スキャンPDF→Word変換を成功させるOCR完全活用ガイド
複合機でスキャンした書類・古い紙書類のデジタル化・手書き書類のテキスト化など、スキャンPDFをWordに変換したいケースは非常に多くあります。しかし、スキャンPDFには通常のPDFと違って「テキスト情報」が含まれておらず、画像として書き込まれているため、単純な変換では編集できないファイルになってしまいます。この問題を解決するのが「OCR（Optical Character Recognition＝光学文字認識）」技術です。OCRを使ってスキャン画像内の文字を認識・テキスト化することで、はじめて編集可能なWordファイルに変換できます。本記事では、日本語スキャンPDFのOCR処理とWord変換を成功させるための具体的な手順と精度を上げるコツをお伝えします。
スキャンPDFをWordに変換する手順：LazyPDF OCRの活用
LazyPDFのOCRツールは、スキャンPDFをアップロードするだけで自動的に文字認識処理を行い、テキストが埋め込まれたPDFを生成します。生成されたテキスト入りPDFをさらに「PDFをWordに変換」ツールで変換することで、編集可能なDOCXファイルを得ることができます。日本語のOCR精度は活字書体（明朝・ゴシック）であれば高い精度で認識されますが、手書き文字・特殊書体・縦書きは誤認識が発生しやすいため、変換後の校正作業が特に重要になります。また、スキャン解像度が低い（200dpi以下）場合も認識精度が大幅に低下するため、スキャン段階での設定も重要です。
- 1LazyPDFの「OCR」ツール（lazy-pdf.com/ocr）を開く
- 2スキャンPDFをドラッグ＆ドロップでアップロードし、日本語を言語として選択する
- 3OCR処理が完了したらテキスト入りPDFをダウンロードする
- 4ダウンロードしたPDFをLazyPDFの「PDFをWordに変換」ツールに再度アップロードする
- 5変換後のDOCXをWordで開き、元のスキャン書類と照合しながら誤認識を修正する
OCR認識精度を上げるスキャン設定のベストプラクティス
スキャンPDFのOCR精度は、スキャン時の設定によって大きく変わります。最も重要な設定は解像度で、OCR処理に最適な解像度は300dpi以上です。200dpi以下では文字が不鮮明になり認識精度が著しく低下します。コンビニや職場の複合機でスキャンする場合は、解像度設定を「300dpi」または「高解像度」に設定してください。カラー設定は「グレースケール」が推奨で、完全なカラースキャンはファイルサイズが大きくなる割に認識精度の向上はほとんどありません。また、紙が斜めにセットされるとOCR精度が落ちるため、自動紙送り（ADF）を使う場合は書類をまっすぐにセットしてください。スキャン後はPDFをPreviewまたはAcrobat Readerで開き、文字が鮮明に表示されているかを確認してからOCR処理に進むことをお勧めします。
- 1スキャナーまたは複合機の解像度設定を「300dpi以上」に設定する
- 2カラー設定は「グレースケール」または「白黒（テキスト）モード」を選択する
- 3紙をまっすぐにセットし、斜め傾きが生じないよう注意する
- 4スキャン完了後、PDFを開いて文字の鮮明さを確認してからOCR処理を行う
OCR後の校正作業を効率化するWordの活用法
OCRによる文字認識は高精度であっても100%完全ではなく、特に以下の文字は誤認識が起きやすいです。「目（め）」と「日（にち）」「0（ゼロ）」と「O（オー）」「1（いち）」と「I（アイ）」「ン」と「ソ」「ヤ」と「テ」など、形が似た文字は誤認識の典型例です。また、旧字体・難読漢字・JIS第二水準以降の漢字も誤認識しやすいです。Wordの「検索と置換」機能（Ctrl+H）を使えば、よくある誤認識パターンを一括で修正できます。例えば「Oサービス」→「0サービス」、「ヤ形書式」→「テ形書式」などのパターンを登録して一括置換します。また、Wordのスペルチェック機能（日本語では文法チェック）が誤認識を検出するのに役立つことがあります。校正作業は元のスキャン書類をプリントアウトまたは別ウィンドウで表示しながら、Wordと対照して読み合わせる方法が最も確実です。
- 1Wordで変換後のDOCXを開き、元のスキャン書類を別ウィンドウで表示する
- 2Ctrl+Hの「検索と置換」でよくある誤認識パターン（0とO、1とIなど）を一括修正する
- 3Wordの「校閲」タブのスペルチェックで誤変換の候補を確認する
- 4重要な数値・固有名詞・専門用語は元書類と1文字ずつ照合して確認する
縦書き・手書きスキャンPDFのOCR対処法
縦書きの書類（古文書・和文雑誌・証書等）や手書き書類のOCRは、横書き活字書類に比べて認識精度が大幅に低下します。縦書きPDFのOCRでは、文字の読み取り順序が乱れて意味不明なテキストが生成されることがあります。現在のOCR技術では、縦書き日本語の完全自動変換は難しい部分があります。手書き書類については、筆記体・崩し字・鉛筆書きなどはOCR精度が特に低くなるため、変換後の大幅な手修正が前提となります。縦書き・手書き書類の場合は、OCRを「下書き」として活用し、多くの誤認識を修正しながら完成させる心構えで作業することをお勧めします。どうしても精度が必要な書類は、専門のデータ入力サービスを活用することも選択肢です。
よくある質問
スキャンPDFのOCR処理にどのくらい時間がかかりますか？
LazyPDFのOCR処理時間はファイルサイズとページ数によって異なります。A4サイズ1ページのスキャンPDFであれば通常10〜30秒程度で処理が完了します。10ページを超える書類は1〜3分程度かかることがあります。インターネット接続速度によってアップロード・ダウンロード時間が変わるため、大容量ファイルは高速接続環境での処理を推奨します。
OCR処理後もまだ文字が認識されていないページがあります。なぜですか？
認識されないページは、スキャン品質が極めて低い（解像度不足・汚れ・折れ目がある）か、画像部分が多く文字がほとんどない場合に発生します。問題のページを再スキャン（300dpi以上、清潔なガラス面で）してからOCR処理を再試行してください。また、全面的な画像（写真・図面）のページはOCRでテキスト化できないため、そのままのページとして扱ってください。
スキャンした確定申告書類をWordに変換して使えますか？
確定申告の控え書類（e-Tax受信通知・納税証明書等）をスキャンしてOCR→Word変換することは技術的に可能です。ただし、税務書類は公的な証明として機能するものであり、変換・編集後のWordは証明書類としての効力がなくなります。変換して活用できる用途は「内容の確認・整理」「データ入力の参考」などに限られます。e-Taxから直接PDFで取得できる書類は、スキャンよりも高精度のデジタルPDFをそのまま使用することをお勧めします。
古い紙文書（1990年代以前の書類）のOCR精度を上げるコツはありますか？
古い紙書類は劣化・黄ばみ・インク退色によってOCR精度が低下します。スキャン前にできる限り書類を平らに広げ、コピー機のガラス面を清潔にしてからスキャンしてください。スキャン後に画像編集ソフト（Photoshop・無料なら「GIMP」等）でコントラストを上げ、文字と背景のメリハリを強調することで認識精度が改善することがあります。それでも精度が出ない場合は、専門のアーカイブデジタル化サービスの利用を検討してください。