AI

エーアイ

公開：2025-03-08

フランスMistral AIが高精度OCR APIを発表、1000ページ1ドルで提供開始し文書のデジタル化を加速

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• Mistral AIがドキュメント理解API「Mistral OCR」を発表
• 1,000ページあたり1ドルで提供開始
• APIプラットフォーム「la Plateforme」で利用可能

Mistral AIの新OCRサービス「Mistral OCR」の詳細

フランスのAIスタートアップ企業Mistral AIは、画像やPDFからテキストと画像を抽出できる光学文字認識API「Mistral OCR」を2025年3月6日に発表した。このAPIは複雑なレイアウトの文書やマルチモーダルドキュメントにも対応し、高度な構造解析を実現している点が特徴だ。^[1]

Mistral OCRは、科学論文のような複雑な文書の解析において、数式や表、画像などの要素を正確に認識し処理することが可能である。特にインターリーブ構造を保持したまま解析できる点が高く評価され、抽出したコンテンツをMarkdown形式で出力することで、元のドキュメントの構成を忠実に反映できるようになった。

同社の内部テストでは、GoogleドキュメントAIやAzure OCR、GPT-4oなどの主要なOCRモデルと比較して優れた性能を示している。特に数学処理で94.29%、スキャン文書で98.96%、表解析で96.12%という高い精度を達成し、毎分最大2,000ページという処理速度も実現した。

Mistral OCRの性能比較まとめ

光学文字認識（OCR）について

光学文字認識（OCR）とは、画像やスキャンされた文書から文字を認識してデジタルテキストに変換する技術のことを指す。主な特徴として以下のような点が挙げられる。

• 画像内のテキストを自動的にデジタル化し編集可能なテキストに変換
• 複雑なレイアウトや様々な言語に対応可能
• ビジネス文書のデジタル化や検索可能なアーカイブの作成に活用

Mistral OCRは従来のOCR技術を進化させ、画像やテキストが混在する複雑な文書でも高精度な認識を実現している。特に科学論文や技術文書に含まれる数式や図表の認識において優れた性能を発揮し、文書のデジタル化における新たな可能性を切り開いている。

Mistral OCRに関する考察

Mistral OCRの登場は、企業や研究機関が保有する膨大な文書のデジタル化と活用に大きな可能性をもたらすものである。特に毎分2,000ページという高速処理能力と1,000ページあたり1ドルという価格設定は、大規模なデジタル化プロジェクトの実現可能性を高めることになるだろう。

今後の課題として、セキュリティ面での懸念が挙げられる。機密性の高い文書のデジタル化においては、データの暗号化やアクセス制御などの対策が必要となるため、APIプラットフォームのセキュリティ機能の強化が求められるだろう。自己ホスティングオプションの提供も検討する必要がある。

将来的には、AIによる文書理解の精度向上により、単なるテキスト抽出から文書の意味理解へと進化することが期待される。文書間の関連性分析や自動要約、多言語翻訳との連携など、より高度な文書処理機能の追加が望まれる。

参考サイト

1. ^ Mistral AI . 「Mistral OCR | Mistral AI」. https://mistral.ai/news/mistral-ocr, (参照 25-03-08).
2. Google. https://blog.google/intl/ja-jp/

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧