WindowsでローカルOCRを始める方法｜PowerToys・Tesseract・PaddleOCR・OCRmyPDFの選び方

先に結論：OCRは「文字を取り出す」工程として選ぶ

OCRは画像やスキャン文書の文字をテキストへ取り出す工程です。VLMは画像の内容を説明・質問するモデル、RAGは抽出したテキストを検索して回答へ使う構成なので、同じ「画像をAIで扱う」でも役割が違います。

最初から「一番精度が高いOCR」を探すより、入力形式、必要な出力、処理量、Windowsへの導入方法を固定し、短いサンプルで結果を比べます。手書き、表、縦書き、低解像度、固有名詞では、人の確認を前提にします。

• LM Studioで画像を読み込む方法 - OCRとVLMの役割を分ける
• PDF抽出・OCR・表の崩れ - PDFをAIに読ませる時の失敗を切り分ける
• PDF・文書チャットの使い分け - OCR後にRAGへ進む構成を確認する

スクリーンショットならPowerToys Text Extractor

Microsoft PowerToysのText Extractorは、Windows画面上の画像や動画などから文字を選択し、クリップボードへコピーする入口です。公式手順ではWin+Shift+Tで範囲を選び、取得した文字をメモ帳などへ貼り付けます。画面に見えている一部分をすぐテキスト化したい時に向いています。

1. Microsoft公式のPowerToys Text Extractor手順で、対応するOCR言語パックを確認する。
2. 個人情報を含まないスクリーンショットを表示し、Win+Shift+Tで文字の範囲を選ぶ。
3. クリップボードの結果をテキストエディタへ貼り付け、元画像と文字・数字・記号を照合する。
4. 必要なら言語パックや範囲を見直し、同じ画像で再実行して差分を記録する。

PowerToysは画面選択とコピーが手軽な一方、結果が自動的に正しいとは限りません。Microsoftの公式説明もOCR結果の校正を促しているため、金額、日付、URL、型番をそのまま転記しないでください。画面上の大量画像を定期処理する用途では、画像ファイルを扱えるOCR経路を別に選びます。

• Microsoft PowerToys Text Extractor - ショートカット、クリップボード、OCR言語パックを確認する
• WindowsでローカルAIを始める完全ガイド - Windowsへツールを入れる前の基本確認へ戻る

画像ファイルのCLI・バッチ処理ならTesseract

TesseractはオープンソースのOCRエンジンで、公式ドキュメントはCLIとAPI、言語データを案内しています。画面上の範囲を選ぶより、同じフォルダの画像を条件をそろえて処理したい場合に候補になります。日本語の言語データは公式のtraineddata一覧でjpnを確認してから選びます。

tesseract input.png stdout -l jpn
tesseract input.png output -l jpn

上記はコマンドの形を理解するための例です。Windowsでのバイナリ配布、言語データの配置、パスの通し方、出力形式は、Tesseract公式ドキュメントと利用する配布元の現在の手順を確認してください。このサイトの作業環境へTesseractを導入する操作は行っていません。

Tesseractを選んだから日本語の画像が必ず正確になるわけではありません。小さい文字、手書き、複雑な表、背景に模様がある画像では、エンジン名より入力の整え方と校正の方が先に問題になります。

• Tesseract公式ドキュメント - CLI、API、Windows配布、言語データの原資料を見る
• Tesseractの言語データ一覧 - 日本語jpnを含むtraineddataを確認する

日本語・縦書き・複雑な文書ならPaddleOCR

PaddleOCRは画像やPDFを入力にするOCRパイプラインを提供し、公式ドキュメントでは日本語を含む複数言語と複雑なテキストシナリオを案内しています。Tesseractの単純なCLI比較だけでは足りず、文書レイアウトや日本語の読み取りを試したい場合の候補です。

1. 公式のOCRパイプラインで対象言語と入力形式を確認し、サンプル画像またはPDFを1つ選ぶ。
2. モデルの取得先、保存先、Python環境、CPU/GPUの実行条件を記録する。
3. 日本語本文、縦書き、表、英数字混在を含む代表画像で、文字と位置情報の結果を確認する。
4. 公式ドキュメントの評価条件と手元の実画像を混同せず、用途に必要な誤りだけを人が照合する。

PaddleOCRの公式手順には、ローカルの画像・PDFパスを入力し、結果を保存する流れとモデル取得の説明があります。初回のモデル取得やPython依存関係があるため、「推論をPC内で行う」ことと「準備から一切通信しない」ことは分けて確認します。

公式ベンチマークの数値があっても、撮影条件、解像度、言語、レイアウト、前処理、CPU/GPUが手元の画像と同じとは限りません。「PaddleOCRが常に最高」とは書かず、同じ代表画像を使った実測で選びます。

• PaddleOCR公式OCRパイプライン - 日本語、画像・PDF入力、モデル取得と出力を確認する
• ローカルAI用PCスペックの見方 - CPU・メモリ・GPUの条件を整理する
• GPUなしPCで使える範囲 - GPUなしで試す時の期待値を分ける

スキャンPDFを検索可能にするならOCRmyPDF

OCRmyPDFはスキャンPDFへOCRのテキストレイヤーを追加し、検索可能なPDFにするためのツールです。チャットモデルやVLMではなく、PDFをRAGや全文検索へ渡す前の入力整形工程として考えます。スクリーンショットの一部分を抜く用途や、画像の内容を説明する用途とは別です。

1. 原本PDFを別名で保管し、OCR結果を上書きしない作業フォルダを作る。
2. 公開または低リスクのスキャンPDFを1つ選び、OCRmyPDF公式のWindows経路と依存関係を確認する。
3. OCR済みPDFの検索、抽出テキスト、段組み、表、数字を元PDFと照合する。
4. 問題がなければ、そのコピーを文書チャットやRAGへ渡し、抽出・検索・回答を別々に検証する。

ocrmypdf input.pdf output-searchable.pdf

OCRmyPDF公式の導入資料は、WindowsでのDocker・Cygwinなどの経路や、Python・Tesseractなどの依存関係を案内しています。環境に合わない導入コマンドをそのまま実行せず、公式資料と管理者のルールを確認してください。

• OCRmyPDF公式ドキュメント - スキャンPDFへテキストレイヤーを追加する考え方を見る
• OCRmyPDFインストールガイド - Windows経路と外部依存を確認する
• PDF抽出・OCR・表の崩れ - OCR後もPDFの読み順と表を検証する

OCRの結果を良くするのはモデルより入力の整え方

• 同じ画像でエンジンだけを変え、変更を一度に増やさない。
• 元画像、前処理画像、OCRテキスト、OCR済みPDFを別名で残す。
• 固有名詞、型番、URL、金額、日付、否定表現、表の単位を優先して照合する。
• 重要な文書では、OCR結果を確定データではなく確認前の下書きとして扱う。

OCRの文字抽出と画像理解は同じではありません。画像の意味を質問したいならVLM、PDF内の根拠を検索したいなら抽出・チャンク・RAGの確認が必要です。エンジンを変える前に、どの工程の失敗なのかを分けます。

• ローカルAIが重い・動かない時 - 処理時間とメモリの切り分けへ進む
• LM Studioで画像を読み込む方法 - OCRとVLMを使い分ける
• PDF・文書チャットの使い分け - OCR後の文書活用を確認する

プライバシー・検証・次に進む

ローカルOCRは、モデルや依存関係を準備した後の推論経路をPC内に置ける構成です。しかし、PowerToysやOCRエンジンの取得、Pythonパッケージ、モデルのダウンロード、Windowsの同期、ログ、後段のRAGや外部APIまで自動的に無通信になるわけではありません。

1. 本人が扱う権利のある、短く非機密な画像または公開PDFから始める。
2. OCRエンジン、言語データ、モデル、実行環境、入力・出力・ログの保存先を記録する。
3. 元画像とOCR結果を照合し、誤りがあった文字の種類と入力条件を残す。
4. 機密文書へ広げる前に、外部送信、同期、共有フォルダ、削除方法、社内ルールを確認する。

最初の到達点は、長い資料を自動で完璧に読ませることではありません。自分のWindows環境で、どの入力にどのOCR経路が向き、どの誤りを人が確認すべきかを再現できることです。

• ローカルLLMの安全性とプライバシー - 通信先・保存先・ログを分けて確認する
• ローカルAIのプライバシーは本当に安全？ - ローカル処理と外部連携の境界を見る
• 仕事のPDFをAIに読ませる前に - 機密文書へ広げる前の確認へ進む
• Windowsでローカル音声認識を始める - 音声→文字起こしとの役割差を確認する