日本語手書き文書のOCR処理

AIの進化の恩恵の一例

　キーボードからタイプ入力して文字起こしするには二の足を踏むほどの量の手書き文書があって、何年も手を付けかねていたのだが、そろそろ放っておけなくなって、なんとか始末つけようと昨今のOCR処理のツールを調べているうち（注１）に、なんとか使い物になりそうなのが見つかり、試してみた。かなりいい成績で実用に耐えそうだ。文字ベースの認識率（注２）はまだ正確には測定できていないが、概算で9０％を超えていそうだ。しかも無料で使える。
　Google Cloud AI OCRがそれだ。
　単純化していえば、画像データ化した手書き文字文書を、Google Cloudに入力すると、OCR処理され、コード化テキスト文書が出力されるのである。GoogleはいわばOCRエンジンを提供するだけで、一連の作業をシステム化したアプリとして提供している訳ではないので、画像データは手書き文書を1ページずつスキャンして事前に用意しておかなければならないし、その画像データを読み込んでOCR処理させるプログラムもPythonでコードしなければならない。もちろん事後処理として誤認識された文字を訂正する作業も人力だから相当な作業量になる。それでも一からキーボードで入力する手間と比べれば雲泥の差である。それに今や、プログラミングはほとんどAIが代行してくれる（今回お世話になったのはChatGPT）。たかだか数十行のコードではあったが、なんにも知らない開発実行環境（Google CloudとそのAPI）下で、しかも当人はほとんど経験のない（習得を諦めた）プログラミング言語のコードをまたたく間に書き上げ、なおかつそれが、数度の修正を経てではあるものの、意図通り機能する、なんて１０年前にはおよそ想像できなかった。

　実証実験で処理したのは手書きのA４版ノート２０ページ、文字数は約５万字だが、OCR処理時間は１分余りだったろうか。前処理（画像データ準備）と後処理（誤認識校訂作業）はその何百倍〜何千倍もかかるのに、驚くべきスピードである。速読の達人も遠く及ぶまい（速読は活字の文章を対象として速度を測定するから、比較することははなから無理があるが）。OCR処理にもう十倍ぐらい時間がかかってもいいから認識率があと数％も上がれば平均的な日本人の認識率を凌ぐだろう、などと虫の良い願望が湧いたりするが、夢物語ではなさそうなところが、ちょっと空恐ろしくもある。

　　　
　　　
注