はじめに
この記事は株式会社ナレッジコミュニケーションが運営する Amazon AI by ナレコム Advent Calendar 2020 の 3日目にあたる記事になります。
この度、Amazon Textract がスペイン語、イタリア語、フランス語、ポルトガル語、ドイツ語のOCR（光学文字認識）と英語の手書きドキュメントからのOCRが可能になりました。
今回は新機能である英語の手書きドキュメントからのOCRを検証してみます！
Amazon Textract とは？
Amazon Textract はスキャンしたドキュメントから印刷されたテキスト（英語、スペイン語、ポルトガル語、フランス語、ドイツ語、イタリア語）、
手書きの文字（英語のみ）を自動抽出するフルマネージド型の機械学習サービスです。
また構造化されたデータの関連付けを保ったまま自動的に検出することができます。
引用：https://aws.amazon.com/jp/textract/
Amazon Textract の利用料金
利用料金は以下となっています。
※東京リージョン非対応のためバージニアリージョンで計算
Detect Document Text API (OCR)
※文書から印刷されたテキストと手書きの文字を抽出する機能
無料利用枠：月に 1,000 ページまでは無料（最初の3か月のみ）
| 1か月あたり | ページあたりの料金 | 1,000 ページあたりの実質料金 |
|---|---|---|
| 最初の 100 万ページ | 0.0015USD | 1.50USD |
| 100 万ページ超 | 0.0006USD | 0.60USD |
Analyze Document API
※表を含む文書から文字を抽出する機能
無料利用枠：月に 1,00 ページまでは無料（最初の3か月のみ）
| 1か月あたり | ページあたりの料金 | 1,000 ページあたりの実質料金 |
|---|---|---|
| 最初の 100 万ページ | 0.015USD | 15.00USD |
| 100 万ページ超 | 0.01USD | 10.00USD |
検証内容
ビートルズ往年の名曲”Hey Jude”の手書き歌詞を文字起こしします。
”Hey Jude”は当時ジョン・レノンと最初の妻シンシア・レノンの離婚が決定的になり、精神的に不安定になっていたジョン・レノンの息子ジュリアン・レノンを慰めるためにポール・マッカートニーが書いた曲です。
YouTube動画：https://www.youtube.com/watch?v=A_MjCqQoLLA&list=PLi6stywEyD2KQLYZti2sXP7DGCWqGKkWI&index=30&t=0s
レコーディング用楽譜類譜がロンドンで1996年にオークションに出された際には、
ジュリアンが「ポールが僕のために書いてくれた曲だから」として2万5千ポンド（約350万円）で落札しました。
引用：https://ja.wikipedia.org/wiki/%E3%83%98%E3%82%A4%E3%83%BB%E3%82%B8%E3%83%A5%E3%83%BC%E3%83%89
分析に利用する画像
今回は2020年に91万ドル（約9800万円）で落札されたポール・マッカートニー直筆の歌詞原稿を利用します。
この原稿は1968年にロンドンでのレコーディングに使われたもので、黒のペンによる筆記体で歌詞や番号が書かれており「BREAK」といったメモ書きも残されています。
引用：https://www.cnn.co.jp/showbiz/35152283.html
検証結果
コンソールにサインインしてサービスからAmazon Textract にアクセスします。
（東京リージョンはサポートしていません）
"ドキュメントのアップロード"から対象画像をアップロードし、完了したら"結果をダウンロードする"から出力フォルダを入手します。
ZIPフォルダを解凍すると上記のファイルを入手できます。
"rawText"を開くと上記の出力を確認できました。ほぼ完璧ですね。
続いてapiResponse.jsonからAPIのレスポンスを確認してみます。
{
"BlockType": "LINE",
"Confidence": 99.11865234375,
"Text": "Hey Jude don't make it bad",
"Geometry": {
"BoundingBox": {
"Width": 0.6866654753684998,
"Height": 0.052347924560308456,
"Left": 0.09252239763736725,
"Top": 0.06466802954673767
},
"Polygon": [
{
"X": 0.09396231919527054,
"Y": 0.06466802954673767
},
{
"X": 0.7791878581047058,
"Y": 0.07248140126466751
},
{
"X": 0.7777479887008667,
"Y": 0.11701595038175583
},
{
"X": 0.09252239763736725,
"Y": 0.10920257866382599
}
]
},
一部抜粋ですが認識したテキスト、信頼度、座標などといったインサイトを得ることができます。素晴らしいですね。
また今回は無料利用枠の範囲内なので安心して検証できました。皆さんもお好きな画像で是非お試しください！
おわりに
今回、読みにくい走り書きの文書でも高い精度で認識できました。
現状Amazon Textract はまだ日本語に未対応ですが、いずれくるであろう日本語の対応が待ち遠しいですね！