画像の文字起こしをAIで行う精度検証

検証方法

架空の保守点検票の画像（760×520ピクセル）を作り、答えを知らない状態のClaudeに、次の2×2の条件で1回ずつ文字起こしさせました（2026年9月25日、当社の作業環境から実行）。

• モデル：Claude Opus 5.5／Claude Haiku 4.5（軽くて速いモデル）
• 依頼の仕方：「この画像の文字をすべて文字起こししてください」とだけ頼む／下の文字起こしプロンプトを使う

仕込んだ難しさと正解

このほか、見出し・製品名・住所・電話番号・次回点検日の5か所を合わせた11か所を、正解と照合しました。英数字は、完全に一致するか、見分けられない字に候補を付けた場合を正解としました。

結果：4つの条件の比較

いちばん注意が要るのは、Haiku 4.5の小さい注記です。読めない部分を「［？］」とせず、それらしい日本語でつないでいました。プロンプトで「推測で補わない」と指示しても防げませんでした。置き換わった文は日本語として自然につながっているため、見た目だけでは見分けにくい点に注意が要ります。

わかったこと

• 紛らわしい英数字は、モデルで結果が分かれた。Opus 5.5は2条件とも正しい並びで読み、Haiku 4.5は2条件とも O を 0 と読みました。
• 候補を付けさせると、正しく読めても確認の手がかりが残る。Opus 5.5はただ頼んだときも正しく読みましたが、断定したため、もし読み違えていても気づく手がかりがありません。プロンプトありでは、見分けにくい字に候補が付き、確かめるべき字が分かります。
• 小さい文字は、軽いモデルで存在しない文が混ざった。Haiku 4.5は2条件とも、9pxの注記の一部を作文しました。
• 縦書き・斜めのスタンプ・手書き風の行は、4条件とも読めた。

添付した画像の文字を、すべて書き起こしてください。

ルール：
- 表は行ごとに「項目：値」の形で書く。縦書き・スタンプ・欄外の小さい注記も、場所が分かるように書く
- 型番・製造番号・電話番号など英数字の並びは、1文字ずつ区切って読み直してから書く
- 0とO、1とlとI、5とS、8とB、2とZのように形が似た文字で、画像から区別がつかないものは、読んだ文字のあとに［l/I？］のように候補を書く
- 読めない文字は［？］とし、推測で補わない
- 最後に、読み取りに自信がない箇所を一覧にする

まとめ

画像の文字起こしは、大きいモデルなら紛らわしい英数字や小さい注記まで正確に読めました。ただ、正しく読めたかどうかは出力を見ても分からないため、見分けにくい字に候補を付けさせるのが安全です。軽いモデルは、英数字の読み違いに加えて、小さい文字の部分に画像に無い文を混ぜることがありました。