鵜呑みにしなくていいAI OCR
space-ocrはLLMで書類を構造化し、その値をページ上の実際のOCR心象と照合検証。すべての値を位置づけ、確認できるmatch_ratioを付けて返します。
AI OCRは、散らかった書類への答えのように聞こえます。領収書や請求書をモデルに渡せば、きれいな構造化フィールドが返ってくる、と。問題は、モデルが間違ったときに何が起きるかです。言語モデルは、実際にページから読み取ったかどうかにかかわらず、自信ありげに整った値を返します。そしてほとんどのツールは、その違いを見分ける術を渡さないまま値を渡してきます。
space-ocrはもっと厳しい立場を取ります。構造化はLLMがやりますが、最終判断はさせません。モデルは各値と、使ったと考える word-token ID を返し、エンジンはその値を、Google Vision がページ上で実際に検出した心象と文字単位で照合します。ボックスで位置づけ、どれだけ一致したかを採点します。だからAIはパイプラインの一部であって、その審判ではありません。AIが出したすべての値を、あなたが確認できます。
AIの出力を、検証済みで見る
下のフィールドにマウスを合わせてみてください——領収書上のボックスは、その値がページ上で実際に見つかった場所であって、モデルが主張した場所ではありません。ここにある値・ボックス・マッチ率はすべて、実際の解析結果から読み込んだもので、モックアップではありません。
Each value with a box carries a verified on-page location — bbox + 4-point vertices + match_ratio — on a 0–1000 normalized grid (0,0 top-left → 1000,1000 bottom-right), the same shape the live API returns. Hover a field to trace it back to the pixels it came from.
space-ocrでのAI OCRの仕組み
画像をアップロードすると、LLMが書類を構造化フィールドに読み、各値を使った word-token ID とともに返します。それがあなたに届く前に、CharMatcher がその値を取り、文字を Google Vision がページで検出した心象と照合して、ボックス・回転頂点・match_ratio を作ります。モデルがトークンIDを与えていれば、エンジンはその Vision の word ボックスを引いてフィールドの source を token_id に上書きできます——ただし繰り返し値の列では、モデルのトークンヒントが外れうるため、列クラスタリングと行の一貫性に頼ります。
スキーマを書く必要はありません。receipt や invoice といった組み込み templateId を渡すか、独自の fields を定義するか、autoFields を立ててモデルに構造を提案させます。Webアプリは PDF をページごとに先に画像化し、公開APIはラスター画像を直接受け付けます（JPEG・PNG・GIF・BMP・TIFF・WebP）。
curl -s https://api.space-ocr.com/ocr/fields \
-H "Authorization: Bearer $SPACE_OCR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"image": "https://example.com/receipt.jpg",
"imageType": "url",
"templateId": "receipt"
}'検証できるAI OCRを動かす手順
- 書類を送る画像を /ocr/fields に送ります（urlまたはbase64）。アプリではPDFをドロップでき、各ページが先に画像化されます。公開APIはラスター画像を受け付けます。
- AIに構造化させる組み込み templateId を渡すか、独自の fields を定義するか、autoFields を立ててモデルにスキーマを提案させます。LLMは各値と、使った word-token ID を返します。
- 検証済みの結果を読む各値は bbox・vertices・match_ratio・bbox_source とともに返り、ページ上の全フィールドの位置を示す field_bboxes マップが付きます——ページと照合検証されたAIの出力です。
- 低スコアを検証セルをクリックすると、それが読み取られた正確な領域がハイライトされます。0.85 を下回る match_ratio は要確認の印です。編集は元のOCR値の隣に保存されます。
- エクスポートまたはクエリCSV（UTF-8 BOM、明細行は展開済み）をダウンロードするか、保存済みシートを GET /view で where・sort・select を使ってクエリします——OCR再実行も追加料金もありません。
シンプルで予測できる料金
1枚あたり¥10（$0.05 / ₩100）、クレジットカード不要・月100スキャンの無料枠付き。定額プランは月間スキャン数・シート数・ストレージを追加します。