はじめに
2026年10月19日、CloudflareがClairicというAIモデルのプレビュー版を発表しました。Jevと同じように構造化したデータを返してくれるのでプログラムに組み込みやすいという特徴があります。Jevと違うのは、入力から特定の値を抜き出してくれることに特化しているということのようです。
公式ページ
https://developers.cloudflare.com/workers-ai/models/clairic/
Clairicは画像とテキストが入力できるマルチモーダルモデルです。今回はレシートの写真を渡して、合計金額を抽出できるかどうかを試してみるデモページを作りました。
ページ全体で1日100件の範囲内ならリクエストが出来るようにしていますので、興味のある方は是非試してみてください。
デモ
画面左側のレシート入力コンポーネントからレシート画像をアップロードし、「抽出」ボタンを押下することでClairicにリクエストを送ります。
抽出項目は「店名」「日付」「合計」の3項目としています。
各項目の型と指示は以下の通りです。
"store_name": {
"type": "text",
"instructions": "レシートに記載された店名。"
},
"date": {
"type": "date",
"instructions": "レシートに記載された購入日。不明な年や日付は推測しない。"
},
"total": {
"type": "number",
"unit": "JPY",
"integer": true,
"decimals": 0,
"instructions": "日本円建てのレシートに印字された、値引き適用後・消費税込みの購入合計金額を円単位の整数で抽出する。「合計」「税込合計」「お買上計」などの項目に対応する金額を読み取る。小計、消費税額、税率別対象金額、預り金、現金・カード等の支払内訳、お釣り、ポイント残高は除外する。通貨換算はしない。円建てでない場合、印字された合計金額や数字を確認できない場合は、推測・計算・丸めをせずnullを返す。"
}
結果
いくつかレシートを読み取らせてみた結果としては、数値の認識能力がまだ甘く、誤った合計金額を返してくることが多い印象でした。例えば、以下の画像では、レシートの合計金額は「1562円」ですが、Clairicは「1552円」と返してきています。
指示の方法が悪い可能性もありますが、画像から読み取らせるという使い方ではまだ本番使用に耐えないのではないかという印象です。OCRで先に文字を読み取らせてから、その文字列からの抽出をリクエストするという方法なら、また違った結果がでるかもしれません。
私はこういった画像認識系のサービスに疎く、既存のレシート読み取りサービスとどの程度精度に差があるかはっきりわかっていません。今後試していこうと思っています。