スキャン済みPDFが異なる理由
PDFはコンテナです。実際のテキストを含むPDF（選択してコピーできる文字があるもの）もあれば、ページの画像のみを含むPDF（スキャナーやスマホアプリが生成するもの）もあります。画像のみのページに対して、テキストレイヤーのみを読み取る要約ツールを使用すると、空の文書とみなされてしまいます。
ここでPDFをアップロードすると、ツールはまず各文書にどれだけの読み取り可能なテキストが含まれているかをチェックします。テキストレイヤーがない、または品質が低い場合、ページに対して光学文字認識（OCR）を実行し、認識されたテキストを要約します。結果パネルにはOCRバッジが表示され、どの処理経路が使用されたかを確認できます。
スキャン済みPDFを要約する方法
- スキャン文書をアップロードするスキャナー、複合機、スマホのスキャンアプリから取得したPDF。
- 数秒待つOCRはテキストレイヤーの読み取りよりも時間がかかります。1ページあたり約2〜4秒を目安にしてください。
- 必要な出力を選択する要約、要点、質問、または認識されたテキストを.txtファイルとして取得するテキスト抽出。
- 名前、日付、数値を確認する特に低品質なスキャンでは、OCRが似た文字（0/O、1/l、5/Sなど）を混同する場合があります。
優れたOCR結果を得るためのコツ
- 解像度: 200〜300 dpiが理想的です。150 dpi未満では、小さな文字の信頼性が低下します。
- ページの歪み: 歪んだページや湾曲したページ（本の綴じ込み部分など）は精度を低下させます。
- コントラスト: 白い紙に黒い文字が最適です。色あせた感熱紙や色付きの背景は処理が困難です。
- 手書き文字は、一般的に高精度での認識が困難です。
- 混在型PDFは問題ありません。ほとんどのページにテキストがある場合は、テキストレイヤーが使用されます。
よく要約されるスキャン済み文書
- 署名入りの紙の契約書や賃貸契約書。
- 行政、銀行、保険会社からの手紙。
- 紙からデジタル化された古いレポート、学位論文、アーカイブ。
- スキャンとして受け取った医療記録や学校の成績表（注意深く確認してください）。
- 授業用にスキャンされた書籍の章。
よくある質問
PDFがスキャンされたものかどうかを知るにはどうすればよいですか？
PDFを開いて、単語を選択してみてください。テキストを選択できない場合や、画像のようにページ全体が選択されてしまう場合、そのPDFはスキャンされたものです。このツールでは自動的に検出されるため、事前に確認する必要はありません。
なぜOCRは40ページまでなのですか？
OCRは計算処理に負荷がかかります。すべてのユーザーが無料ツールを高速に利用できるようにするため、スキャン済みPDFは最初の40ページまでOCR処理されます。テキストレイヤーがある文書の場合は最大300ページまで対応しています。
OCRはどの言語を認識しますか？
英語、フランス語、ドイツ語、スペイン語、イタリア語、ポルトガル語が最も高精度に認識されます。その他のラテン文字を使用する言語も多くの場合処理できますが、エラーが増える可能性があります。スキャン画像内の非ラテン文字は、まだ確実には認識されません。
認識されたテキストだけを取得することはできますか？
はい。テキスト抽出タブを使用すると、ページごとにテキストを.txtファイルとしてダウンロードできます。
書類の写真は使用できますか？
平坦に補正され、クロップ（切り抜き）されたPDFを生成するスマホのスキャンアプリであれば、うまく機能します。PDFとして保存された生の写真は、ページが平らで、シャープで、十分に明るければ使用可能です。