本文へスキップ

LLM-Aided OCR

大規模言語モデルで OCR の生テキストを整える

公式サイトを見る

LLM-Aided OCR とは

本プロジェクトは OCR の出力品質を高める仕組みと紹介され、自然言語処理と大規模言語モデルで生の認識テキストを読みやすい文書に変えると説明されている。

できること

  • PDF のページを画像に変える
  • Tesseract で OCR を行う
  • LLM で高度な誤り訂正を施す

導入の手順

  • PDF ファイルをプロジェクトの場所に置く
  • 主要な関数で入力 PDF の道筋を設定する
  • Python スクリプトを走らせる

長所と短所

✓ 良い点

  • 生の認識テキストを読みやすい文書に整える
  • ヘッダーとページ番号の抑制を選べる

! 注意したい点

  • 作業は PDF をプロジェクトに置く所から始まる
  • 誤り訂正はローカルか API かの二筋

よくある質問

OCR のエンジンは?

機能一覧は Tesseract を挙げる。

どう動かす?

手順は入力 PDF の道筋を設定し Python スクリプトを走らせる。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法