画像 を Markdown にオンラインで無料で変換

オンラインで 画像 ファイルを Markdown に無料で変換します。ファイルをアップロードすると、クリーンで LLM 対応の出力が即座に得られます。サインアップなし、ファイルあたり 50 MB、何も保存されません。

画像をMarkdownに変換する：写したものの「形」が意味を持つとき

画像には、ただの画像もあります。一方で、たまたま画像に閉じ込められただけの文書もあります——誰かが撮影してメールで 送ってきた請求書、原本をもらえる見込みのない資料からスクショで抜いた1枚、手書きで記入された申込書、机の上の本の1ページ、 ほかのどこにも書き残されなかった決定事項で埋まったホワイトボード。そういう画像では、写っている文字こそが本体であり、 その並び方もまた本体です。

ここにアップロードすれば、文字が認識されてMarkdownとして返ってきます。ピクセルに対して走る、本物の光学文字認識です。 撮影された請求書なら、請求番号、会社名、日付、明細の各行とその金額、そして合計が返ってきます。中身の説明ではなく、 中身そのものです。JPG、JPEG、PNG、GIF、BMP、TIFF、TIF、WebPに対応しています。無料、登録不要、1ファイル50MBまで、 変換が終わったあとには何も残しません。

返ってくるものの正体

出力は、認識された文字だけです。カメラの情報も、ファイルのプロパティも、本題に入る前にスクロールで飛ばす技術的な前置きも ありません。文書の写真を上げれば、その文書の文字が返ってきます。画像そのものを説明するヘッダーが付いてくるものを 想像していたなら、これはそういう道具ではありません。読むのは画像の中身です。

認識の品質は画像の品質にそのまま連動します——これが正直な言い方です。くっきりしたスクリーンショットやきれいな書き出しなら よく読めます。ノートPCの画面を斜めから急いで撮って、窓の映り込みまで入っている写真は難しい問題で、 たまに誤った文字が混じります。手書き、筆記体や装飾書体、模様の多い背景に載った文字は、いずれも本当に苦手です。 とはいえ、条件の悪い画像で役に立たないという意味ではありません。出力を鵜呑みにせず読む、というだけのことです。

スクリーンショットの文字起こし、Markdownとテキストの本当の違い

たいていの変換ページが言わないことを書きます。単純な画像——段落のスクリーンショット、手書きメモの写真、看板——では、 Markdownとプレーンテキストの結果は実質的に同じです。認識された文字は行として返ってくるだけで、散文のかたまりには Markdownが表現できてテキストが失うような構造がありません。単純な画像で「間違ったほう」を選んでしまっても、 失うものは何もありません。

選択が効いてくるのは、写っているものに形があるときです。表、ラベルと値が並ぶフォーム、品名と価格が列になったレシート、 見出しと節のある文書ページ。ここでMarkdownが本領を発揮します。パイプや井桁は格子や階層を運べますが、平坦なテキストは 空白でそれを匂わせることしかできません。スクリーンショットの表をMarkdownの表にしたいなら、 このページが目的地です。検索窓に入れる言葉がほしいだけなら、 画像をテキストにが姉妹ページで、 単純な用事にはそちらのほうが単純な道具です。

ページ上部の形式切り替えは2つを行き来しますが、すでに選んだファイルはそのまま持って移ります。同じ画像を両方の形式で 試して、こちらの説明を信じるかわりに自分の目で確かめられます。

カメラを向ける価値のあるもの

  • 請求書とレシート。典型例です。取引先がファイルではなく撮影した請求書を送ってきて、こちらは明細を 数えられる場所に置きたい。変換して、合計を画像と突き合わせ、表計算に貼るか、Markdownをモデルに渡して 項目ごとに整理させてください。
  • 申込書や各種フォーム。記入済みの印刷フォームは、ラベルと値の組として使える形に変換されます。 活字の記入は手書きよりはるかによく読めます——200枚読み込ませる前に知っておく価値があります。
  • 画像でしか手元にないスライド。会場で撮ったスライドの写真や、録画からのスクリーンショット。 元の資料があるなら PowerPointをMarkdownに変換を 使ってください——常にソースが優先です。手に入らないときの手段がこちらです。
  • 本や記事のページ。引用したい、要約したい、あるいは反論したいページの写真。見出しと段落の切れ目が 残るので、結果はのっぺりした壁ではなく読めるものになります。
  • ホワイトボードと模造紙。正面から、まともな明るさで、読める字なら、会議の記録として使えるものになります。 斜めから撮った震えたマーカーの手書きなら、断片的な記録になります。それでも自分で書き起こすよりは速いはずです。
  • スクリーンショットで撮ったダッシュボードやレポート。格子に並んだ数字が、先月分と比較できる表になります。 元データがファイルとして存在するなら、 ExcelをMarkdownに変換や CSVをMarkdownに変換のほうが どんなOCRより確実です。推測すべきものが1つもないからです。

入れ物のルール——アップロード1回分の無駄が消えます

ここは頭に入れておく価値があります。3つの「えっ」を一度に説明してくれるからです。ここでのOCRは、アップロードした 画像ファイルに対して走ります。別のファイルの中に包まれた画像には走りません。画像が大きな入れ物の同乗者になっている場合、 読まれるのは入れ物で、画像は素通りされます。

  • スキャンPDFは空で返ります。実体が紙の写真であるPDFには文字が入っておらず、OCRはPDFの包装の内側までは 届きません。まず「テキストを認識」を実行してください——Acrobat、macOSのプレビュー、最近のPDFリーダーのほとんどに あります——それで検索可能なPDFになるので、 PDFをMarkdownに変換または PDFをテキストにを使います。 1分の回り道で、スキャン文書にはこれが正しい経路です。
  • ZIPの中の画像は認識されません。アーカイブの変換は画像のファイル名を並べて先へ進みます。 文書や表計算のフォルダなら ZIPをMarkdownに変換が優秀ですが、 文書を撮った写真は展開して1枚ずつアップロードしてください。
  • Word、PowerPoint、RTF、EPUB、メールに埋め込まれた画像も認識されません。出力にはテキストではなく 画像のプレースホルダーとして現れます。ですからスクリーンショットで組み立てたDOCXを WordをMarkdownに変換にかけると、 周りの本文と、いくつもの空白が返ってきます。文書から画像を取り出して、画像ファイルとしてここで変換してください。

1行でまとめます。ほしい言葉が画像の中にあるなら、アップロードするファイルは画像でなければなりません。

条件の悪い画像から、少しでもよく読み取る

  • 選べる場面では、画面を写真に撮らずスクリーンショットを撮ってください。スクリーンショットはコントラストが完璧で、 映り込みも、台形のゆがみも、手ぶれもありません。自分の手で作れる品質差としては、これが最大です。
  • 文字の範囲に切り抜いてください。横長の写真の5分の1しか占めていない表は、画面いっぱいに写った同じ表より 1文字あたりのピクセル数が少なく、その差は結果に出ます。
  • 向きをまっすぐ、正面から。斜めから撮ったページは文字の行が曲がり、曲がった行は行としての切り分けが難しくなります。 そしてそれがいちばん響くのは、まさにこのページに来る理由である表です。
  • 光を均一に。レシートの真ん中を横切る濃い影や、ラミネート加工されたフォームの照り返しは、覆った部分をまるごと 消し去ります。
  • 頼りにする前に出力を読んでください。誤りがいちばん痛いのは数字なので、合計金額と参照コードは画像と突き合わせます。 出力の下のトークンカウンターは、これからモデルに貼り付ける量を教えてくれます。数ページを1つのプロンプトに 積むときに便利です。

よくある質問

画像をMarkdownに変換するには？

上の欄に画像をアップロードすれば、認識された文字にMarkdownの構造が付いた状態で返ってきます。JPG、JPEG、PNG、GIF、BMP、TIFF、TIF、WebPに対応、1ファイル50MBまで、無料でアカウントも不要です。出力は.mdで、READMEにもドキュメントサイトにもモデルへのプロンプトにもそのまま貼れます。

画像の場合、Markdownがテキストより有利なのはどんなとき？

写っているものに形があるときです。段落のスクリーンショットはどちらで変換しても同じ結果になります——散文にはMarkdownが印を付けられる構造が隠れていないからです。ですが表、フォーム、価格表、見出しのあるページのスクリーンショットには残す価値のある並びがあり、それを運べるのはMarkdownだけです。平坦な散文なら画像をテキストにのほうが単純で確実です。

スクリーンショットの表も文字起こしできますか？

パイプ表として組み立てを試みます。結果は元画像のきれいさに連動します。罫線がはっきり見えていて列幅も揃った、本物の表のスクリーンショットならたいてい正しく再構成されます。列の区切りが広めの空白しかない表や、セルの中身が2行に折り返している表では、列の境界が誤って推測されます。数字を信用する前にヘッダー行を確認してください。

コードのスクリーンショットにも使えますか？

文字自体は取れますが、結果は下書きだと考えてください。OCRには構文という概念がないので、0と読んだ箇所が元はOだったことにも、Pythonのブロックでインデントが1段落ちたことにも気づきません。検索したいスタックトレースなら十分です。ファイルに貼って実行するものではありません。

画像そのものはMarkdownに埋め込まれますか？

埋め込まれません。出力は画像の中から見つかった文字であって、画像への![](...)参照ではありません。CDNへのアップロードもしませんし、画像リンクも生成しないので、Markdownは外部依存のない自己完結したプレーンテキストになります。

ツールキットの残り

画像は、ここで扱う13形式のうちの1つです。 File2Txtなら、先にページを選ばずに どの形式でも受け付けます。コードが相手なら GitHubリポジトリをテキストにする変換ツールと、 手元のフォルダ向けのローカルフォルダ変換があります。 LLM向けに文書を整える方法のガイド では、一般的なケースをもう少し掘り下げています。

Repo2Txtを開発・運営しているのは v12hero、 プライバシー最優先のネイティブアプリとWebアプリを作る独立系デベロッパーです。