年末の人事異動と繁忙期と重なりすっかりQiitaがご無沙汰になってしまった。
おいおい！投稿頻度の落ちたメディアは見向きされなくなるというのに…
そんなわけで今年続けていたOCRの結論というか、総決算としてyomitokuがベストチョイスという話をしたい。
とはいえ詳細は先に書かれた記事の方が明るいので、素人目線で語るものといえばだいたい使用感レポートのようなものである。
Yomitokuのあれこれ
yomitokuとはAIを活用したOCRソフトウェアの一種。
検索をかけてもここQiitaくらいでしか言及を見かけず、実態をつかみかけずにいたものの実際に使ってみたら前記事で挙げた他のOCRよりもずっと使い勝手がよく驚いた。
特徴は
- 出力フォーマットはMarkdown JSON HTML CSVの4種類。かつ切替も容易(⇐重要)
- クラウドサービスなので自社サーバ内で運用可。セキュリティ◎(ここは実際に運用したわけではないためなんとも)
- GPU下でも高速で動作。領収書3枚を試しにOCRに通した場合40~50秒程度
などなど。
すごい…素人の絵空事みたいな要望をことごとくクリアしておられる… Googleドライブのようにファイル1つずつ、なんてオチもない。複数でも対応。
特に導入や操作が極めて簡単で、今まで苦労して設定に難儀していた時間はなんだったのか後悔するレベル。
pip installして適当なディレクトリに画像ファイルを置いてコマンドを実行するだけ。小学生リテラシーにも易しい…
pip install yomitoku
python -m pip install yomitoku# run_yomitoku.bat
# パス読んでくれなかったのでバッチファイル作成
@echo off
"C:\Users\user\AppData\Local\Programs\Python\Python313\Scripts\yomitoku.exe" %*
pause
yomitoku ./(ディレクトリ名) -f csv
# 別フォーマットに差し替える場合、末尾を適宜置き換える
# html, json, md
# 中の画像ファイル名は日本語NG
あとの問題は文字解析の精度といったOCR特有のそれと、エラーを吐いてしまうファイルがあること。
具体的には手で撮ったレシート写真が反応してくれない。ここはYomitokuというよりOCRのトラブルなのでしょう。
元の画像ファイルを成型してから一月寝かせて読み取るとエラーなくなったし。
元記事が引用されている記事を更に読み込んで使い勝手を増していこう。
とはいえ電子版の領収書はほぼ完ぺきな状態で解析されたので、これ以上の改善は必要なく目下の課題は終了。今年中にしこりが取れて胸をなでおろしている。
ということで悪戦苦闘の日々が終わり別の仕事に悪戦苦闘する日々が始まった。
ただ、形に残した成果物としてはまだまだなのでこれからも仕事の合間を縫って頑張ろうと思う。なにかアプリのようなものに出来ればいいなあ。
ではでは。