1. はじめに

できること

YomiToku Studio は、画像やPDFから文字・段落・表・図を読み取り、ブラウザ上で修正して Markdown、CSV、テキスト、マスク画像、検索可能PDFとして出力できるOCR編集ツールです。

YomiToku Studio の全体画面 — 解析後の基本画面。左から操作、ページ一覧、画像ビュー、右パネルが並びます。

動作環境

推奨ブラウザは最新版のChrome、Edge、Safariです。初回利用時はOCRモデルをダウンロードします。回線やブラウザのキャッシュ状態により時間がかかることがあります。

プライバシー

画面下部のステータスが「ブラウザ内処理」の場合、画像は外部サーバーへ送信されず、端末内のブラウザで処理されます。

ブラウザ内処理のステータス表示 — 処理方式、実行環境、ページ進捗、ズーム倍率は下部ステータスバーで確認します。

2. 基本操作

入力

左のFilesからファイル、フォルダ、スクリーンショット、プロジェクトJSONを追加できます。画面へのドラッグ&ドロップ、クリップボード画像の Ctrl + V でも追加できます。

Files フライアウト — ファイル、フォルダ、スクショ、プロジェクトの入出力をFilesに集約しています。

ページ一覧

追加したページは左のページ一覧に並びます。待機中、解析中、完了、エラーの状態を確認でき、必要に応じて中止、再実行、削除を行います。

画像ビュー

中央の画像ビューでは、単語、段落・図表、セル、読み順、信頼度のレイヤーを切り替えて確認します。Ctrl + ホイールでズーム、手のひらツールまたはドラッグで移動できます。

信頼度表示としきい値 — 信頼度色分けとしきい値で、要確認の単語を絞り込みます。

テキスト編集

右パネルで段落、表セル、図内段落、単語を編集します。右パネルから選択・編集中は、上部のルーペで該当領域の画像を確認できます。編集中は Enter で確定、Esc でキャンセル、Tab で確定して次の項目へ移動します。

単語編集ドックとルーペ — 単語修正では画像の拡大プレビューを見ながら文字を直します。

読み順

読み順ビューでは、番号と矢印で段落の順番を確認し、右パネルのリストをドラッグ&ドロップして並べ替えます。項目をクリックで選択、Shift + クリックで連続した範囲をまとめて選択でき、そのままドラッグすると選択した区間を一括で移動できます。ドラッグ中は挿入先が上下の線で示され、項目の上半分／下半分どちらにドロップするかで挿入位置(前／後)が決まります。

元に戻す/やり直す

段落や単語の編集、領域操作、読み順の変更はページ単位で履歴に保存されます(マスク操作は対象外)。上部のボタン、またはCtrl + Z と Ctrl + Y で戻せます。

上部バーの元に戻すとやり直し — 履歴があるページを開いていると、元に戻す/やり直すが有効になります。

3. 領域修正(Tools)

矩形追加

矩形の追加には2つの方式があり、Toolsから選べます。どちらも追加した領域は自動で再OCRされます。

矩形を追加(4点): 画像上で四隅を左上から時計回りにクリックします。傾いた行にも合わせられます。
矩形を追加(2点): 対角の2点(例: 左下→右上)をドラッグします。水平・垂直な行を素早く囲むのに向いています。

Tools フライアウト — 矩形追加(4点/2点)、編集、範囲削除、選択削除をToolsから選びます。

矩形追加ツール — 追加ツールを選ぶと、選んだ方式のヒントが下部に表示されます。

矩形編集

単語を選ぶと四隅と各辺の中点にハンドルが表示されます。四隅をドラッグすると自由に変形でき、辺の中点をドラッグするとその辺だけを水平／垂直方向に伸縮できます(縦・横のサイズ調整に便利)。矩形編集だけでは自動再OCRされないので、単語エディタの部分再OCRボタンで必要な範囲を読み直してください。

削除

範囲削除は、ドラッグで指定した範囲内の単語を確認後にまとめて削除します。選択削除は画像上で左クリックして対象を選び、右クリックでまとめて削除します(確認ダイアログが表示されます)。

4. マスキング

選択マスク

MaskingをONにして、画像ビュー上の単語や図をクリックするとマスク対象になります。図・画像の一括マスクや、すべて解除も同じパネルから実行できます。

Masking フライアウト — 選択マスク、図・画像の一括マスク、検索マスクをまとめて操作します。

検索マスク

検索マスクは、指定した文字列を含む単語をまとめてマスクします。既存のマスクには追加され、解除するまで保持されます。

出力への反映

テキスト出力ではマスク済みの語が **** に置き換わります。マスク画像と検索可能PDFでは、対象領域が黒塗りになります。

マスク適用後の画面 — 画面上の黒塗りとテキストの置換は、コピーとエクスポートにも反映されます。

5. コピー

文書全体

表示中ページの内容はMarkdownまたはテキストとしてクリップボードへコピーできます。マスク済みの語は伏せ字になります。

複数選択

複数選択をONにすると、画像ビューで単語や段落を選び、右クリックでまとめてコピーできます。

6. エクスポート

単一ページ

表示中ページはMarkdown、CSV、テキスト、マスク画像、検索可能PDFとして出力できます。ファイル名は元画像名を基準に、形式に応じた拡張子で保存されます。

Export フライアウト — 単一ページと解析済み全ページの出力をExportパネルで行います。

全ページzip

解析済みページをzipとしてまとめてダウンロードできます。複数形式を同時に含められ、連結をONにすると形式ごとに全ページを1ファイルへまとめます。

7. 設定

テキスト出力

ふりがな除去、段落連結、Markdownへの図埋め込みを設定できます。段落連結は直結、スペース、改行から選びます。

領域表示の濃さ

画像ビューに重ねる単語・段落・セルの枠の濃さをスライダーで調整できます。50% が基準(既定の見た目)で、上げると濃く(領域が見つけやすく)、下げると薄く(下の画像が見やすく)なります。選択中・マスク・編集ハンドルは見落とし防止のため常にはっきり表示されます。

PDFとエンジン

PDF DPIは、設定後に追加するPDFページへ適用されます。推論エンジンは通常ブラウザ内処理を使います。サーバー設定でURLとAPIキーを登録するとサーバー処理(商用)へ切り替えられ、下部ステータスに処理先と残りページ数が表示されます。

8. プロジェクト

書き出し/読み込み

Filesのプロジェクト操作で、編集状態をJSONとして書き出し、あとから読み込めます。画像本体が含まれないページは、元ファイルを再追加してください。

自動保存と復元

ブラウザには作業状態が自動保存されます。再訪時に復元バナーが表示されたら、前回の状態へ戻せます。

9. 付録

ショートカット

以下のツール系ショートカットは、テキスト入力中でないときに(修飾キーなしで)使えます。各ボタンにも割り当てキーが表示されます。

V: 移動(選択)ツール。
R / Shift + R: 矩形を追加(4点 / 2点)。
E: 矩形を編集。
D / Shift + D: 範囲削除 / 選択削除。
M / Shift + M: マスキングの ON/OFF / 図・画像を一括マスク。
C: 複数選択(コピー)の ON/OFF。
Esc: 通常状態へ戻す(移動ツール + マスキング/複数選択を OFF)。
Ctrl + V: クリップボード内の画像を追加します。
Ctrl + ホイール: 画像ビューを拡大・縮小します。
Ctrl + Z: 現在ページの編集を元に戻します。
Ctrl + Y: 現在ページの編集をやり直します。
Enter / Esc / Tab: 単語編集の確定、キャンセル、次項目への移動です。

トラブルシューティング

モデルDLが失敗する場合は、ネットワークを確認してページを再読み込みしてください。
ページがエラーになった場合は、ページ一覧から再実行します。
PDFが粗い場合は、設定でDPIを上げてからPDFを追加し直してください。
画像が大きすぎて重い場合は、ページを分割するか解像度を下げた画像で試してください。

使い方