手書き文字認識の精度：
用字系・モデル・文書タイプ別（2026年）

手書きが印刷テキストより難しい理由

印刷テキストは標準化された字形の閉じた集合ですが、手書きは個々の癖のある字形の開いた集合です。このページのすべてのモデルは、同じ3つの構造的な違いに直面しています。そして、それが以下のすべての用字系、スタイル、アーキテクチャの挙動が異なる理由を説明しています。

第一に、筆記者によるばらつきです。同じ文字を書くにしても、二人として同じ書き方をする人はいません。IAMコーパスだけでも、13,353行のテキストにわたって657人の異なる筆記者による手書き文字が含まれています(Heyberger & Guyeux, 2024)。同じ文字が、実質的に異なる何百もの表現で現れるため、特定の筆記者の筆跡に対する精度は、汎用認識にとっては意味を持ちません。第二に、文字の連結です。筆記体や完全に連結した用字系では、文字が合字に融合し、明確な分割境界がありません。認識エンジンは、ある文字が終わり、次の文字が始まる場所を決定しなければなりませんが、印刷テキストではそのような決定を迫られることはありません。アラビア語は極端な例です。その用字系は単語内で完全に連結し、右から左に書かれ、文字の形が単語内の位置によって変化します。これはアラビア語のベンチマークがラテン語系のものに遅れをとる大きな理由です。第三に、文脈依存で曖昧な字形です。雑な「u」と「n」は、セリフの向きだけが異なります。それらを区別できるのは、周囲の単語だけです。これが、現代のほぼすべてのシステムが視覚モデルと言語モデルを組み合わせる理由です。IAMコーパスでは、辞書や言語モデルを追加することで、通常、単語誤り率が3分の1以上削減されます。

実際的な結果として、メトリクスのギャップが常につきまといます。文字誤り率（CER）は、100文字あたりの誤読文字数を示します。CER 2%は、100文字あたりおよそ2文字の誤りを意味します。単語誤り率（WER）は、誤って書き起こされた単語全体の数を示します。1文字の誤読が単語全体を失敗させるため、手書きにおけるWERは通常、CERの2〜4倍になります。アラビア語のKHATTコーパスでは、CER 8.9%とWER 37.6%が併存しています。どのメトリクスで、どのコーパスに対する精度なのかを明示せずに、1つの数値だけを引用する精度主張は、せいぜい不完全なものです。

用字系は、手書き文字認識における最大の精度決定要因であり、モデルの選択よりも重要です。以下のチャートは、主要なベンチマークコーパスごとに、公表されているCERの範囲（最高報告値から典型的なクロスモデル値まで）を示しています。その傾向は階段状です。現代のラテン文字の手書きは印刷に近い品質ですが、アラビア語と中国語は一桁難しい領域にあり、歴史的文書は崖のように困難です。ただし、モデルがそれら向けにトレーニングされている場合は別です。

用字系・言語別の内訳

出典：Crosilla et al. (2025) — IAM/RIMES/READ-2016/Benthamを対象としたLLMベンチマーク、マルチモーダル大規模言語モデル8種； CodeSOTA IAMリーダーボード（2024〜2026） — 論文出典付きのモデル別CER/WER； Heyberger & Guyeux (2024) — 行レベルの最高水準（SOTA）に関する調査（RIMESでVAN 1.91% CER）； Springer SNCS (2023) — CVLクロスコーパス結果； IIETA (2024) & MDPI (2024) — KHATT結果； ICDAR 2013中国語コンペティション & PMC11951872 (2024) — 中国語の文字正解率； arXiv 2409.17095 (2024) — READ-2016タスク特化型WER。中国語の行はCERではなく文字正解率（CR）を使用しています。表下の注記を参照してください。

上表に記載の出典に基づく。指標に関する注記が2点ある：(1) 中国語の行は文字正解率（CR）を報告している。これはICDAR 2013コンペティションとその後の論文の両方で使用されている指標であり、正しく認識された文字をカウントするが、CERのように挿入をペナルティしないため、方向性としては比較可能だがCERと同一ではない。(2) 歴史的文書の行は意図的にモデルタイプ別に分けている。タスク特化型エンジンと汎用大規模言語モデルは、同じ文書に対しても異なる特性を持つためである — モデルアーキテクチャ別の内訳を参照。

筆記スタイル — 活字体、筆記体、または混在 — は、実務者が最初に体感する次元であり、最も厳密なデータが少ない次元でもあります。主要なベンチマークコーパスは各サンプルを活字体か筆記体かにラベル付けしていないため、活字体と筆記体の差は、業界ベンチマークとコーパス自体の構成（RIMESとCVLは筆記体、IAMは混在）に依存しています。

筆記スタイル別の内訳

上表に記載の出典に基づきます。データのギャップについて正直に述べると、管理されたスタイルラベル付きコーパス上で活字体と筆記体の精度を分離した査読付き研究は存在しません。RIMESとCVLはたまたま筆記体、IAMは混在ですが、各サンプルにスタイルのラベルを付けたベンチマークはありません。したがって、ここでのスタイルの観点は、AIMultipleの筆記体専用ベンチマークと査読付き結果のコーパス構成に基づいており、直接的な学術的スタイル比較はまだ存在しないという注意点があります（制限事項を参照）。

モデルアーキテクチャの進化により、同じIAMコーパス上で10年間に約5倍の誤り率削減が達成されました。以下のリーダーボードの推移（CTCベースのリカレントネットワーク→トランスフォーマー→マルチモーダル大規模言語モデル）は、手書き文字認識の精度がどのように向上したかを示す最も明確な公表記録であり、「精度」がモデルの学習方法に最も依存する軸でもあります。

モデルアーキテクチャ別の内訳

上表に記載の出典に基づきます。各行は同じIAMコーパス上の最良の公表結果を比較していますが、最終行のみ調査によるRIMES上の未調整商用エンジンの評価結果です。これは、馴染みのないコーパスに対する未調整の商用エンジンが、2026年のモデルというより2016年の研究モデルに近い挙動を示すことを明らかにするために含めました。同一の分割でのアーキテクチャ間比較は稀であり、IAMの「アーヘン分割」と標準分割では同じモデルでも異なる数値が得られます（例：DRetHTR-base 6.55 WER、IAM-A、2026年）。

文書タイプによって、理論上の精度が実際の現場でどの程度維持されるかが決まります。クリーンなベンチマークコーパスは行分割され、無地の紙に書かれています。しかし実際の文書は、フィールドが重なり合うフォーム、欄外注釈付きの手紙、略語やかすれたインクを含む原稿などとして届きます。計画を立てる際に基準とするべき数値は、ベンチマークの上限ではなく、文書タイプごとの公表範囲です。

文書タイプ別の内訳

出典は上表のとおりです。「自由形式の手紙」の行は文字誤り率（CER）、「実世界のメモ」は意味的類似度を使用しています。測定尺度が異なるため、混ぜずに別々に示しています。46〜95%の帯域は、現代・歴史、クリーン・雑多な文書を単一の測定でカバーする唯一の数値です。

このデータの使い方

「手書き文字認識の精度」をベンダーの数値から、ご自身の文書に対する現実的な期待値に変えるために、ベンチマークを実行する必要はありません。上記の表を使った4ステップの簡易計算で十分です。そして、その計算は通常、見出しの数値が、ご自身が処理する文書タイプとは異なる文書タイプで測定されたものであることを明らかにします。

これらは概算の計算式であり、ご自身の文書のベンチマークに代わるものではありません。このページのすべての公開範囲は、他の誰かのコーパスで測定されたものです。ご自身のワークフローに適用される唯一の精度数値は、ご自身が測定したものです。このページの価値は、測定する前に期待値を設定することにあります。

よくある質問

2026年の手書き文字認識の精度はどのくらいですか？

精度はほぼ用字系と文書タイプに依存します。現代英語の手書き文字（IAMベンチマーク）では、最高水準のシステムが1.22〜1.71%の文字誤り率（CER）を達成しています（CodeSOTA 2026; Crosilla 2025）。フランス語の筆記体も同様に1.63〜1.91%（Crosilla 2025; Heyberger 2024）、アラビア語は8.9〜16.3%のCER（IIETA 2024; MDPI 2024）、歴史的文書を対象とした汎用モデルは71〜82%のCER（Crosilla 2025）です。多様な実世界の手書き文字を対象とした12の商用ソリューションでは、意味的類似度スコアは46〜95%の範囲です（AIMultiple 2026）。

IAM手書き文字データベースにおける最高水準（SOTA）はどのようなものですか？

2026年現在、GPT-5はIAMで約1.22%のCERを報告しており、GPT-4o-miniは1.71%のCER / 3.34%の単語誤り率（WER）（Crosilla 2025）、専門特化型のHTR-JANDは辞書補正により1.23%のCERを達成しています（CodeSOTA 2024）。同じコーパスでは、トランスフォーマー以前の最高水準は約8%の文字誤り率（Chowdhury & Vig, 2018）で、一般的なCNN-LSTMシステムは7.5〜8.4%のWERでした（PyLaia — arXiv 2409.17095）。誤り率は数倍低下しましたが、IAMは依然として英語手書き文字の参照ベンチマークです（657名の筆記者、13,353行）。

AIは筆記体を読めますか？

はい — 現在の主要なマルチモーダル大規模言語モデルは筆記体を十分に処理できます。AIMultipleの2025年ベンチマーク（意図的に乱雑に書かれた100の筆記体サンプル）では、Gemini 3 Proが100%の意味的類似度を達成し、GPT-5とolmOCR-2-7Bが上位層に入りました（AIMultiple, 2025）。従来のOCRエンジンはグループ内で遅れをとりました。筆記体は活字体よりも難しいままです — 文字が連結しているためセグメンテーションが曖昧ですが、その差はモデルの世代の問題であり、絶対的な障壁ではありません。

手書き文字の精度は、印刷テキストのOCRと比べてどうですか？

印刷テキストのOCRは、クリーンな文書で98〜99%以上の文字精度を達成します（文書タイプ別のOCR精度を参照）。一方、最高水準の手書き文字認識システムは、現代英語で98.3〜98.8%の文字精度（CER 1.2〜1.7%）と、ほぼ同等ながらわずかに劣ります。アラビア語と中国語では83〜91%に低下し、歴史的文書では汎用モデルで30%未満となります（Crosilla 2025; IIETA 2024; PMC11951872 2024）。印刷テキストと手書き文字の精度差は、どの用字系でもおよそ1桁です。

歴史的文書では、なぜ手書き文字認識の精度がこれほど低いのですか？

歴史的文書には、古い用字系、略語、かすれたインク、現代のトレーニングデータに含まれない語彙が含まれます。その結果、モデルの特化効果が顕著に現れます。タスク特化型エンジンは、READ-2016コーパスでCER 3.6〜6.2%、グラゴル文字のような最も難しい用字系では4.8〜6.05%を達成します（Heyberger 2024; PMC12202554 2025）。一方、8つの汎用大規模言語モデルはCER 71〜82%と、実用に耐えない文字起こし結果でした（Crosilla 2025）。認識は可能ですが、特定の歴史的コレクション向けにトレーニングされたモデルが必要です。

手書き文字認識における良好なCERとはどのくらいですか？

この分野の実務的な基準として、HTR文献で採用されている定義では、CER 5%未満を「非常に良好」、5〜10%を「良好」、2.5%未満を「優秀」としています（Muehlberger et al. 2019; Hodel et al. 2021、Crosilla et al. 2025が適用）。現代のラテン文字の手書き文字では、最高水準のシステムは「優秀」の範囲にあります。アラビア語、中国語、歴史的文書では、「非常に良好」（5〜10%）が現在の現実的な実運用目標です。

手書き文字認識におけるCERとWERの違いは何ですか？

文字誤り率（CER）は誤認識された個々の文字を数えます。単語誤り率（WER）は単語全体が誤っているかを数えるため、1文字の誤認識で単語全体が失敗とみなされます。手書き文字では、WERは通常CERの2〜4倍になります。アラビア語のKHATTでは、CER 8.9%に対してWER 37.6%となっています（IIETA 2024）。主張を評価する際は、どの指標を使用しているかを必ず確認してください。「精度95%」という表現は、CER、WER、文書レベルの精度のいずれかによって意味が大きく異なります。

方法論と情報源

このページの作成方法

このページは、2013年から2026年にかけての15の独立した情報源からデータを集約しており、査読付き論文、学術コンペティションのレポート、査読付きTPAMIサーベイが中心です。情報源は次の3つの基準に基づいて選定されました：(1) コーパス規模が明記された公開済みの方法論、(2) 名前の付いたベンチマークコーパス（IAM、RIMES、CVL、KHATT、READ-2016、ICDAR-2013）または透明性のある業界テストセットで報告された結果、(3) マーケティング上の主張ではなく手書き文字認識への関連性。複数の情報源が同じ指標を報告している場合、保守的な範囲（報告値の最低値〜最高値）を使用します — 過大主張は避ける方針です。情報源間で大きな食い違いがある場合、その食い違いは指標レベル、コーパス分割、または学習手法によって説明され、平均化によって埋もれさせることはありません。

指標の区別はこのページの背骨です。CER、WER、文字正解率（CR）は決して単一の数値に混ぜられることはなく、タスク特化型モデルと汎用モデルは、同じ文書に対する異なる測定体系であるため、別々の行として報告されます。ベンダー自己申告の数値は完全に除外されています — ベンダー公表の手書き文字精度の主張で2つの独立した情報源による検証を通過したものはなく、それ自体が一つの発見です（制限事項を参照）。

情報源一覧

1. Crosilla, G., Klic, L. & Colavizza, G. —「大規模言語モデルを用いた手書き文字認識のベンチマーク評価」Journal of Documentation 81(7)（2025年）。査読付き。マルチモーダル大規模言語モデル8種×コーパス7種（IAM、RIMES、READ-2016、Bentham、Leopardi、LAM、ICDAR-2017）。IAMで文字誤り率1.71％／単語誤り率3.34％（GPT-4o-mini）、RIMESで文字誤り率1.69％（GPT-4o）、歴史的文書で文字誤り率71〜82％、および文字誤り率5％未満／2.5％未満の品質帯を提供。
2. Heyberger, L. & Guyeux, C. —「手書き文字認識の進展と課題：包括的サーベイ」Journal of Imaging 10(1):18（2024年）。査読付きサーベイ。250以上の研究を収録。コーパス仕様（IAM：執筆者657名・13,353行、READ：30,000ページ）、行単位の最高水準（RIMESでVANの文字誤り率1.91％）、および未調整の商用結果（RIMESでDOCSUMOの文字誤り率11％、Transkribusの文字誤り率18％）を提供。
3. Garrido-Muñoz, C., Ríos-Vila, A. & Calvo-Zaragoza, J. —「手書き文字認識：サーベイ」IEEE TPAMI 48(4)（2026年）。査読付きサーベイ。IAMにおける段落レベルの最高水準（VAN 4.7％、OrigamiNet 4.6％）、CTCパラダイムによる誤り率58％削減、および現在のベンチマークに対する分布外汎化の批判を提供。
4. CodeSOTA —「IAMリーダーボード」（2024〜2026年）。技術ベンチマーク集約サイト。各エントリは原著論文にリンク。IAMにおけるモデル別の文字誤り率／単語誤り率（GPT-5 約1.22％、HTR-JAND 文字誤り率1.23％／単語誤り率3.78％、GPT-4o-mini 単語誤り率3.34％、DRetHTR-base 単語誤り率6.55％（IAM-A）、MetaWriter 単語誤り率10.32％）、およびTesseractクラスのOCRは手書き文字には不向き（文字誤り率約12.5％）という指摘を提供。
5. 「検出ベースの汎用テキスト行認識」（2024年、arXiv 2409.17095）。モデル間比較表付きプレプリント。IAM／READ／RIMESにおける単語誤り率の比較（DAN：IAMで5.01、READで4.10、DTrOCR：IAMで2.38、RIMES最良：言語モデル併用で1.99）、およびIAMのアーヘン分割統計を提供。
6. 「オフライン手書き文字認識のためのデータ拡張：系統的文献レビュー」SN Computer Science（2023年）。査読付き。コーパス間汎化の数値を提供：IAMで学習したモデルをCVLに適用すると文字誤り率10.89％／単語誤り率26.24％（IAM自体では文字誤り率8.62％）。CVLコーパスの説明（ドイツ語／英語の筆記体）も収録。
7. 「4つの手書き文字認識モデルの比較研究」Ingénierie des Systèmes d'Information 29(6)（2024年）。査読付き。KHATTに対するDAN／VAN／FCN／GFCNの評価。KHATTの最良結果を提供：DAN 文字誤り率8.9％／単語誤り率37.6％、VAN 文字誤り率10.7％／単語誤り率43.9％。アラビア語用字系の課題（完全連結文字、位置依存字形）の分析も収録。
8. 「アラビア語手書き文字認識のための機械学習アプローチ」Applied Sciences 14(19):9020（2024年）。査読付き。KHATTに対するBiLSTM-CTCの評価。KHATTのBiLSTM結果（文字誤り率13.2〜15.8％／単語誤り率27.31〜31.6％）と過去のベースライン（MDLSTM 単語誤り率31.3％、2015年）を提供。KHATTの執筆者1,000名／文書4,000点の仕様も記載。
9. Yin, F. 他 —「ICDAR 2013 中国手書き文字認識コンペティション」(2013)。学術コンペティション（IEEE）。CASIA-HWDB由来のテストセット（筆記者1,020名）におけるオフライン文字認識の文字正解率（CR）88.76%という結果を提供しています。
10. 「電力業界向け注意機構ベースの手書き中国語認識」(2024)。査読付き。2024年のICDAR-2013結果（AR 92.67% / CR 93.18%）とHWDB結果（AR 96.92% / CR 97.66%）を提供し、中国語オフライン文字認識における2013年から2024年への改善を示しています。
11. 「歴史的文書デジタル化のための高度な手書き文字認識エンジンの評価」(2025)。査読付き。5エンジン×4用字系。用字系別の文字誤り率（CER）を提供：ローマ字活字体 1.74〜2.78%、クロアチア共和国 3.54〜6.32%、グラゴル文字 4.83〜6.05%、速記 9.53〜11.9%。
12. 「ゲート機構による手書き文字認識精度の向上」(2024)。査読付き。GatedLexiconNet。2つ目のIAMデータポイント（単語誤り率（WER）5.73% / 文字誤り率（CER）2.27%）と、専用モデルによるRIMESのCER 0.9% / WER 2.76%を提供しています。
13. AIMultiple —「手書き文字認識ベンチマーク：LLM vs OCR」。ベンダー中立のアナリストベンチマーク。10名の筆記者による筆記体サンプル100件。コサイン類似度パイプライン。筆記体限定のベンチマークを提供：Gemini 3 Pro 100%、GPT-5とolmOCR-2-7Bが14ソリューション中トップ層。
14. AIMultiple —「OCRベンチマーク：テキスト抽出・取得精度」(2026)。ベンダー中立。12以上のソリューション。ソリューション横断の手書き文字精度帯46〜95%と、ソリューション別トップ（GPT-5 95%、olmOCR-2-7B 94%、Gemini 2.5 Pro 93%）を提供しています。
15. BusinessWareTech —「手書きフォーム認識ベンチマーク」(2025)。独立ベンチマーク。Cグレード（単一テストセット、透明な手法）。実際に手書きされたフォーム10件。実フォームでは最高水準のモデルでも95%を下回るという文書レベルの知見と、GPT-5 Mini / Gemini 2.5 Flash Liteがリードしたことを提供しています。

制限事項

• 地理的・用字系のカバレッジ：ラテン文字系コーパスが文献の主流を占めています — 英語（IAM）、フランス語（RIMES）、ドイツ語（CVL、READ）。アラビア語（KHATT）と中国語（CASIA-HWDB）は一定のカバレッジがありますが、やや薄めです。日本語、韓国語、デーヴァナーガリー文字の手書き文字には、当方で確認した文献において標準化されたCER/WERベンチマークが存在しません。ICDAR 2023インド系文字コンペティション（優勝者は10の用字系で95.94%の文字認識率）は、インド系文字に関する唯一の集計データですが、異なる指標と用字系を使用しているため、上記の表には含まれていません。
• 方法論の制約：コーパスの分割方法が論文ごとに異なり（IAM標準 vs Aachen分割）、同じモデルでも数値が大きく異なります — 上記の範囲は、公表されている両方の分割をカバーしています。主要なコーパスはサンプルごとの筆記スタイル（活字体 vs 筆記体）をラベル付けしていないため、スタイルの側面は管理された学術データではなく、業界ベンチマークに依存しています。クラウドベンダー（Google、Microsoft、Amazon）は手書き文字固有の精度測定値を公表しておらず、彼らの「99%以上」という数値は印刷テキストに適用されるものです。また、手書き文字精度に関する独立したベンダー測定値が2つ以上見つからなかったため、このページにはDグレードのベンダー数値は掲載されていません。
• 時間的なギャップ：ICDAR 2013中国語コンペティションの数値（88.76% CR）は13年前のものであり、同じテストセットでの2024年の結果と並べて歴史的な基準として使用されています。IAMコーパスは1999年に遡りますが、英語手書き文字の事実上のベンチマークであり続けています。2025〜2026年のLLM結果（GPT-4o-mini、GPT-5）は最新のデータであり、今後変動することが予想されます。
• 見つからなかったもの：（1）同じコーパスで活字体と筆記体の精度を分離した査読付き管理研究、（2）Google Document AI、Azure Document Intelligence、Amazon Textractに関する、方法論が透明なベンダー公表の手書き文字精度ベンチマーク、（3）印刷テキストと手書き文字が混在する文書（最も一般的な実世界のケースであり、現在はBusinessWareTechの10フォームセットのみがカバー）の標準化されたベンチマーク、（4）執筆者ごとの精度分散の集計、（5）IAMベースのCrosilla研究に匹敵する、中国語またはアラビア語の手書き文字に関するLLM時代のベンチマーク。これらのギャップは、検証不可能な主張で埋めるのではなく、明示的に述べられています。

関連リファレンス： 文書タイプ別のOCR精度 · 手動データ入力のエラー率 · レコードあたりの文書処理コスト · 光学文字認識（OCR）とは？

関連記事： 中小企業向けの手頃なAI手書き文字抽出 · AI手書き文字抽出の精度がどのように向上したか