画像をアップロードせずに OCR:ローカル認識の仕組み(2026)
ほぼすべての OCR ツールがプライベートだと公言します。その言葉はただです。安くないもの、そして検証できるものはアーキテクチャです。画素が一度でも外に出るか、そしてコードがそれらを送れたかどうか。
ここでは画素は出ません。そして以下に、それが実際にどう組み立てられているかを示します。エンジン、データファイル、マニフェスト、そしてアップロードではなくダウンロードである唯一のネットワークリクエストです。
主張が意味しなければならないもの
「アップロードなし」は1つの性質ではなく3つで、それぞれ独立に失敗します:
- 能力——このコードはそもそもサーバーに到達できるか?ネットワーク権限を持たないプログラムは、どのような意図があっても漏洩できません。
- データ経路——認識は実際にどこで実行されるか?ブラウザ内のワーカーで実行されるなら、画像は処理の途中で行く場所を持ちません。
- 残留物——何がどこに保持されるか?あなたがコピーしたテキストもデータです。
ツールは宣伝バージョンの主張には合格しても、3つすべてに失敗しうるものです。そこで3つを順番に扱います。
マニフェストが契約である
Manifest V3 は拡張機能に、触れたいものを宣言するよう強制し、ブラウザはストアページでその一覧をあなたに見せます。ローカル OCR 拡張機能の一覧はこれがすべてです:
| 宣言内容 | その用途 |
|---|---|
activeTab | まさに操作したタブに到達します。全タブではなく、黙って行われるのでもありません。 |
contextMenus | セレクターを開始する右クリック項目を追加します。 |
scripting | 必要時に領域セレクターのオーバーレイを注入します。 |
storage + unlimitedStorage | トリミングした画像を結果ウィンドウに渡す。履歴と言語選択を保持する。 |
clipboardWrite | コピーボタン。 |
| ホストアクセス:1項目 | 拡張機能自身のライセンスのエンドポイント。一覧にサイトは含まれません。 |
熟考に値する帰結が2つあります。1つ目、スクリーンショットはcaptureVisibleTab由来で、これは「現在この画面に映る画素」を意味する呼び出しです。ページの画像をフェッチするものではなく、メモリ内に留まる data URL を返します。2つ目、その data URL を受信できるホスト権限が存在しません。ここでのプライバシー主張は方針の表明ではなく、コードが許されることの欠落なのです。
マニフェストはまたoffline_enabledを宣言し、拡張機能自身のページのコンテンツセキュリティポリシーはscript-src 'self' 'wasm-unsafe-eval'です。リモートスクリプトは引き続き拒否され、追加された唯一のキーワードは同梱エンジンが wasm をコンパイルするための権限です。これこそがエンジンを CDN から読み込むのではなくパッケージ化する要因です。
エンジンは拡張機能の内側にある
認識は Tesseract.js です。サーバー側の OCR パイプラインで動くのと同じ LSTM エンジンを、あなたのブラウザプロセスで動くよう WebAssembly にコンパイルしたものです。
- ライブラリ、ワーカーのスクリプト、コンパイル済みコア——CPU が対応するなら SIMD ビルド、そうでなければプレーンビルド——はビルド時に拡張機能パッケージへコピーされ、
chrome-extension://URL から読み込まれます。 - 認識そのものは、あなたがキャプチャしたページではなく、拡張機能自身の結果ウィンドウで実行されます。ページのスクリプトは画像を見ることなく、画像もページのオリジンを見ることはありません。
- 進捗はプログレスバーを駆動するのみのロガーコールバックで戻り、外部へ持ち出す中間結果は存在しません。
これがもたらすのは、小さな領域で体感できる速さと、飛行機の中でも動くツールです。代償はコールドスタート時間です。WebAssembly コアと言語モデルを展開するのは、温まったサーバーより遅いので、ページ全体のキャプチャはクラウド呼び出しなら要しない一拍を要します。
2つは同梱、7つはダウンロード
言語データは重い部分で、設計上ネットワークリクエストが存在する唯一の場所でもあります。
- 同梱・無料・永久にオフライン:英語と簡体字中国語。圧縮されたデータファイルは、公開 CDN が提供するのと同じモデルティアでパッケージ内に入っています。
- ライセンスの一部:繁体字中国語、日本語、韓国語、ロシア語、フランス語、ドイツ語、スペイン語。初めてそれらを選ぶと、公開の Tesseract データリポジトリからその言語のデータパックを取得し、キャッシュします。
その取得が何かを正確に言いましょう。モデルファイルに対する GET です。あなたのキャプチャはそこに含まれず、含まれることはできず、それを可能にするホスト権限もありません。これはまた、Pro の言語一覧が箱出しで「完全オフライン」ではない理由でもあります。オフラインは初回ダウンロードの後から始まり、その前ではありません。
1回のキャプチャの道筋
ネットワークを念頭に、最初から最後まで:
- ツールバーのボタンを押すかメニュー項目を選びます。オーバーレイはあなたが操作したタブに注入されます。
- ボックスをドラッグします。矩形は純粋にページの座標で、まだ画像は取得されていません。
- 表示中のタブが PNG としてキャプチャされます。これはブラウザ内の呼び出しで、ダウンロードではありません。
- 矩形はバックグラウンドワーカーでオフスクリーンの canvas を使ってトリミングされ、倍率はキャプチャしたビットマップとビューポートの比から取ります——HiDPI とページズームの両方が正しく効き、
devicePixelRatioはビューポート情報がないときのフォールバックです。あなたがすでに所有していた画素に対するローカルな演算です。 - 結果ウィンドウが開き、同梱のコアと同梱のデータファイルを読み込んで認識します。リクエストはありません。
- テキストが編集可能なボックスに現れます。コピーはそれをクリップボードに書き込みます。これを行うためにどこかへ送信されるものは何もありません。
ステップ1〜6でのリクエストは、同梱言語ならゼロです。これこそが、この投稿の残りが扱う性質です。
テキストはどこに保存されるか
2つのものがディスクに書き込まれ、どちらもブラウザ自身の拡張機能向けローカルストレージ領域に保存されます:
- 履歴——成功した認識ごとにリストの先頭に追加され、無料版は10件、ライセンスで200件を上限とし、各件は認識テキストを最大20,000文字まで保持します。消去はサポートチケットではなくボタンです。
- 設定とカウンター——選択された言語と、その日の使用カウント。
アカウントはないので、構築されるプロフィールもありません。トリミングされた画像自体は、結果ウィンドウを開く単一のステップのためにストレージ経由で手渡され、読み取り時に消費されます。アーカイブではありません。
外に出る唯一のリクエスト
ネットワークはまさに1つの目的のために存在します。ライセンス検証です。ページを開くと、保存されたキーがまだ有効かどうかをライセンサーエンドポイントに問い合わせますが、それでさえスロットリングされ、2時間窓の内側ではキャッシュされた回答が使われてリクエストは行われません。キーがないことはリクエストゼロを意味し、だからこそ無料経路はひそかに外部へ通信することはありません。
エンドポイントに到達できず、ライセンスがキャッシュ済みなら、拡張機能はあなたを締め出さずに動き続けます。日次クォータのカウントも同じ理由で意図的にローカルです。これはあらゆるオフラインファーストツールが交わす取引です。制限は強制ではなく協調的なものになり、その代わり、ツールはスクリーンショットを開くのに会社の稼働率に依存しません。
あらゆる OCR ツールを確認する方法
同じ3つの質問は、当社のものも含めあらゆる拡張機能に有効です:
- ストアページの権限ブロックを読む。「
all sites」のホストアクセス、またはサードパーティの API ドメインは、インストール前にアーキテクチャを物語ります。 - ネットワークを外す。Wi-Fi を切って何かを認識します。テキストが出ればローカル、エラーページならサーバーが処理に関与していました。
- 何が保持されるかを尋ねる。拡張機能自身の UI に履歴リストと消去ボタンがあるか確認します。履歴がログイン後にのみ見えるなら、それはあなたのディスクではなく、彼らのディスクにあります。
売り込み過ぎないための注意点が1つあります。ローカルとは、あなたのマシンがやはりあなたのもの必要があるということです。エンドポイントエージェントを備えた管理された仕事のブラウザ、またはスクリーンショット同期ツールと組み合わせたブラウザ拡張機能は、状況を一変させます。OCR がローカルだということは、他に画面を見ているものについては何も語らないのです。
FAQ
ブラウザ拡張機能の OCR にインターネット接続は少しでも必要ですか?
2つの同梱言語については不要です。エンジン、その WebAssembly コア、英語と簡体字中国語のデータファイルは拡張機能内にパッケージされているので、ネットワークを外しても認識は完了します。同梱されていない言語は、それを選択した初回にデータパックを1回ダウンロードする必要があります。
何もアップロードされていないことを自分で確認できますか?
はい、2つの方法でできます。ブラウザで拡張機能の詳細ページを開き、権限とホストアクセスを読みます。あなたの画像を送信しうるものはすべて、ホスト権限としてそこに表示されるはずです。次にネットワークを無効にして認識を実行します。それでもテキストが返ってくるなら、読み取りはローカルで行われたということです。
無料の日次カウンターはなぜサーバーではなく私のマシンにあるのですか?
サーバー側のカウントは、ネットワークが使えないときにあなたを締め出ることになり、オフラインを約束するものと矛盾します。ローカルという選択の代償は、制限が硬性の防御ではなく良識ある利用の境界線になること、そしてカウントが UTC 深夜ではなくあなたの暦日でリセットされることです。
WebAssembly の OCR はクラウドサービスと同じくらい優秀ですか?
本物のタイポグラフィのきれいなスクリーンショットでは、両者は近いです。どちらも同じクラスの LSTM モデルと同一の公開学習済みデータを使うからです。クラウドサービスは、遠近ひずみのある写真、手書き文字、文書全体のレイアウト解析でリードします。画面キャプチャは易しいケースなので、ローカルエンジンはここでの妥当な取引です。
他のガイドは VKT ブログへ。ご質問は support@annmax1983.com まで。
