Document OCR Tool画面を撮って、Markdown と PDF に。
ドキュメントの自動スクリーンキャプチャとApple Vision OCRによる高精度テキスト抽出。Web UIとヘッドレスCLIの2つのモードで、完全ローカルで動作するデスクトップツールです。
ドキュメント管理の課題
デジタルドキュメントのテキストを再利用したいとき、手作業のコピー&ペーストは非効率です。
- 01手動コピーの非効率さ
ページごとにテキストを手動でコピー&ペーストすると、大量のドキュメントでは膨大な時間がかかる。
- 02フォーマットの崩れ
コピーしたテキストは元の構造やフォーマットが失われ、整形に追加作業が必要。
- 03検索性の欠如
画像ベースのドキュメントはテキスト検索ができず、必要な情報を見つけるのが困難。
- 04一括処理ができない
複数ページのドキュメントを一括でテキスト化する手段がなく、1ページずつ対応が必要。
5タブのWeb UIで完結
ブラウザベースのUIで、キャプチャからエクスポートまで直感的に操作できます。
- 01Auto — 自動キャプチャ
ドキュメントアプリを開いた状態で、自動スクリーンキャプチャ＋ページめくりを実行。
- 02Upload — 画像アップロード
手動で撮影したスクリーンショットをドラッグ&ドロップでアップロード。
- 03OCR — テキスト抽出
Apple Vision OCRで全ページを一括処理。高精度な日本語テキスト認識。
- 04Edit — 確認・編集
抽出テキストをブラウザ上で確認・編集。必要に応じて手動で修正。
- 05Export — ダウンロード
Markdown または PDF でエクスポート。すぐにダウンロード可能。
主な機能
ドキュメントOCRに必要な機能をすべて搭載。
- 自動キャプチャ＋ページめくり
ドキュメントアプリのページを自動でスクリーンショット取得＆自動ページめくり。手動アップロードにも対応。
- Apple Vision OCR
macOS内蔵のVision frameworkによる高精度な日本語テキスト認識。外部サービス不要で完全ローカル。
- 見開き自動分割
見開きページを自動で左右に分割し、正しい読み順でOCR処理。横向きスキャンにも対応。
- Markdown & PDF エクスポート
OCR結果をMarkdownファイルまたはPDFで出力。テキストのみのMDエクスポートにも対応。
- ヘッドレスCLI
ターミナルからワンコマンドで実行可能。自動化スクリプトやバッチ処理に最適。
- 完全ローカル動作
データは一切外部に送信されません。すべての処理がローカルマシン上で完結するため、機密ドキュメントも安心。
セットアップ
数分で使い始められます。
- 01Web UIで起動
uvicorn server:app --port 8000 でサーバー起動。ブラウザで http://localhost:8000 にアクセス。
- 02ヘッドレスCLIで起動
python kindle_cli.py --title "タイトル" --pages 50 でターミナルからワンコマンド実行。
- 03初回セットアップ
python3 -m venv venv && pip install -r requirements.txt で依存パッケージをインストール。
技術構成
- FastAPI + uvicorn
高性能なAPIサーバー
- Apple Vision
macOS内蔵の高精度OCR
- Tailwind CSS
ダークモードのモダンUI
- ローカルオンリー
データは外部送信なし
動作環境
- macOS（Apple Silicon / Intel）
- Python 3.10+
- 画面収録の権限（システム設定から許可）
Document OCR Tool画面を撮って、Markdown と PDF に。
ドキュメントの自動スクリーンキャプチャとApple Vision OCRによる高精度テキスト抽出。Web UIとヘッドレスCLIの2つのモードで、完全ローカルで動作するデスクトップツールです。