よめるPDF

スキャンして画像になったPDFは、見た目は文章でも、中身は写真と同じで、AIに貼り付けても検索しても文字として扱えません。 ここでは1ページずつ文字を読み取り、ページ番号の付いたMarkdownやJSONにして渡します。

  • ファイルは送信されません。変換はこのブラウザーの中だけ
  • 登録も料金も不要
  • Markdown・テキスト・JSON・JSONLで保存

変換のしかた

  1. ページを画像にして、文字があるかを調べる

    PDFの各ページに、文字情報が入っているか、全面の画像だけかを判定します。文字情報があるページはそれをそのまま使い、画像だけのページを読み取りの対象にします。

  2. 画像から文字を読み取る

    OCR（Tesseract）が、ページ画像の文字を行ごとに読み取ります。日本語でよく入る文字の間の空白は取り除き、段落ごとにつなぎ直します。

  3. AIが扱いやすい形に整えて保存する

    ページ番号の見出し付きのMarkdown、行の位置まで持つJSON、検索用に分けたJSONLを作ります。読み取りの信頼度が低いページには、注意の一文を入れます。

出力される形式

目的に合わせて、4つの形式を同時に作ります。まとめてZIPでも、1つずつでも保存できます。

Markdown（.md）

AIに貼り付けて読ませるならこれです。ページごとの見出しが付くので、AIが「何ページに書いてあるか」を答えられます。

---
source: "令和5年度 報告書.pdf"
pages: 12
converted_at: "2026-10-30T09:00:00.000Z"
converter: "よめるPDF"
ocr_languages: "jpn+eng"
ocr_pages: 12
text_layer_pages: 0
average_confidence: 93.2
---

# 令和5年度 報告書

## ページ 1

令和5年度の事業報告書を、以下のとおり提出する。

## ページ 7

> 注意: OCR の信頼度が低いページです（平均 58%）。誤読を含む可能性があります。

JSON（.json）

プログラムから使う形です。ページごとの出どころ（OCRか、PDF内の文字か）、信頼度、行の位置（ページ全体を0〜1にした座標）を持ちます。

{
  "schema": "yomeru-pdf/1",
  "source": { "filename": "令和5年度 報告書.pdf", "page_count": 12 },
  "stats": { "characters": 8421, "low_confidence_pages": [7] },
  "pages": [
    {
      "page": 1,
      "source": "ocr",
      "confidence": 94.1,
      "text": "令和5年度の事業報告書を…",
      "lines": [
        { "text": "令和5年度の事業報告書を…", "confidence": 96,
          "bbox": [0.12, 0.08, 0.88, 0.11] }
      ]
    }
  ]
}

JSONL（.chunks.jsonl）とテキスト（.txt）

JSONLは、段落を壊さずに指定の文字数ごとに分けた1行1レコードの形式で、検索（RAG）やベクトル化にそのまま渡せます。各レコードに元のページ番号があるので、AIの答えに出どころを付けられます。テキストは飾りのない文章だけです。 

{"id":"令和5年度 報告書#1","source":"令和5年度 報告書.pdf","chunk":1,"chunk_count":9,"pages":[1,2],"page_start":1,"page_end":2,"char_count":1984,"approx_tokens":1890,"text":"令和5年度の事業報告書を…"}

よくある質問

PDFは外部に送られますか

送られません。PDFの読み込みも文字の読み取りも、このページを開いているブラウザーの中で動きます。読み取りに使うプログラムと辞書データもこのサイトから配っていて、ほかのサービスには問い合わせません。

変換したデータはどこにも保存されません。ページを閉じる、または再読み込みすると消えるので、必要なものは先に保存してください。

どんなPDFだとうまく読めますか

印刷された横書きの文章を、きれいにスキャンしたものが得意です。手書き、縦書き、傾いたスキャン、ごく小さな文字、背景に模様や写真があるページは、読み違いが増えます。

日本語と英語が混ざった行では、英単語の途中に空白が入る（「Pl ease」など）ことがあります。内容が日本語だけなら、言語を「日本語だけ」にすると減ります。

読み取りの結果は、ページごとの信頼度と一緒に出します。信頼度が低いページには「要確認」の印が付き、画面で元の画像と見比べて直せます。直したページは、確認済みとして印が消えます。

本を開いて撮った写真のPDF、色付きの文字や枠が多いページ、地図や図の多いページ、数式の多いページは、読み間違いがかなり増えます。手元の教材では、信頼度が6割から8割台で、ほとんどのページに「要確認」の印が付きました。見開きの2ページは、中央の谷を見つけて、左、右の順に分けて読みます。大事な文章は、元の画像と見比べて確認してください。

文字のあるページと画像のページが混ざっていても使えますか

使えます。ページごとに調べて、文字情報があるページはそのまま使い、画像だけのページだけを読み取ります。文字情報があっても読み取り直したいときは、「文字情報のあるページは読み取らない」のチェックを外してください。

表やグラフはどうなりますか

罫線のある表は、線を消してから読み、行と列を保ったMarkdownの表にします（読み取りの信頼度が低い表は、表にせず、文字として並べます）。罫線のない表は、列の間が広く、列の位置がそろっていれば表にしますが、見逃すことがあります。グラフの中の文字（目盛り・数値・年）は読めますが、どの数値がどの棒かの対応は戻せず、並ぶ順番も崩れます。図そのものの内容は、文字になりません。大事な表やグラフは、元のPDFと見比べてください。

トークン数とは何ですか

AIが文章の長さを数える単位です。AIには、一度に読める長さの上限があり、利用量（料金や回数の上限）もトークン数で決まります。結果の画面の数は、「このデータをAIに貼ると、どれくらいの長さになるか」の目安で、日本語は1文字を約1トークン、それ以外は4文字を約1トークンとして数えています。

このサイトは、AIにもトークンにも、何も使いません（変換はブラウザーの中だけで、AIには送りません）。AIの種類によって数え方が違うので、実際の数は、目安からずれることがあります。

どれくらい時間がかかりますか

手元の試験では、A4・標準画質の画像だけのPDF 30ページが約25秒でした（12スレッドのパソコン、4ページを同時に処理）。文字の細かい本の写真や、図の多いページは、1ページあたり数秒から10秒ほどかかります（見開きの写真3ページで約27秒、A4の試験問題33ページで約31秒）。端末の性能と「画質」の設定でも大きく変わります。読み取りの間はCPUを使うので、ほかの重い作業と重ねないと速く終わります。

変換中は、ほかのタブを見ても止まりません。ただし、このタブを閉じると中断します。

どのブラウザーで使えますか

Chrome、Edge、Firefox、Safari の、2〜3年以内の版で使えます。古い Safari（iPhone の古い iOS を含む）では、ファイルを選んだあとに止まることがあったため、不足している機能を補う作りにしました。それでも「PDFのページを調べる途中で失敗しました」と出るときは、ブラウザー（iPhone なら iOS）を新しくしてお試しください。

精度を上げるにはどうしますか

画質を「高精細」にする、言語を実際の内容に合わせて絞る（日本語だけの資料なら「日本語だけ」）、元のスキャンを300dpiで取り直す、の順で効きます。それでも残る誤読は、画面の確認欄で直すと、保存するデータに反映されます。