Python と生成AI（GPT-4o）によるOCR実践~Streamlitによる業務効率化アプリの作成~

OCRとはOptical Character Recognition：光学文字認識のことで、簡単に言えば画像からテキストを抽出するような技術です。様々なものがデジタル化され、PDFファイルや画像ファイルを管理することも多くなってきたかと思いますが、ファイルにしただけでそれを上手く活用できていないことの方が多いのではないかと思います。このような画面で活躍するのがOCRです。PDFや画像ファイルから情報を目で読み取って手作業で転記するというような作業は至るところに見られますが、OCRを使えばこれらの作業負担を軽減できるかもしれません。今まではOCRというと専用のOCRサービスを契約して使ったり、自分たちで作ろうとした場合にはGCPのAPIを活用したり、オープンソースを使ったりという選択肢があったかと思いますが、ここ最近の生成AI（今回はGPT-4o）を使うととても安く精度よくOCRを行うこと…