YouMind
ログイン
汎用文字認識(PaddleOCR)

汎用文字認識(PaddleOCR)

画像・PDFを構造化テキストへ変換

作成者
钟钟小波
インストール数
0
出典YouMind

コンテンツ紹介

説明

画像やPDFを構造化テキストに変換する汎用OCRスキルです。PaddleOCR(PP-OCRv5汎用文字認識パイプライン)を基盤とし、中国語・英語・日本語などの多言語や多言語混在、印刷体・手書き文字に対応します。言語とOCRバージョンを自動で照合し、適切な推論デバイスとモデル規模を選択。必要に応じて、文書方向分類やテキスト画像補正などの前処理モジュールも有効にします。最終的に、認識テキスト、文字ボックスの座標、信頼度を出力します。文書のデジタル化、伝票認識、スクリーンショットからの文字抽出などに適しています。

関連スキル

すべて表示

9次元ビジュアル分解エンジン

1枚または複数枚のインフォグラフィック、データビジュアライゼーション、フローチャート、タイムライン、地図、ナレッジグラフ、組織図を、再利用可能なビジュアル構造と情報構造へ分解します。画像がなぜそのように構成されているのかを正確に理解し、近い表現効果を再構築できるよう支援します。空間構成、次元と質感、色彩の階層、フォントとレイアウト、モジュール間の関係といった表現要素を分析すると同時に、チャートの符号化、読み進める経路、図記号のメタファー、地理的またはネットワーク上の関係も識別するため、分析が単なる「何に似たスタイルか」にとどまりません。 キャンバスと構図のロジック、視覚的な階層、文字密度、モジュールのトポロジー、データや関係性の表現方法、画像内のナラティブの導線を含む、パラメーター化されたビジュアル分解結果が得られます。統計グラフ、地図、関係ネットワークなどでは、データが色、位置、サイズ、線、ノードといった視覚変数へどのようにマッピングされているかに焦点を当てて出力します。複雑なテーマの図については、図形、テキスト、メタファー体系がどのように連携しているかも整理します。 これらの分析をもとに、情報図の再現、ビジュアルリサーチ、デザインの参考、ブランドコンテンツの探索、コンセプト図の制作に適した、詳しく構造化された英語の画像生成プロンプトを作成します。既存の画像でも、テーマやビジュアルの方向性に関する構想でも、漠然としたスタイルの説明ではなく、構造レベルでの再現に近づくプロンプトを得られます。

知
43k

情報

バージョン
v4
最終更新
実行クレジット
使用量に応じて消費
モデル
自動選択

もっと大胆な作品をつくる準備はできましたか?

汎用文字認識(PaddleOCR)