paddleocr-text-recognition

PaddleOCR テキスト認識

このスキルを使用する場面

次の用途でこのスキルを使用してください：

• 画像（スクリーンショット、写真、スキャン画像）からテキストを抽出する
• PDF または文書画像から、行／ボックス単位のテキストを抽出する
• 画像／PDF を指す URL またはローカルファイルからテキストを抽出する

次の用途では使用しないでください：

• 表、数式、グラフ、複雑なレイアウトを含む文書 — 代わりに文書解析を使用してください

使い方

基本的な OCR

URL から：

paddleocr api \
  --model_type ocr \
  --file_url "https://example.com/image.png"

ローカルファイルから：

paddleocr api \
  --model_type ocr \
  --file_path "./document.pdf"

よく使うオプション

# With specific model
paddleocr api \
  --model_type ocr \
  --model PP-OCRv5 \
  --file_path "./report.pdf"

# Disable preprocessing (faster, for flat/well-oriented images)
paddleocr api \
  --model_type ocr \
  --file_path "./document.pdf" \
  --use_doc_unwarping False \
  --use_doc_orientation_classify False

# Save result to file
paddleocr api \
  --model_type ocr \
  --file_url "https://..." \
  --output result.json

# Page ranges
paddleocr api \
  --model_type ocr \
  --file_path "./large.pdf" \
  --page_ranges "1-5,10,15-20"

出力形式

{
  "jobId": "job-xxx",
  "pages": [
    {
      "prunedResult": {
        "rec_texts": ["Line 1", "Line 2"],
        "rec_scores": [0.98, 0.95]
      },
      "ocrImageUrl": "https://..."
    }
  ]
}

重要な注意事項

前処理オプション：デフォルトでは、API は文書の前処理（歪み補正と向きの分類）を有効にします。平坦で向きが正しい画像（スクリーンショット、適切にスキャンされた文書）では、前処理を無効にすると結果をより速く取得できます：

paddleocr api --model_type ocr --file_path "./document.pdf" --use_doc_unwarping False --use_doc_orientation_classify False

次の場合は前処理を有効にしたままにしてください：

• 入力が曲がった文書または折りたたまれた文書の写真である
• 文書に大きな遠近歪みがある
• 向きが不明（90／180／270 度回転している可能性がある）

結果をすべて表示する：抽出した内容は、常にすべてユーザーに表示してください。内容が 10,000 文字を超えない限り、「...」で省略しないでください。複数ページを処理した場合、必要に応じて要約してもかまいませんが、明示的に求められた場合は結果をすべて提示してください。

エラーに適切に対処する：CLI がエラーを返した場合は、黙って失敗したり、独自の画像認識機能に切り替えたりせず、具体的な問題をユーザーに伝えてください。よくあるエラー：

• 認証：PADDLEOCR_ACCESS_TOKEN が無効または未設定
• クォータ：API のレート制限を超過
• コンテンツが検出されない：画像が空白であるか、テキストを含んでいない可能性があります

CLI リファレンス

すべてのオプションについては、paddleocr api --help を実行してください。

詳しいドキュメントは、PaddleOCR 公式ドキュメントを参照してください。