OCR / テキスト抽出

AI による光学式文字認識（OCR）で画像からテキストを抽出します。複数の言語と品質ティアに対応しています。

API エンドポイント

POST /api/v1/tools/image/ocr

処理: 同期的な JSON レスポンス。clientJobId が指定された場合、進捗も SSE 経由で報告されます。

モデルバンドル: ocr（5～6 GB）

パラメーター

パラメーター	型	必須	デフォルト	説明
file	file	Yes	-	画像ファイル（マルチパート）
quality	string	No	"balanced"	品質ティア: fast（Tesseract）, balanced（PaddleOCR v5）, best（PaddleOCR VL）
language	string	No	"auto"	言語ヒント: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	No	true	OCR 精度向上のために画像を前処理する
engine	string	No	-	非推奨。代わりに quality を使用してください。tesseract を fast に、paddleocr を balanced にマッピングします

リクエスト例

curl -X POST http://localhost:1349/api/v1/tools/image/ocr \
  -F "[email protected]" \
  -F 'settings={"quality":"best","language":"en","enhance":true}'

レスポンス（200 OK）

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "filename": "document.png",
  "text": "Extracted text content from the image...",
  "engine": "paddleocr-vl"
}

進捗（SSE、オプション）

clientJobId フォームフィールドが指定された場合、進捗イベントがストリーミングされます。

event: progress
data: {"phase":"processing","stage":"Recognizing text...","percent":50}

注意事項

• ocr モデルバンドル（5～6 GB）のインストールが必要です。
• OCR は画像のダウンロード URL ではなく、抽出したテキストを直接返します。
• フォールバックチェーンを使用します。上位の品質ティアがクラッシュした場合（例: PaddleOCR のセグメンテーション違反）、自動的に一段下のティアで再試行します。
• クラッシュせずに空のテキストが返された場合も、次のティアにフォールバックします。
• 品質ティアはエンジンにマッピングされます。fast = Tesseract、balanced = PaddleOCR v5、best = PaddleOCR VL。
• HEIC/HEIF、RAW、TGA、PSD、EXR、HDR の入力フォーマットを自動デコードでサポートします。