OCR
ひとことで言うと
紙や画像に写った文字を、編集可能なテキストに変換する技術。
一言でいうと：画像の中の文字を読み取って、文字データに変換する技術です。
やさしく説明すると
OCRは「Optical Character Recognition（光学文字認識）」の略です。紙の書類をスキャンして文字データにしたり、レシートを撮影して金額を読み取ったりするのに使われます。
手書き文字や、傾いた写真、崩れたレイアウトはまだ苦手ですが、印刷された文書ならかなりの精度で読み取れます。
初心者へのひとこと
最近の対話AIは画像を読めるので、スクリーンショットを貼って「ここに書いてある数字を表にして」と頼めば、OCRとして使えます。
関連する用語
- マルチモーダル
- 画像生成AI
- 自動化