文書タイプ別のOCR精度：PDF、スキャン、手書き、表（2026年）

最終確認日：2026-08-10 · データ範囲：一部 · 出典：16件の独立した研究

以下のすべての数値は、方法論セクションで引用されている公開の第三者研究および業界レポートに基づいています。出典によって数値が異なる場合は、保守的な範囲（報告された最小値～最大値）を使用しています。このページは方向性を示すベンチマークであり、特定のエンジンや組織に対する正確な予測ではありません。

どのOCRベンダーも「精度99%」という数字を掲げています。16件の独立した研究を通して見ると、この数字が真実なのは、まさに1つの文書条件だけです。それは、きれいなデジタル生成テキストであり、主要なエンジンはすべて99.2%以上を記録しています。しかし、それ以外の条件では、この数字は次第に当てはまらなくなります。きれいなスキャンでは98～99%に低下し、歴史的・劣化スキャンでは71～98%、手書き文字ではソリューションによって46～95%のばらつきがあり、破損原稿では72.7%という低さになります。この数字は嘘ではありません。文書タイプ固有の測定値が、あたかも普遍的なものとして提示されているだけなのです。

「99%」という数字の出所と、それが誤解を招く理由

「99%」という数字は、鮮明な印刷文書に対する文字レベルの測定値であり、文字精度は利用可能な指標の中で最も好意的な見方です。そのことを理解し、他に使われている3つの指標も把握すれば、同じシステムで「OCR精度99%」と「フィールド精度78%」が同時に成り立つ理由が説明できます。

文字誤り率（CER）は、誤認識された個々の文字を数えます。CER 1% は、100文字あたりおよそ1文字の誤りを意味します。印刷文書について広く採用されているベンチマーク基準（オーストラリア国立図書館の新聞デジタル化プログラムによって体系化）では、優れたOCRは精度98〜99%（CER 1〜2%）、平均は90〜98%（CER 2〜10%）、不良は90%未満と定義されています（Holley, 2009）。欧州データ保護委員会（EDPB）のOCRガイダンスも、一般的な印刷文書の性能を文字精度95〜99%とし、98〜99%を本番利用に耐える保証水準と位置づけています（EDPB, 2024）。

問題は、文字精度が使用される指標の中で最も要求水準が低いことです。2,000文字の文書で文字精度99%でも、誤った文字は約20文字含まれます。単語レベルでは、1文字の誤認識が単語全体を失敗させるため、同じ出力でも精度は96〜98%程度になることがあります。フィールドレベル（請求書番号や日付の抽出で重要となる指標）では、1桁の誤りがフィールド全体を失敗させるため、文字精度99%のシステムでも、エンジンによってはフィールド精度78〜98%にしかならないことがあります（BusinessWareTechベンチマーク, 2025）。表については、4つ目の指標であるツリー編集距離類似度（TEDS）が適用されます。これは、抽出された表の構造とセル内容が原本と一致するかを評価するもので、文字精度とはまったく別の軸です。

歴史的な記録は、鮮明なテキストの上限がどれほど難しいかを示しています。UNLVの情報科学研究所在は1992年から1995年にかけて、機械印刷された英語ページを対象に毎年OCR精度テストを実施しました。当時の最高水準の商用システムは、文字精度がおよそ94%から98%以上に向上し、その後はほぼ頭打ちとなりました（Rice, Jenkins & Nartker, 1995）。NISTも1998年の評価で同じ結論に達しています。文字誤り率1%は、原稿が鮮明で固定フォーマットのタイプ原稿である場合にのみ達成可能です（NIST IR 6101, 1998）。その後25年間の深層学習の進歩によりこの上限は押し上げられましたが、それは最も鮮明な入力に限られています。

文書タイプは、OCR精度に最も大きな影響を与える要因であり、エンジンの選択よりも重要です。下のチャートは、文書クラスごとの公表された範囲を示しています。最低値と最高値の間の幅こそが正直な答えであり、単一の「平均値」ではありません。劣化文書や手書き文書では範囲が非常に広いため、一点推定値はむしろ誤解を招く恐れがあります。

文書タイプ別の内訳

出典：IntuitionLabs（2025年） — すべてのエンジンが簡単なタイプ文字で99.2%超； Holley（2009年） — 鮮明な文書で98〜99%の「良好」ベンチマーク；劣化文書でオーストラリアの新聞（1803〜1954年）の生の文字信頼度71〜98.02%； AIMultiple（2026年） — 12のソリューションにおける手書き文字46〜95%； GatedLexiconNet（2024年） — IAM単語精度約94.3%； IJSAT（2026年） — 破損原稿で300 DPI時72.7〜94.7%。出典間で見解が異なる場合は、保守的な範囲を使用しています。

文書タイプ／状態	精度範囲	中間値	出典	年	サンプル
デジタル生成PDF（ERP／タイプ出力）	99.2–99.8%	99.5%	IntuitionLabs；ABBYY（ベンダー主張）	2025	簡単なタイプ文字で全エンジンが99.2%超
鮮明なスキャン印刷文書（300 DPI）	98–99%	98.5%	Holley；EDPB	2009／2024	「良好なOCR」ベンチマーク；NLAデジタル化コレクション
スキャン — 劣化・歴史的文書	71–98%	約85%	Holley	2009	新聞30タイトル以上、1803〜1954年、生の文字信頼度
手書き文字 — 最新の高性能システム（ベンチマーク）	単語精度94–99%	96%	GatedLexiconNet；LLM HTRベンチマーク	2024–2025	IAM（筆記者657名、13,353行）；RIMES（フランス語の手紙）
手書き文字 — ソリューション間の範囲	46–95%	約70%	AIMultiple	2026	12ソリューション、SBERT類似度スコアリング
破損原稿の写真	72.7–94.7%	約84%	IJSAT	2026	EasyOCR；通常 vs しわ・汚れ・濡れ、300 DPI
テーブル — 構造（デジタル生成）	TEDS 0.91–0.97	0.94	PubTabNetリーダーボード（MuTabNet 0.969）；TrOCR-ctx（0.909）	2024–2025	PubTabNetコーパス、TEDS構造類似度
テーブル — 検出（アーカイブ／手書き）	重み付きF1（wF1）0.49–0.53	0.51	ICDAR 2019 cTDaR	2019	アーカイブトラック、IoU 0.6–0.9での重み付きF1

上表に記載の出典に基づく。文字・単語の数値は査読済み研究および政府機関の調査によるもので、ベンダー公称値はその旨を明記している。TEDSおよびwF1は構造レベルの指標であり、文字精度と直接比較できるものではない — 精度の幅が広い理由を参照。最も劣化が激しい行について、71%という下限値は2009年に測定された最も成績の悪い歴史的新聞タイトルの数値（公表されている生データとしては最新のもの）であり、類似文書に対する最新エンジンの成績はこれを大幅に上回る（方法論を参照）。

解像度は最も制御しやすい精度向上の手段ですが、公表されているエビデンスはベンダーのブログが示唆するほど充実していません。唯一の厳密な政府調査 — 米国政府出版局（GPO）による経年・変色文書を対象としたテスト — では、高DPIではなくカラー（RGB）取り込みが決定的な要因であることが判明しました。99%の文字精度要件を満たしたのはRGBスキャンであり、同じ文書の二値（白黒）スキャンは約77%にとどまり、300DPIから200DPIへのダウンサンプリングでは精度向上は見られませんでした（米国GPOホワイトペーパー）。

DPIとスキャン品質別の内訳

スキャン解像度／モード	確認された影響	出典	年
300 DPI以上（標準）	鮮明な印刷文書で98〜99%の文字精度を達成。10pt未満のフォントには400〜600 DPIを推奨	ピッツバーグ大学OCRガイド；米国GPO	2024／約2022
200 DPI	鮮明な印刷文書では十分。GPOのテストでは300からのダウンサンプリングで認識結果に変化なし	米国GPO	約2022
150 DPI未満	影響の大きい劣化要因と評価。小さなフォントは認識できず、精度は98〜99%のクリーン帯域を下回る	LlamaIndex用語集；劣化下限はIJSAT（2026）による	2026
72 DPI（画面キャプチャ）	文字の識別に十分な画素密度がない。精度への「影響大」に分類	LlamaIndex用語集	2026
経年文書のカラー（RGB）vs 二値スキャン	経年・変色原稿でRGBは99%に対し、二値は約77%	米国GPO	約2022

出典は上表のとおりです。正直な注意点として、DPIのみを単独で切り離し、他のすべての要因を一定に保った査読済み研究は存在しません。そのため「150 DPI未満」の行は、LlamaIndexリファレンス用語集の明示的な低DPIガイダンスと、IJSAT（2026年）が300 DPIで測定した物理的損傷による精度下限を組み合わせたものであり、その旨を明記した代理指標です。

フィールドの種類によって、読み取りエラーが問題になるかどうかが決まります。段落内の単語の読み間違いは、ほとんどのワークフローでは影響がありませんが、請求書番号の数字の読み間違いはフィールド全体を失敗させます。複数のエンジンにわたってフィールドタイプを分離した唯一の公開ベンチマークは2025年の請求書抽出研究であり、そのばらつきはフィールドタイプとエンジンによって40〜98%に及び、「OCR精度」が単一の数値ではないことを示す最も明確な証拠となっています（BusinessWareTech、2025年）。

フィールドタイプ別の内訳

フィールドタイプ	精度範囲	コンテキスト	出典	年
キー・バリューテキストフィールド（請求書ヘッダー）	エンジン別 78〜98%	GPT-4o + OCR 98%、Azure Document Intelligence 93%、Google Document AI 82%、AWS Textract 78%	BusinessWareTech	2025
明細行／表の行	エンジン別 40〜82%	明細行の検出：同一テストでTextract 82%に対しGoogle Document AI 40%	BusinessWareTech	2025
数値フィールド（日付、合計、ID）	78〜98%（フィールド帯域内）	形式が制約されていると精度は向上するが、1桁の読み間違いでフィールド全体が失敗する	BusinessWareTech；AIMultiple請求書ベンチマーク	2025〜2026
チェックボックス／マークシート	信頼できる公開ベンチマークなし	データギャップ — 制限事項で指摘；従来のマークシート研究はAI OCRより前のもの	—	—
署名（認識）	公開精度ベンチマークなし	データギャップ — ベンダーは認識精度ではなく検出精度のみを報告	—	—

上表に記載の出典に基づく。78〜98％および40〜82％の数値は、単一の独立したベンチマーク（BusinessWareTech、2025年、実請求書テストセット）に由来する——Cグレードの出典であり、AIMultipleの請求書ベンチマークによって方向性が裏付けられている。同ベンチマークでは、文書品質が低いほど全ツールで精度が急激に低下することが判明している（AIMultiple、2026年）。「データギャップ」と記載された行には、引用可能な第三者測定が存在せず、ベンダー数値ではなく実態に基づいて記載している。

言語は、最も公表が進んでいない精度の側面である。ほぼすべてのベンダーが言語別ベンチマークを公開していないためだ。査読済みの唯一の多言語比較研究——2021年に英語とアラビア語の文書画像18,568枚を対象とした研究——では、同一エンジンにおいて英語の精度がアラビア語より「かなり高い」ことが判明しており、その差は標準設定での認識で10〜25ポイント程度に達する（Hebertら、2021年）。手書き文字ベンチマークも第二のデータポイントを提供する。フランス語（RIMES）と英語（IAM）の手書き文字は、現在では最高水準のシステムで印刷物に近い品質に達しているが、それは鮮明で標準化されたコーパスの手書き文字に限られる。

言語・文字体系別の内訳

言語／文字体系	精度	根拠	出典	年
英語——印刷物（鮮明）	96〜99.5%	鮮明なテキストにおける全主要エンジンの基準値	Hebertら；EDPB	2021／2024
アラビア語——印刷物	英語より約10〜25ポイント低い	同一エンジン、単一共通フォントのコーパスでも依然としてかなり低い	Hebertら	2021
英語の手書き文字（IAMベンチマーク）	単語精度SOTA約94.3%	WER 5.73%（GatedLexiconNet）；GPT-4o-miniでWER 3.34%	GatedLexiconNet；LLM HTRベンチマーク	2024〜2025
フランス語の手書き文字（RIMESベンチマーク）	文字精度約97〜99%	ビジネスレターでCER 0.9〜1.7%	GatedLexiconNet	2024
CJK、デーヴァナーガリーおよびその他の文字体系	同等の公開ベンチマークなし	データギャップ——査読済みのエンジン横断比較は見つからず	—	—

出典は上表のとおりです。IAMとRIMESは標準化された手書き文字コーパスです。実際の複雑な手書き文字（特に印刷と筆記が混在したもの）では、これらのクリーンなコーパスの数値よりもスコアが低くなります（文書タイプ表の46〜95%のクロスソリューション帯域が実際の参考値です）。アラビア語のギャップは、単一の共通フォントコーパスにおける「英語の精度はアラビア語よりもかなり高かった」という公表結果の保守的な解釈です。より困難なコーパスでは、その差はさらに広がる可能性があります。

OCR精度の範囲がこれほど広い理由：4つの指標、1つの言葉

OCR精度データにおける最も顕著な矛盾は、測定誤差ではなく、異なる文書条件に異なる指標を適用した結果です。「文字精度99%」と「フィールド精度78%」は同じシステムを表しています。「テーブル検出のwF1 0.49」と「テーブル構造のTEDS 0.96」は、異なるコーパスにおける同じ技術を表しています。

使用されている4つの指標は、難易度の厳密な階層を形成しています。文字精度（99%以上）は最も水増ししやすい指標です。単語精度は、1文字の誤りが単語全体を失敗させるため、より低くなります。オーストラリアの新聞修正研究では、生の歴史的文書出力で単語精度81.7%、手動修正後は97.6%に上昇しました（Cassidy, 2019、マッコーリー大学による同種コーパスの研究）。フィールド精度は、1桁の誤りがフィールド全体を失敗させるため、さらに低くなります（上記のエンジン範囲78〜98%）。構造指標（テーブルのTEDS、検出のwF1）はまったく別の軸です。テーブルは文字が完全に読み取れても、行・列の構造が誤って再構築されれば低いスコアになります。そのため、アーカイブのテーブル検出はwF1 0.49〜0.53が上限である一方、現代のテーブル構造認識はTEDS 0.91〜0.97に達しています（TrOCR-ctx, 2025；PubTabNetリーダーボード）。

ノイズはばらつきをさらに拡大します。査読済みのHebertらの研究では、クリーンな書籍スキャンに人工ノイズ層を1つ追加するだけで、最良のエンジンで単語精度がおよそ96%から82.5%に低下し、オープンソースのTesseractでは58.4%にまで低下しました。ノイズ層を2つ追加するとさらに低下します（Hebert et al., 2021）。これが、「OCRの精度はどのくらいですか？」という問いに対する誠実な答えが常に文書タイプに依存する範囲になる理由であり、単一の数値で示される主張は、普遍的な装いをしたクリーンテキスト測定値として扱うべき理由です。

このデータの使い方

「OCRは99%の精度だ」と聞いたことがある——どのベンダーも繰り返す主張であり、このページが検証するテーマです——を、ご自身の文書に対する確かな期待値に変えるために、完全な監査は必要ありません。上記の範囲を使った3ステップの概算で十分であり、それによって、見出しの数字が実際に処理する文書には当てはまらないことが通常明らかになります。

文書構成を分類する。 ご自身のボリュームを上記の帯域に分類します。例えば、月1,000件の請求書がある典型的な買掛金フローの場合：70%がデジタル生成PDF（99.2～99.8%）、20%が鮮明なスキャン（98～99%）、10%が劣化スキャンまたは手書き注釈付きファイル（中間値約85%）です。
文字精度をフィールド精度に変換する。 文字レベルの数値は抽出ワークフローを過大評価します。代わりに、エンジンの階層に応じた測定済みのフィールドレベルの帯域を使用します：中位クラウドプロセッサで93%、LLM支援パイプラインで98%、下位エンジンで78～82%（BusinessWareTech 2025）。
月間エラー数を推定する。 フィールド精度93%、請求書あたり12フィールドの場合、1,000件の請求書で、レビュー前に月間およそ840件の誤フィールドが発生します（1,000 × 12 × 7%）。ボリュームの10%が劣化文書または手書き文書の場合、そのエラー数は帯域の差（通常フィールド精度で15～30ポイント）だけ増加します。
その数値が許容できるか判断する。 月間840件の誤フィールドがダウンストリームシステムで吸収できる範囲を超える場合、公開されている対策は次のとおりです：スキャン品質を300-DPI/RGB帯域に引き上げる（GPOはこれだけで古い文書の77%→99%のギャップを解消すると確認）、低信頼度フィールドを人によるレビューに回す、または過去の単語精度を81.7%から97.6%に引き上げた補正ステージを適用する（Cassidy, 2019）。

これらは概算の計算式であり、ご自身の文書でのベンチマークの代わりにはなりません。このページのすべての公開範囲は、他者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、ご自身で測定したものです。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

平均的なOCR精度はどのくらいですか？

平均値は文書の種類に完全に依存します。このページの情報源によると、鮮明なデジタル生成テキストの平均文字精度は99.2～99.8%（IntuitionLabs 2025年；ABBYY）、鮮明なスキャン文書は98～99%（Holley 2009年；EDPB 2024年）、劣化・歴史的文書のスキャンは71～98%（Holley 2009年）、手書き文字はソリューション全体で46～95%（AIMultiple 2026年）です。単一の「平均OCR精度」という数値には意味がありません。範囲こそが答えなのです。

良いOCR精度とはどのくらいですか？

オーストラリア国立図書館が広く採用している基準では、印刷テキストの良好なOCRは文字精度98～99%（文字誤り率1～2%）と定義され、平均は90～98%、不良は90%未満とされています（Holley, 2009年）。ビジネスデータにとって重要な指標であるフィールドレベル抽出では、より現実的な「良好」は93～98%であり、2025年の請求書ベンチマークでトップクラスのエンジンのみが到達しました。

スキャン文書とデジタルPDFでは、OCR精度はどのように異なりますか？

印刷テキストの鮮明なスキャンは、文字精度98～99%で、デジタル生成テキストの99.2～99.8%に近いものの、同等ではありません。スキャンが劣化すると差は急激に広がります。歴史的な新聞スキャンは生精度71～98%（Holley 2009年）と測定され、破損原稿は300 DPIでも72.7～94.7%に低下しました（IJSAT 2026年）。低DPI、二値（白黒）取り込み、経年劣化した紙は、いずれもスキャン精度を下げる要因となります。

手書き文字のOCR精度はどのくらいですか？

最先端のシステムは、IAMやRIMESなどの鮮明なベンチマークコーパスで約94～99%の単語精度に達します（GatedLexiconNet 2024年；LLM HTRベンチマーク 2025年）が、全ソリューションの範囲は46～95%（AIMultiple 2026年）です。旧型エンジンは下限付近に位置し、乱雑な実世界の手書き文字、印刷と筆記体の混在、歴史的筆跡は、鮮明なコーパスの数値を大きく下回ります。

OCR精度に最適なDPIは？

300 DPIが標準的な推奨値です。鮮明な印刷文書では98〜99%の文字精度を達成し、10pt未満のフォントでは400〜600 DPIが推奨されます（ピッツバーグ大学OCRガイド）。特筆すべきは、GPOの調査で、経年文書では解像度よりもスキャンのカラーモードが重要であることが判明した点です。RGBキャプチャでは99%を達成した一方、二値（白黒）では約77%にとどまり、300から200 DPIへのダウンサンプリングでは結果に変化はありませんでした。

表形式でOCR精度が低くなるのはなぜ？

表形式では、文字認識に加えて構造認識のステップが必要になります。エンジンは、コンテンツを利用可能にする前に、行・列・結合セルを再構築しなければなりません。最新システムでは、デジタル生成の表コーパスでTEDS 0.91〜0.97を達成していますが（PubTabNetリーダーボード、TrOCR-ctx 2025）、アーカイブ文書や手書きの表では検出精度がwF1 0.49〜0.53に低下します（ICDAR 2019 cTDaR）。また、実際の請求書テストにおける明細行の抽出精度は、エンジンによって40〜82%の範囲でした（BusinessWareTech 2025）。

OCR精度は言語によって異なる？

はい、大きく異なります。唯一の査読済みクロスランゲージ比較調査では、同じエンジンとコーパスを使用した場合、英語の精度がアラビア語より10〜25ポイント高いことが判明しました（Hebert et al. 2021）。手書き文字のベンチマークでは、フランス語と英語のコーパスはトップシステムで印刷品質にほぼ匹敵する精度に達していますが、CJK、デーヴァナーガリー、その他の文字体系については、同等の公開ベンチマークが存在しません。これは深刻なデータギャップです（「制限事項」を参照）。

方法論と情報源

このページの作成方法

このページは、1995年から2026年にかけての16件の独立した研究からデータを集約しています。情報源は次の3つの基準で選定しました。(1) サンプルサイズが明記された公開済みの方法論、(2) 可能な限り直近3年以内に収集されたデータ（古い情報源は本文中に年号を明記）、(3) マーケティング上の主張ではなく文書処理に関連する内容。複数の情報源が同じ指標を報告している場合は、控えめな範囲（報告値の最低値〜最高値）を使用しています。過大に主張しない方針です。情報源間で大幅な食い違いがある場合は、その相違を指標レベルまたはコーパスの違いとして説明し、平均化して誤魔化すことはしていません。

指標の区別がこのページの骨格です。文字レベル、単語レベル、フィールドレベル、構造レベル（TEDS／wF1）の数値を単一の数字に混ぜることは決してありません。ベンダー自己申告の数値（ABBYYの99.8%）はベンダー主張として明記し、上限参照値としてのみ使用しています。これはDグレード引用ルール（裏付けが必要）に従ったもので、この場合はIntuitionLabsの独立測定により、全エンジンが容易なタイプ文字で99.2%を超えることが裏付けられています。

情報源一覧

Holley, R. —「How Good Can It Get?」D-Lib Magazine 15(3/4)（2009年）。オーストラリア国立図書館の新聞デジタル化プログラム。1803〜1954年の30以上の歴史的新聞タイトルにわたる生の文字信頼度測定値。71〜98.02%の劣化スキャン範囲、98〜99%／90〜98%／<90%の良好・普通・不良のスケール、および1〜2%の文字誤り率（CER）「良好」ベンチマークを提供。
Hebert, J. 他 —「OCR with Tesseract, Amazon Textract, and Google Document AI: a benchmarking experiment」Journal of Computational Social Science（2021年）。査読済み。英語書籍スキャン322件＋アラビア語記事スキャン100件×43種類のノイズ＝18,568文書、51,304リクエスト。クリーンからノイズありへの単語精度低下（約96%→82.5%→58.4%）、英語とアラビア語のギャップ、サーバー型とオープンソースの比較を提供。
Rice, S.V.、Jenkins, F.R. ＆ Nartker, T.A. —「The Fourth Annual Test of OCR Accuracy」UNLV ISRI（1995年）。商用OCRを対象とした年次独立評価。460ページのDOEサンプル＋200ページの雑誌サンプルを使用。クリーン文書の上限を裏付ける1992〜1995年の文字精度の向上（約94%→98%以上）を提供。
NIST IR 6101 —「Impact of image quality on machine print optical character recognition」（1998年）。米国国立標準技術研究所による、連邦官報ページを対象とした3つの商用OCR製品の評価。「1%の誤り率には固定フォーマットの鮮明な原本が必要」という制約を提供。
欧州データ保護委員会 —「AI Possible Risks & Mitigations: OCR」（2024年）。EU規制機関による技術ガイダンス。一般的な印刷文書における95〜99%の範囲と、98〜99%の本番保証レベルを提供。
米国政府印刷局 —「Optimizing OCR Accuracy on Older Documents」ホワイトペーパー。経年劣化・変色文書に対するスキャンモードと強調処理の公式テスト。GPOの99%精度要件に照らして評価。RGB 99%と二値（白黒）約77%の比較結果、および300→200 DPIのダウンサンプリング結果を提供。
「Optical Character Recognition Accuracy on Degraded Documents」IJSAT（2026年）。査読済み。300 DPIで4種類の物理的状態に対するEasyOCRの評価。94.7%（通常）／86.9%（しわあり）／80.9%（汚れあり）／72.7%（濡れあり）の精度ラダーを提供。
AIMultiple —「OCR Benchmark: Text Extraction / Capture Accuracy」（2026年）。Sentence-BERTコサイン類似度を用いたベンダー中立のアナリストベンチマーク。12以上のソリューションを対象。46〜95%の手書き文字帯域と、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。
AIMultiple —「Invoice OCR Benchmark: Extraction Accuracy of LLMs vs OCRs」（2026年）。ベンダー中立のベンチマーク。公開されている20件の請求書から400以上のキー・バリューペアを抽出。低品質と高品質の間の精度低下の知見を提供。
Gao, L. 他 — 「ICDAR 2019 Competition on Table Detection and Recognition (cTDaR)」、ICDAR（2019年）。学術コンペティション、11チーム参加、手描き・手書きテーブルを含む近代・アーカイブデータセット。 アーカイブトラックのテーブル検出下限値 wF1 0.49（後続モデルでは0.53）を提供。
OpenCodePapers — 「Table Recognition on PubTabNet」リーダーボード（2024年）。PubTabNetコーパスで発表されたTEDS結果を追跡する技術ベンチマーク集約サイト。 TEDSの上限値を提供：MuTabNet 0.9687（2024年）、TableMaster 0.9676、SLANet 0.963。
「Tabular context-aware OCR and tabular data reconstruction for historical records」（2025年）。査読済み。PubTabNet、SROIE、CORD、歴史的コーパスにおけるTrOCR-ctxを評価。 テーブル構造スコアとしてTEDS 0.909（PubTabNet）、0.967（SROIE）、0.986（CORD）を提供。
「Enhancing handwritten text recognition accuracy with gated mechanisms」（2024年）。査読済み。IAM、RIMES、READ-2016におけるGatedLexiconNetを評価。 手書き文字のSOTA数値として、IAMのWER 5.73%／CER 2.27%、RIMESのCER 0.9%を提供。
「Benchmarking Large Language Models for Handwritten Text Recognition」（2025年、Journal of Documentation）。査読済み。7つのコーパスにおいて、プロプライエタリおよびオープンなLLMとTranskribusを比較。 GPT-4o-miniのIAM CER 1.71%／WER 3.34%、GPT-4oのRIMES CER 1.69%／WER 3.66%、および現代のCER<5%という品質基準を提供。
BusinessWareTech — 「AWS Textract vs Google, Azure, and GPT-4o: Invoice Extraction Benchmark」（2025年）。実請求書を用いた独立ベンチマーク。Cグレード（単一テストセット、方法は透明）。 エンジン別のフィールド精度78〜98%、明細行検出率40〜82%を提供。
IntuitionLabs — 「Pharma Document AI & OCR Accuracy: A Benchmark Report」（2025年4月）。複合文書ベンチマークをまとめた業界調査。Cグレード。 簡単な活字テキスト検出における全エンジン>99.2%、Google Cloud Visionの総合約98%という結果を提供。
ABBYY FineReader（ベンダー主張）。Dグレードの自己報告値。クリーンなテキストの上限値としてのみ使用し、その旨を明記。 「鮮明なスキャンで最大99.8%の精度」と主張。FAX・低解像度での改善主張も記載。
LlamaIndex — 「What is OCR Accuracy Rate?」用語集（2026年）。要因影響テーブル付きの参考用語集。 DPI表で使用するDPI段階（72 vs 300 vs 600 DPI）と300 DPI最低推奨値を提供。
ピッツバーグ大学 — 「Best Practices: OCR」ライブラリガイド。大学のデジタル化ガイダンス。 300 DPI標準、および<10ptフォント向けの400〜600 DPI推奨を提供。
Cassidy, S. —「OCR品質がデジタル化された歴史的テキストの利用に与える影響」（マッコーリー大学）。歴史的な新聞に対するOCR後補正に関する査読済み研究。単語精度の補正効果が81.7%→97.6%であることを示しています。

制限事項

地理的カバレッジ： 情報源は北米、EU、オーストラリア、および（手書き文字については）欧州のコーパスに集中しています。ラテンアメリカやアフリカに関する信頼できる一次データは見つかりませんでした。また、CJK／デーヴァナーガリー文字の比較は、当方が確認した査読済み文献には存在しません。
方法論の制約： クラウドベンダー（Google、Azure、Amazon）は、文書タイプ別の方法論が透明な精度ベンチマークを公開していません。彼らの「99%以上」という数値はマーケティングであり測定値ではないため、独立した研究が測定した場合を除き、ここからは除外しています。いくつかの主要な数値は単一研究のデータポイントに依存しており（BusinessWareTechのフィールド精度、IJSATの劣化）、そのグレードを明記しています。ABBYYの99.8%は、裏付けのある上限値としてのみ使用するベンダー主張です。
時間的ギャップ： UNLV ISRI（1995年）とNIST（1998年）のデータは27年以上前のものですが、クリーンなテキストの精度上限に関する唯一の公的な長期記録であり、年号を明記して歴史的文脈として使用しています。Holley（2009年）の劣化スキャンの下限値は、歴史的な新聞に関する公表済みの生データとしては最も新しいものです。現代のエンジンはこうした文書でより良いスコアを出します（Hebert et al. 2021年）。そのため、表には両方を示しています。
見つからなかったもの： (1) 現代のAI OCRにおけるチェックボックス／マークシート認識に関する信頼できる公開ベンチマーク（既存文献はレガシーOMRのみ）、(2) 署名認識の精度（ベンダーは認識精度ではなく検出を報告）、(3) 他の要因を一定に保ちながらDPIのみを分離した査読済みの管理研究、(4) スクリーンキャプチャ（スクリーンショット）OCRの標準化されたベンチマーク、(5) 1ページにテキスト＋表＋画像が混在するレイアウトの文書（明細行の数値を除く。これらは唯一の公表済みプロキシ）。これらのギャップは、検証不能なベンダー数値で埋めるのではなく、そのまま明記しています。