AIToday
画像生成Zenn AI/ML掲載日時: 2026年11月20日 16:00

レシートOCR比較、YomiTokuが商品名93%で首位

LINEで送る
レシートOCR比較、YomiTokuが商品名93%で首位

3つのポイント

  1. 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。

  2. 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。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

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。

よくある質問
商用利用が必要な場合、印刷された日本語レシートにはどのOCRを使うべきですか?
ベンチマークではNDLOCR-LiteかPP-OCRv6が挙げられている。NDLOCR-LiteはCPUで1秒未満で動作し商品名もよく読め、PP-OCRv6は印刷金額をすべて取得した。
画像対応AIモデル(VLM)は印刷レシートでどうだったか?
長いレシートでは劣り、同じ文字を出力上限まで繰り返す例もあった。一方、手書きレシートではQwen3-VL 4BやGLM-OCRなどのVLMが上位に来た。
テストに使ったハードウェアは?
AMD Ryzen AI 9 HX 470 CPUと統合Radeon 890M GPUを搭載したBeelink SER10 MAXミニPC。Proxmox上で8 CPUスレッド・16GBメモリのコンテナを動かし、NVIDIA GPUは不使用。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

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 →

AIに質問

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。

質問と回答はこのページに公開されます。

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

関連記事

次の記事へAppleが自律型AIエージェント開発のエンジニア募集