PixelVault は、すべてブラウザ内で動作する OCR で画像をテキストに変換します。エラーメッセージのスクリーンショット、本のページの写真、スキャンした手紙、領収書、看板、ホワイトボード — ドロップすれば、選択・編集できるテキストが反対側から出てきます。よくある「画像から文字起こし」サイトと違い、何もアップロードされません。認識エンジン自体がお使いのデバイス上で動作します。
英語・スペイン語・ドイツ語から、アラビア語・ヒンディー語・日本語・韓国語・中国語(簡体字・繁体字の両方)まで、20 の認識言語が利用できます。複数言語の書類のために、一度に最大 3 言語まで有効にできます。各言語パックは小さな一度きりのダウンロード(約 1〜3 MB)で、ブラウザがキャッシュに保持します。
結果は信頼度スコアとともに編集可能なテキストボックスに表示されるので、使う前に誤認識の文字を直せます。ワンクリックですべてをクリップボードにコピーするか、画像名を付けた .txt ファイルとしてダウンロードできます。
仕組み
PixelVault は、最も広く使われているオープンソースの OCR エンジン Tesseract を、ブラウザ内で動くよう WebAssembly にコンパイルして使っています。初回使用時にエンジン(約 5 MB)と、選択した言語の学習済みデータをダウンロードします — 何かが取得される前に正確なサイズが表示されます。画像はバックグラウンドスレッドで解析されます。エンジンが行と単語を見つけ、言語モデルに照らして文字を認識し、プレーンテキストと信頼度の推定値を返します。すべてローカルにキャッシュされるので、2 回目以降はオフラインでも動作します。
ローカル処理が重要な理由
人々が OCR にかける画像は、たいてい機微なものです。契約書、請求書、身分証明書、診療の手紙、プライベートなチャット。それらを OCR サービスにアップロードするということは、少なくとも一時的に、それらの書類が他人のインフラ上に置かれることを意味します。ローカル OCR はその露出を完全に取り除きます — ピクセルがマシンから外に出ることはなく、あなたの書類をログに残したり、キャッシュしたり、学習に使ったりするサービスも向こう側に存在しません。
対応フォーマット
- PNG / JPG — スクリーンショットや写真 — 最も一般的な OCR の入力元。
- WebP / AVIF / BMP / GIF — 入力としてすべて受け付けます。
- HEIC — 書類を撮った iPhone の写真は、まずローカルでデコードされます。
- TXT — 出力:コピーやダウンロードにすぐ使えるプレーンテキスト。
主な使用例
- スクリーンショットのエラーメッセージを、打ち直す代わりにコピーできます。
- 印刷された手紙・レシピ・本のページをデジタル化できます。
- 撮影した領収書や請求書から、表や参照番号を抽出できます。
- 会議のあと、スライドやホワイトボードの写真からテキストを取り込めます。
- SNS の画像から引用文を、編集可能なドキュメントに取り出せます。