
何が起きたか
日本の実レシート11枚を15構成で比較した結果、YomiTokuの2段読みは商品名完全一致93%、金額100%、1枚約1.8秒だった。商用可ではNDLOCR-LiteとPP-OCRv6が先行。
なぜ重要か
印刷レシートで最高精度の選択肢は非商用ライセンスのため、有料製品や業務フローに組み込む人は精度の劣るエンジンを選ぶ必要がある。
こういう要約が、毎朝あなたのメールに届きます。
このテストは個人の経費管理アプリが発端だ。作者はレシート写真から店名・日付・品目・金額を自動入力したかったが、レシートには店名や品目、店員名まで載るため、外部サービスに送らずローカルで処理する道を選んだ。使用機はあえて控えめな構成で、AMD Ryzen AI 9 HX 470と統合Radeon 890Mを積むBeelink SER10 MAXミニPCをProxmox経由で8 CPUスレッド・16GBメモリで動かし、NVIDIA GPUは使っていない。多くのOCR記事が前提とするNVIDIA中心の構成とは一線を画す。
結果は文書の性質で分かれた。日本語特化型や従来型のエンジンは文字の位置を検出して行単位で読むため、座標と信頼度を返し、文字をほぼ捏造しなかった。そこで信頼度の低い行だけを重いモデルで読み直す手法が使え、重いモデルを単独で動かすより高精度かつ大幅に速いことが分かった。画像対応VLMは短いレシートなら追随したが、43品目中21品目を含む450×600ピクセルの長く湾曲したライフのレシートで崩れ、PaddleOCR-VLは「* 198」をループし、DeepSeek-OCR 2は「49,080」まで金額を膨らませた。手書きレシート2枚では順位がほぼ逆転し、Qwen3-VL 4B、GLM-OCR、HunyuanOCRが上位を占め、YomiTokuは中位に落ちた。
作者はこれが11枚という小規模なサンプルで、品目の半分が1枚に集中しており、1品目で順位が変わり得ると明言する。数字は傾向として読むべきだ。実務的な結論は単一の勝者ではなく手順にある。手書きレシートには品目欄がなく金額の誤読を計算で検出できないため、2つのエンジンで読み、一致したときだけ自動採用し、不一致は人が確認するのが安全な道だという。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
GoogleはGoogle Pics(単体アプリとGoogle Docs/Slides内蔵機能の両方)をNano Banana 2.1へアップグレードする

ルカ・グァダニーノ監督、アンドリュー・ガーフィールド主演の映画「Artificial」のポスターが不気味だと話題になり、NEON RatedがイラストレーターのMike Thompsonの制作映像を公開した

JR東日本はGemini生成の広告コピーとImagen画像で指名検索を12%増、シーズンズは自社AI動画でCPAを82%削減した

Kuaishouは11月18日にKling Image 4.0を発表した

2026年11月11日、MiniMaxは動画モデルH3を基盤とするオープンウェイトモデルH3 Imageを公開した

CanvaはMagic ExpandやCanvaチャットボットの画像生成、Magic Write、Dream Lab、Canva Codeなどの生成AIツールを無効にするトグルを追加した
