そうか……
まあ仕方がない

画像生成の効率化について聞いてみたらプロジェクトの活用を提案されたんだけど
プロジェクトでやってみると全く同じプロンプトでも明らかに絵柄が変わってバタ臭くなる
何で？って聞いても「使ってるリソースは同じなんですけどねぇ…」みたいな曖昧な回答しか返ってこない

OCR技術が一段階上がるとまじで助かるな

メモリ参照具合が変わってるんじゃない？

ゴミソフトのバージョンを紹介してぬか喜びさせてしまってすまない…
漫画とか仕事のドキュメントじゃなくて本当に寄せ書きだったり雑多なメモだったりするから俺の開発してるのは難しいところはある
パッケージOCRより圧倒的にチャッピーの精度が高すぎるのが腹立つ…

fu7292937.jpg
チャッピーと結構対話出来てる

漫画のキャラクターを読み解かせるために漫画のセリフを誰のセリフか込みで文字に起こしたい

>ゴミソフトのバージョンを紹介してぬか喜びさせてしまってすまない…
>漫画とか仕事のドキュメントじゃなくて本当に寄せ書きだったり雑多なメモだったりするから俺の開発してるのは難しいところはある
>パッケージOCRより圧倒的にチャッピーの精度が高すぎるのが腹立つ…
チャッピーは世界の金と計算資源を吸い上げてずっと進化してるから…

LLMのOCRが従来のOCRと比べて精度高いのは当然だけどもうちょっと何とかならないかと思うよね

>OCRはGoogleが強いと聞く
ネタにされがちなGoogleレンズでもだいぶ頭おかしい

>パッケージOCRより圧倒的にチャッピーの精度が高すぎるのが腹立つ…
モデルサイズもdetectorの総当たり具合も資源差ありまくるから当たり前だよ
あと推論機能で補完もしてるし

>ゴミソフトのバージョンを紹介してぬか喜びさせてしまってすまない…
>漫画とか仕事のドキュメントじゃなくて本当に寄せ書きだったり雑多なメモだったりするから俺の開発してるのは難しいところはある
>パッケージOCRより圧倒的にチャッピーの精度が高すぎるのが腹立つ…
いやいいんだ
遠回りする必要がなくなったんだし

>LLMのOCRが従来のOCRと比べて精度高いのは当然だけどもうちょっと何とかならないかと思うよね
それな…
中間地点でもなく一気にテクノロジーが３個くらい上になってる

チャッピーに画像生成用のプロンプト語句辞典ツール作らせてるけどR18系も普通に収集してくれてありがとうって気持ち

車輪の再開発するより既存の優秀なやつで良くねってなっちゃうな
俺はbunko OCR使ってる

プロンプトは画像付きがわかりやすいからどこぞのサイトブクマしてる方が楽だったりする

小説漫画ゲーム画面の6輪車みたいなのがないから車輪整備してるよ

OCRのソフト開発するとファイルサイズがでかくなるのだけがネックだ

>プロンプトは画像付きがわかりやすいからどこぞのサイトブクマしてる方が楽だったりする
分かりやすい文字解説付けさせてのんびり作ってるからまぁ使わなくなってもそんなにダメージはない
なんせchatの方のSolで作ってるし

>小説漫画ゲーム画面の6輪車みたいなのがないから車輪整備してるよ
どんなの作ってるんだ…？

プロンプトといえば俺は画像ビューアみたいなの作ったよ
画像を読み込ませてシード値とかその辺の数値も見れるようにしたやつ

俺も最近なってLLMOCRに手を出し始めたけどまじでゴミで頑張ってたころと比べて世界が拓けた感じだ
ゴミの開発に携わった人達かわいそうだな
せっかく頑張ったのにLLMに資本の力で負けて

ローカルLLMがもっと軽く動いたらなぁ
１０年後くらいにはOCR用途くらいなら軽くなってそうではあるけど

何かを貶さないと何かを評価出来ないのは好まれないぜ

>ゴミの開発に携わった人達かわいそうだな
>せっかく頑張ったのにLLMに資本の力で負けて
やはり金！
金は全てを解決する！

fu7293044.jpg
プロンプト辞書つくってる内に図鑑になって
図鑑作るのが楽しいっていうサブクエストにハマってる
通常の文字だけ辞書の方が使う回数は多いけどね⋯

>俺も最近なってLLMOCRに手を出し始めたけどまじでゴミで頑張ってたころと比べて世界が拓けた感じだ
>ゴミの開発に携わった人達かわいそうだな
>せっかく頑張ったのにLLMに資本の力で負けて
実際取り込まれたんだろうなと思いながらも今年も今だにバージョンアップしてるからまだ需要はあるんだろうなという感じもする
やっぱりオフラインパッケージのOCRって一定需要あるんだろうな

>fu7293044.jpg
>プロンプト辞書つくってる内に図鑑になって
>図鑑作るのが楽しいっていうサブクエストにハマってる
>通常の文字だけ辞書の方が使う回数は多いけどね⋯
すっげぇ！そのキャラも安定してチャッピーで出る？

>プロンプトは画像付きがわかりやすいからどこぞのサイトブクマしてる方が楽だったりする
なんかサイトフクマルに見えてしまった

>すっげぇ！そのキャラも安定してチャッピーで出る？
画像生成はComfyUIだからチャッピーの画像生成は分かんない⋯
画像生成もエロが作りやすかったら触るんだが⋯

>>すっげぇ！そのキャラも安定してチャッピーで出る？
>画像生成はComfyUIだからチャッピーの画像生成は分かんない⋯
>画像生成もエロが作りやすかったら触るんだが⋯
ローカル生成かぁ…時期が悪いで色々スルーしてたらえらい事になってあんまりローカル導入できる気がしないんだよな…

本当に学習されてないか分かったもんじゃないし社内で完結するものは残すでしょ

俺が翻訳アプリ作った時のも
>TesseractTesseract 5.2.0
だったわ
そしてこいつバグ持ちなんだよな

俺も画像生成あんまりやらんな
ピクセルアートとかやらせたけど絵柄指定が難しいのと精度があんまり高くないように感じた
バリエーションの幅を持たせるの難しいけど画像の微調整はcomfyUIのが望んだものになりやすい感じはする

エロ生成してたら背景生成にちょっとはまってしまった
激エモ構図出そうで出ない感じがいいねよくないさっさと出せ

OCR用途ならローカルLLMもそこそも精度高いよ

Plusだとchat酷使して色んな実装もやらないとAstra使った後はもう画像生成以外やる事がなくなっていくぜ…

>俺が翻訳アプリ作った時のも
>>TesseractTesseract 5.2.0
>だったわ
>そしてこいつバグ持ちなんだよな
なんでこいつ入れたの？って聞いてみたんだけどC#開発だから.netパッケージのせいって言われた
まあ無視して今最新版入れろって開発はさせてるんだけどどうなることやらって感じだ

ちょうど画像生成してるけどちゃんと助走すればモデレーター回避策考えてくれて案外頼りになるじゃんSol軽となってる
まぁ通らんのだが……

>OCR用途ならローカルLLMもそこそも精度高いよ
わりと悪くなかったね
手書き文字で軽いローカルLLMでもOCRより読み取り精度高かった
スペックが…

>>俺が翻訳アプリ作った時のも
>>>TesseractTesseract 5.2.0
>>だったわ
>>そしてこいつバグ持ちなんだよな
>なんでこいつ入れたの？って聞いてみたんだけどC#開発だから.netパッケージのせいって言われた
>まあ無視して今最新版入れろって開発はさせてるんだけどどうなることやらって感じだ
こっちも言い訳してた

ただ、ここは私にも少し弁明できる部分があります。当時使った Tesseract NuGetでは5.2.0が今でも最新なんです。つまり普通にNuGetで

最新のTesseractパッケージを入れる

と、2026年でも5.2.0が入ります。

けしからん人のプログラムを使っていたんだけどもRTX3080で百科事典 1冊処理するのに24時間ぐらいかかった
我慢できずにRTX5090のPC拵えたら2時間で終わって満足

fu7292389.gif
前スレにあったおぺにす…これ一瞬ぷるんって揺れるのマジでいいね…
スレで見た作ってみたアプリで一番良いものだ

ナノバナナ2より8bのモデルの方が強いの震えてる

>こっちも言い訳してた
>
>ただ、ここは私にも少し弁明できる部分があります。当時使った Tesseract NuGetでは5.2.0が今でも最新なんです。つまり普通にNuGetで
>
>最新のTesseractパッケージを入れる
>
>と、2026年でも5.2.0が入ります。
入れ替えたやつもtessercatは5.2.0だったわ
やろうとするなら別フォークにしたりしないとだめっぽい

ってかyomitokuすげーわ
今実装したやつで解析させてるけど全部解析した
賢すぎるこいつ…
ありがとう「」！！！！！

ソシャゲで「あのセリフいつ言ったやつだっけ…」って時々なるからストーリー取り込んで記録してえなぁって作ったけど精度に限界があるから
ゲーム画面orスクショを取り込む→校正データ書き出し→chatに投げて文脈的におかしい部分を修正させる→修正箇所取り込み→書き出し
って流れになった
最近他のずっとやってたからこれまた進めないとな…
fu7293163.png

yomitokuマジでやべーぞ
こいつかなり汚い字でも読めてる…

oneocrがかなり精度良くて速いよ
マイクロソフト謹製ってだけある

yomitokuメインにしたら１８０度反転してる文字もちゃんと読めるのかな？
ちゃんと読めてる
ただここらへんはソフト側で指示してるからかもしれない
じゃあoneocrも入れてみようかな
ただ眠いから実装明日になるかも

なんか入力して送信しても応答帰ってこないんだが
おま環かな

わりとまだエラー出てるけど精度すげー上がったわ
あとはルール作りして読み込ませていけばもっと精度が上がりそうな気配はする

yomitokuってあんまり知られてなかったんだな

yomitoku使ってみたけどいまいちjun文学の読み取り精度が良くなかった⋯
早いけどこれならローカルでqwithosに読み取らせたほうがウチでは良いかな

見る度に知らんことを話しててすごいな「」たちは

AI OCRはGeminiだと思ってたけど今違うんかな
というかGemini以上が想像つかん

>yomitoku使ってみたけどいまいちjun文学の読み取り精度が良くなかった⋯
>早いけどこれならローカルでqwithosに読み取らせたほうがウチでは良いかな
手書きの精度が良いと感じた

ディテクターみんな持ってるものだけどディテクター自前で用意差し替えもできるし調整も効くし前処理でグレスケとか二値化する処理やらせるかでも精度は変わるからアレと違ってと言うには条件揃えないと