pdf-ocr-skill は何をしますか？
四エンジン対応のPDF OCRスキル。スキャンされたPDFファイルや画像ファイルから日本語と英語のテキストを抽出します。
概要
このスキルは、以下のOCRエンジンをサポートしています:
- Tesseract: オープンソースのOCRエンジン。多言語対応。
- PaddleOCR: 百度の深層学習ベースOCR。中国語と英語に最適。
- EasyOCR: 簡単に使えるOCRライブラリ。多言語対応。
- Azure Computer Vision: クラウドベースの高精度OCR。
使用方法
- スキルをインストールします。
pdf-ocrコマンドを使用して、PDFまたは画像ファイルをOCR処理します。- 必要に応じて、使用するOCRエンジンを指定します。
例
# デフォルトエンジンでOCRを実行
pdf-ocr input.pdf
# 特定のエンジンを指定
pdf-ocr --engine tesseract input.pdf
# 画像ファイルを処理
pdf-ocr --engine easyocr image.png
設定
環境変数 OCR_ENGINE でデフォルトのエンジンを設定できます。
export OCR_ENGINE=paddleocr
注意事項
- 大きなPDFファイルの処理には時間がかかる場合があります。
- OCRの精度は元の画像の品質に依存します。
- 日本語と英語以外の言語も、一部のエンジンでサポートされています。
ライセンス
MIT