Google Colabを用いたgcv2hocrの実行例：Google Vision APIを用いた透明テキスト付きPDFファイルの作成
概要
gcv2ocrは、Google Cloud Vision OCR出力からhocrに変換して、検索可能なpdfを作成するリポジトリです。
https://github.com/dinosauria123/gcv2hocr
今回、上記リポジトリをGoogle Colabで実行するノートブックを作成しました。
以下のように、検索可能なpdfファイルを作成することができます。
使い方
以下のノートブックにアクセスします。
まず、Google Cloud Vision APIを使用するためのAPIキーを取得します。以下の記事などが参考になります。
https://zenn.dev/tmitsuoka0423/articles/get-gcp-api-key
APIキーを入力したら、以下の初期セットアップに関する3つの再生ボタンを押します。
その後は、以下に示す実行オプションから、適切なものを選択します。
- 画像
- 画像のURL
- 画像のアップロード
- PDF
- PDFのURL
- PDFのアップロード
- IIIF
- IIIF
例えば、「画像のURL」を指定する場合、以下に示す「設定」と「実行」の2つの再生ボタンを押します。
実行後、PDFファイルがダウンロードされます。また、認識結果等が出力されるパスが表示されます。
まとめ
gcv2ocrやhocr-toolsなど、便利なツールを開発してくださった方々に感謝いたします。
