PNG を TXT に変換

このページの認識エンジンが対応している言語は英語、ドイツ語、フランス語、スペイン語の四つだけで、日本語は含まれていません。日本語のスクリーンショットを渡しても、エラーにはならず、既定の英語として無理やり読み取ろうとした結果が返ってきます。見た目はもっともらしい文字列でも、中身は自信満々の的外れです。

このページが役立つのは、英語で表示されたエラーメッセージ、海外のソフトウェアの英語インターフェース、英語論文のスクリーンショットなど、画面の文字が対応四言語のいずれかであるときです。日本語の文章そのものを読み取りたい場合、このサイトの今の対応範囲では正確な結果は得られません。それを承知のうえで、以下は英語などの対応言語のスクリーンショットに対して何ができるかの説明です。

よくある状況です。チケットに貼られたエラーメッセージのスクリーンショット。ファイルではなく画像として届いた文書。ラベルの数値だけ必要なグラフ。実はスキャンだった PDF の 1 ページ。コピーするより楽だからと画像として転送されたメッセージ。

どの場合も文字は確かに存在していて、たどり着く方法は打ち直すことだけでした。ここでは画像から文字を読み戻すことで、その手間を省きます。対応言語のスクリーンショットであれば、これはよく機能します。

写真の文字認識を難しくする要素がすべて存在しません。ピント合わせをしていないのでピントは完璧、角度もありません。画面そのものがページだからです。影も、光のムラも、手ブレもありません。そして文字はソフトウェアが描画したもので、印刷されたものを撮影したのではないので、字形はフォントが指定した通りそのままです。

実際の結果として、対応言語のスクリーンショットに対しては、写真ページより高い精度を期待できます。通常の解像度で書かれたきれいなインターフェース文字は、ほぼそのまま正確に返ってきます。うまくいかないとしたら、以下の二つのどちらかが原因です。

認識には 1 文字あたりに十分な画素数が必要です。現行のディスプレイでそのまま撮ったスクリーンショットなら十分ですが、文書に収めるために縮小されたもの、チャットアプリで圧縮されたもの、低解像度の画面から撮ったものは足りないことがあります。

あとから拡大しても助けにはなりません。画素は増えても情報は増えず、字形がぼやけてかえって悪化することさえあります。結果が芳しくないなら、フルサイズで撮り直すか、アプリケーションを拡大表示にしてから撮影し、文字そのものを物理的に大きくしてください。

認識器は一つの言語の字形と語彙に対してだけ形を照合しており、間違った言語を指定するとエラーではなく自信満々の誤りを返します。インターフェース文字は短く、誤りが一見もっともらしい単語に見えるため、これはスクリーンショット特有の落とし穴です。

対応する四言語のいずれかを扱う場合は、アクセント記号を含む文字や、複数言語が混在した画面ほど、正しい言語を選ぶ効果が大きくなります。ドイツ語のインターフェースに英語の専門用語が混じっている画面は、どちらか一方を当てずっぽうで選ぶより、正しく設定したほうがよい結果になります。

コードやコマンドラインのスクリーンショットはよくある入力の一つで、そこには特有の落とし穴があります。コードで重要な文字ほど、見た目がよく似ています。数字の 1、小文字の l、縦棒の見分け、0 と大文字の O、フォントによってはハイフンとアンダースコアや em ダッシュの見分けです。

これらの取り違えは、見た目は正しいのに動かないコードを生みます。しかも最も気づかれにくい一文字が原因です。実行するものは必ず目で確認し、可能なら等幅フォントの画面から取ってください。端末のフォントはまさにこれらの文字を区別するために設計されており、認識にとってもあなた自身にとっても助けになります。

出力は読み順に並んだ普通のテキストです。表は列を失った値の羅列になり、二段組のレイアウトは混ざり合うことがあり、見出しも普通の行として現れます。

スクリーンショットの用途としてはこれで十分なことがほとんどです。欲しかったのはエラーメッセージや参照番号、段落そのものだったはずです。表そのものを使いたい場合は、このページが返すのは確認用の数値であって、そのまま取り込める構造ではないと考えてください。

認識処理はブラウザーのタブの中で、手元の処理能力を使って動きます。何もアップロードされないので、サーバー側の控えも、アカウントも、1 日の上限もなく、フォルダー一式を渡せば機械が読める速さでそのまま変換されます。

スクリーンショットは特に注意が必要な種類の画像で、そう意識されにくいものでもあります。口座番号、社内システムの名前、顧客の記録、メッセージ一覧に並んだ同僚の名前、撮影範囲の端にたまたま写り込んだ情報。それらをどこにも送らないというのが、いちばん単純な答えです。