【作業効率化】Geminiを使って画像からサクッとテキスト抽出（文字起こし）する方法

こんにちは、のざっぺです。

今回は、日々のちょっとした面倒を生成AIで解決する小ワザをご紹介します。
皆さんは、画像内のテキストや、PDFのスライド画像などをテキスト化したい時、どうしていますか？まさか気合で手打ちしていませんよね。

自作のPythonプログラムを組んで「Ctrl + Shift + Sでスクショ→即座にクリップボードへコピー」というような専用の自動化ツールを作るのもロマンがあって最高ですが、単発でサクッとテキストを抜き出したい時や、出先でスマホから操作したい時は、Geminiにそのまま投げるのが圧倒的に手軽です。

今回は、Geminiを使って画像から文字起こし（OCR）をする具体的な手順と、より便利に使うためのコツを解説します。

Geminiで文字起こしをする手順

操作は非常にシンプルで、1分もあれば完了します。

1. 抽出したい画像を準備する
   文字起こししたい画面のスクリーンショットを撮るか、写真を用意します。
2. Geminiに画像をアップロードする
   Geminiのチャット入力欄にある「＋」マーク（または画像アイコン）をクリックし、準備した画像をアップロードします。
3. プロンプト（指示）を入力して送信する
   画像と一緒に、以下のようなシンプルなメッセージを添えて送信します。
   ・「この画像内の文字をすべて書き起こして」
   ・「画像の中のテキストを抽出して、箇条書きでまとめて」
4. 結果をコピーする
   数秒でGeminiがテキストを抽出してくれます。あとは回答の下にあるコピーボタンを押して、メモ帳などに貼り付けるだけです。

実際にやってみた

試しにこちらの画像の文字を書き起こしてみました。

Geminiの回答はこちら

Gemini回答

画像に書かれている文字を読み取りました。以下の通りです。

名古屋 （上部）
スライムういろう （中央・大きな文字）
青柳総本家 （左下）

名古屋名物「青柳ういろう」の青柳総本家と、『ドラゴンクエスト』がコラボレーションした商品のパッケージですね。

Geminiに文字起こしを頼む3つのメリット

専用のOCRソフトを使わずに、あえてGeminiを使うメリットは以下の通りです。

• とにかく精度が高い（日本語もバッチリ）
  手書きの少しクセのある文字や、画質の粗いスクショでも、かなりの精度で日本語を読み取ってくれます。
• レイアウトや文脈を理解してくれる
  ただ文字を羅列するだけでなく、表組みの画像であれば「マークダウンの表形式にして」と指示すれば、綺麗な表のままテキスト化してくれます。
• そのまま「次の指示」が出せる
  ここがAI最大の強みです。文字起こしをした直後に「この文章を英語に翻訳して」「この内容を3行で要約して」と、シームレスに次の作業へ繋げることができます。

どんな時に便利？活用シーン

• 勉強のノート作成
  資格勉強中、参考書や講義スライドの図解をスクショしてテキスト化すれば、自分だけのまとめノートが爆速で完成します。
• エラー画面の調査
  パソコンでエラーダイアログが出た際、コピペできないメッセージをスクショして「このエラーの原因と解決策を教えて」と聞けば、文字起こしとトラブルシューティングが同時に完了します。

注意点

• 個人情報がのっている画像
  個人情報や機密性の高い情報を読み取るのはやめましょう。
  住所、氏名、電話番号、社外秘のプロジェクト資料などをアップロードすると、それが意図しない形でAIの学習データに含まれてしまうリスクがゼロではありません。

まとめ

画像からの文字起こしは、Geminiのマルチモーダル機能（画像とテキストを同時に処理する能力）を最も手軽に実感できる使い方のひとつです。

日々の業務の効率化や、スキマ時間の学習にめちゃくちゃ役立つので、ぜひ今日から試してみてください！

最後までお読みいただきありがとうございます。