無料で画像・動画・保護されたPDFなどからテキスト文字列をOCRでコピーできるFirefoxアドオン「Copyfish」

ブラウザFirefoxのアドオン「Copyfish」は、OCR(光学文字認識)機能を追加して、ムービーの字幕やサイトロゴ、文字画像などを文字コード形式に変換することができます。テキスト変換すると同時に翻訳することも可能ということなので、さっそく使ってみました。

Copyfish :: Add-ons for Firefox
https://addons.mozilla.org/en-us/firefox/addon/copyfish-ocr-software/

◆アドオンインストール
Firefoxで上記URLにアクセスして、「Add to Firefox」をクリック。

「インストール」をクリック。

「Welcome！」と表示されたページが開けば、Copyfishアドオンのインストールは完了です。

◆使ってみた
・ムービー字幕
まずはムービー内の字幕をコピーしてみます。検索ボックス横のアドオンバーに追加された「Copyfish」ボタンをクリック。

マウスカーソルでコピーしたい字幕部分を指定したら、一度クリック。

コピーが始まるのでしばらく待つと……

ムービー内の字幕をテキストに変換できました。

別の字幕を同じ要領でコピーすると……

「very」という文字をうまく認識できませんでした。こんな場合は、「Redo OCR」をクリックして文字変換をやり直したり、「Recapture」をクリックして文字を指定し直せばOK。

指定範囲を変更すると、うまく認識させられました。

続いて、日本語の字幕に挑戦してみます。

デフォルトでは認識できる文字が「English(英語)」に指定されているため、うまく文字を認識できません。そこで、「歯車」アイコンをクリック。

「Copyfish Options」のページが開くので、「Input Language (OCR Language) 」の「English」をクリック。

「Japanese(日本語)」を指定すればOK。

今度は日本語として文字を認識できましたが、「誰」という文字が「羅」と誤認識されました。特徴的なフォントの場合、うまく文字を認識できないことがあるようです。

別のフォントの文字を試すと……

正しく認識できました。

・文字画像
Copyfishは字幕だけでなく画像形式の文字もテキストに変換可能です。東京大学のホームページの「東京大学」ロゴを指定すると……

問題なくテキストにでき、翻訳も完璧。

GIGAZINEのロゴで試すと……

うまく認識できませんでした。袋文字などの場合は、ただしく認識させるのが難しいようです。

・保護されたPDF
文字をテキストとして認識・抽出できない「保護されたPDF」の文字を、テキストにすることも可能。PDFファイルの説明書を開くプログラムに「Firefox」を指定して、PDFファイルをFirefoxブラウザで表示させます。

あとはこれまでと同様に、アドオンバーのCopyfishボタンをクリックして、テキストに変換したい部分を指定してみると……

問題なく、OCR機能が使えました。