83 lines (56 loc) · 2.89 KB

Tategaki OCR

Tategaki OCR は、PDF、画像、スキャン画像フォルダ、zip アーカイブからプレーンテキストを抽出するための macOS アプリ兼コマンドラインツールです。

現在のプロダクト方針は次のとおりです。

macOS デスクトップアプリを主軸にする
出力の本命は Markdown ではなくプレーンテキスト
OCR の主経路は VisionKit.ImageAnalyzer / ImageAnalysisOverlayView
Apple の ImageAnalyzer を活用し、日本語の縦書き文書でも高精度な OCR を目指す
UI はプレビュー、確認、Convert and Save... に絞って簡素にする

できること

PDF、画像、ディレクトリ、zip を開く
各ページを Live Text Overlay でプレビューする
ImageAnalyzer を活かして日本語の縦書き文書も高精度に OCR する
エクスポート前に現在ページのテキストを確認する
文書全体を output.txt に書き出す
任意で processing_report.txt と ocr_debug_log.txt を保存する
コマンドラインから batch OCR を実行する

動作要件

macOS 14 以降
開発には Xcode 15.4 以降

ビルド

SwiftPM:

swift build

Xcode app target:

xcodebuild -scheme OCRToText -configuration Debug build

コマンドライン利用

OCRToText --batch [options] <input paths...>

例:

OCRToText --batch book.pdf
OCRToText --batch --output-dir /tmp/ocr-out img1.png img2.png book.pdf img3.png

主なオプション:

--batch: コマンドラインの batch mode で実行
--output-dir <dir>: 出力先ディレクトリを指定
--no-report: processing_report.txt と ocr_debug_log.txt を保存しない
--page-separators: output.txt にページ区切りを入れる
--no-page-separators: output.txt からページ区切りを省く
--help, -h: CLI help を表示

batch の扱い:

連続する画像パスは 1 文書として扱う
PDF、ディレクトリ、zip はそれぞれ 1 文書として扱う
出力は常に文書ごとのサブディレクトリに保存する
同名の出力先がすでに存在する場合は _2 や _3 を付けて衝突を避ける

リポジトリの現状

このリポジトリは、現在の本流になっている app target と OCR パイプライン実装を追跡しています。

公開準備のチェックリストは APPSTORE_READINESS.md を参照してください。

プライバシー

アプリは、ユーザーが選択したファイルをローカル端末上で処理する前提で、解析、アカウント、クラウド同期を含みません。

公開用のプライバシーポリシー草案は PRIVACY.md にあり、静的 HTML 版は privacy.html にあります。