日本語OCRエンジン比較
YomiToku vs Tesseract vs RapidOCR

はじめに

業務でOCRを使う場面は多い。請求書の読み取り、契約書のデジタル化、名刺管理など。 特に日本語文書を扱う場合、「どのOCRエンジンを選ぶべきか」は重要な問題だ。

今回は、Python環境で使える3つのオープンソースOCRエンジン （YomiToku、Tesseract、RapidOCR）を 実際にベンチマークして比較した。

テスト環境

OS: Ubuntu 22.04 (WSL2)
CPU: Intel Core i7
RAM: 32GB
GPU: なし（CPU実行）
Python: 3.10

テスト画像:
  - 日本語文書（約1,100文字）
  - 日英混在文書（約1,400文字）

各エンジンの概要

ベンチマーク結果

日本語文書（約1,100文字）

*RapidOCRはデフォルトが中国語モデルのため日本語認識精度が低い。日本語モデル設定で改善可能。

日英混在文書（約1,400文字）

認識結果の例

Tesseractの認識結果（抜粋）

Technical Specification Document v2.5
Project: Advanced OCR Engine Evaluation
Date: December 3, 2025
Author: Al Research Team

...

日本語テキストの認識精度は、従来のルールベース手法と比較して、
ニューラルネットワークベースの手法で大幅に向上している。

日本語も英語もほぼ完璧に認識。「AI」→「Al」の軽微なエラーのみ。CER 3.49%〜5.36%の高精度。

YomiTokuの認識結果（抜粋）

Technical Specification Document v2.5
Project: Advanced OCR Engine Evaluation
Date: December 3, 2025
Author: Al Research Team

...

日本語テキストの認識精度は、従来のルールベース手法と比較して、
ニューラルネットワークベースの手法で大幅に向上している。

Tesseractと同等の高精度認識。レイアウト解析や表構造認識が必要な場合に強み。

PaddleOCR（日本語モデル）の認識結果

Technical Specification Document v2.5
Project: Advanced OCR Engine Evaluation
Date: December 3,2025
Author: Al Research Team

...

日本語テキストの認識精度は、従来のルールベース手法と比較して、
ニューラルネットワークベースの手法で大幅に向上している。

日本語も認識可能。ただし一部の英語で誤認識あり（CER 4.92%〜18.36%）。

RapidOCR（中国語モデル）の認識結果

Technical Specification Document v2.5
Project:AdvancedOCREngineEvaluation
...
日本語テキストの認識精度は、従来のルールペース手法と比較して、
ニューラルネットワークベースの手法で大幅に向上している
2.Methodology

デフォルトの中国語モデルでも日本語は部分的に読める。ただし精度は低め（CER 18.91%〜32.51%）。日本語モデル設定で改善可能。

インストール方法

YomiToku

# インストール
pip install yomitoku

# 使用例
from yomitoku import DocumentAnalyzer
import cv2

img = cv2.imread("document.png")
analyzer = DocumentAnalyzer(device='cpu')  # GPUがあれば 'cuda'
result = analyzer(img)
text = '\n'.join(para.contents for para in result[0].paragraphs)
print(text)

Tesseract + PyOCR

# Tesseractインストール（Ubuntu/Debian）
sudo apt install tesseract-ocr tesseract-ocr-jpn tesseract-ocr-eng

# Pythonラッパーインストール
pip install pyocr pillow

# 使用例
import pyocr
from PIL import Image

tools = pyocr.get_available_tools()
tool = tools[0]

img = Image.open("document.png")
text = tool.image_to_string(img, lang='jpn+eng')
print(text)

RapidOCR

# インストール
pip install rapidocr-onnxruntime

# 使用例（デフォルトは中国語）
from rapidocr_onnxruntime import RapidOCR

ocr = RapidOCR()
result, _ = ocr("document.png")
text = '\n'.join([item[1] for item in result])
print(text)

# 日本語モデルを使う場合は別途設定が必要
# https://github.com/RapidAI/RapidOCR/discussions/336

PaddleOCR

# インストール
pip install paddleocr paddlepaddle

# 使用例（日本語モデル）
from paddleocr import PaddleOCR

ocr = PaddleOCR(lang='japan')
result = ocr.predict("document.png")

for item in result:
    texts = item['rec_texts']
    print('\n'.join(texts))

まとめ

日本語OCRエンジンは、用途に応じて選ぶのが重要。今回のテストでTesseractが圧倒的に優秀だったのは驚きだった。

• 日本語文書: Tesseract（CER 3.49%、2.5秒）≒ YomiToku（CER 3.59%、31.5秒）で精度同等、速度は12倍
• 日英混在文書: Tesseract（CER 5.36%、1.4秒）が圧勝、YomiToku（CER 7.91%、28.7秒）の20倍速
• レイアウト解析・表認識が必要ならYomiToku
• 商用利用ならTesseractかRapidOCR（Apache 2.0）

Tesseractは「古い」「日本語は苦手」というイメージがあったが、実際にテストすると 日本語でもYomiTokuと同等の精度で、処理速度は10〜20倍速いという結果になった。 シンプルなテキスト抽出ならTesseract一択。 一方、YomiTokuは表構造認識やレイアウト解析が必要な場合に強力。 処理速度の課題はGPU利用で大幅に改善できる。

参考リンク

• YomiToku GitHub
• YomiToku公開記事（作者）
• Tesseract GitHub
• RapidOCR GitHub
• 日本語特化のAI OCR「YomiToku」と主なOCRソリューションを比較する（Qiita）