Android と iOS 向けオープンソースモバイル OCR SDK の選択肢
オープンソースのエンジンを使い、言語モデルを管理できる Android OCR SDK を探しているなら、Tesseract4Android から検討するとよいでしょう。iOS では、旧来の TesseractOCRiOS のクイックスタートに、本記事で検証した構成ではネイティブビルドを妨げる問題があります。このガイドでは、統合方法を選び、モデルとプラットフォームの要件を理解したうえで、対応する実装ガイドを見つけられます。
オープンソースである必要がある範囲の判断
OCR は画像内のテキストを、アプリで表示または処理できる文字列に変換します。SDK を選ぶ前に、認識エンジンを管理できることと、デバイス上で画像を処理できることを区別してください。エンジンの調査、変更、ビルドが要件であれば、Tesseract はその要件を満たします。デバイス上で動作する API というだけでは、これらの権利が認められるとは限りません。
Google ML Kit と Apple Vision はプロプライエタリな代替手段で、それぞれ Google の ML Kit 利用規約と Apple の SDK ライセンス条項が適用されます。これらは Tesseract に代わるオープンソースの選択肢ではありません。ML Kit は入力画像をデバイス上で処理しますが、利用規約には使用状況やパフォーマンスの指標を Google に送信することも記載されています。ローカルで認識するからといって、SDK がネットワーク通信を一切行わないわけではありません。
オープンソース OCR SDK の概要
| 選択肢 | エンジンとライセンス | 導入の出発点 |
|---|---|---|
| Tesseract4Android 4.8.0 | Tesseract 5.5.0 の Apache-2.0 ラッパー | 独自に同梱した言語データを使う Android Java 統合 |
| TesseractOCRiOS 4.0.0 | Tesseract 3.03-rc1 の MIT ラッパー | レガシー環境の保守用資料。ネイティブビルドの制約は後述 |
| Google ML Kit | Google のプロプライエタリ SDK | オープンソースエンジンが必須ではない場合の Android 写真認識 |
| Apple Vision | Apple のプロプライエタリフレームワーク | オープンソースエンジンが必須ではない場合の iOS 静止画像認識 |
Tesseract 自体は Apache-2.0 を採用しています。ラッパーのライセンスは、同梱物すべてに適用されるわけではありません。ネイティブ依存関係と言語モデルには、それぞれ独自のライセンスがあります。Android ガイドの英語モデルは、データライセンスが Apache-2.0 の tessdata 4.0.0
に由来します。モデルを差し替える場合は、その出所とライセンスを個別に確認してください。
前提条件
入力と開発環境に合ったガイドを選んでください。
- Tesseract による Android カメラ OCR: Java、Android Studio、SDK Platform 36、JDK 21。リンク先のプロジェクトは CameraX に依存するため、API 23 以降が必要です。Tesseract4Android 自体の最小要件が API 21 でも、アプリ全体の要件は下がりません。CameraX の最小 SDK の変更を参照してください。
- ML Kit による Android 写真 OCR: Kotlin、SDK Platform 36、JDK 21、API 23 以降。Google のセットアップ要件に従います。
- Vision による iOS 画像 OCR: Xcode を搭載した Mac、Swift の知識、iOS シミュレーターまたは実機。リンク先のアプリは、iOS 18 以降で利用できる Swift ネイティブの Vision API を使います。
実装ガイドには、プロジェクト設定一式と検証済みのツールチェーンを記載しています。Android 16 エミュレーターと iOS 27 シミュレーターでの検証は、対応するすべての OS や実機カメラでの動作を確認するものではありません。認識品質を評価する前に、必要な言語の代表的な文書を選んでください。
Android での Tesseract OCR のセットアップ
Android Tesseract プロジェクトのセットアップを最初から進めてください。この手順では、Tesseract4Android 4.8.0、OpenCV 4.13.0、CameraX 1.6.2
のバージョンをまとめて固定し、Tesseract の依存関係用に JitPack を設定します。アップグレードを試す前に、まずは固定されたバージョンのまま手順を進めてください。
このセットアップでは、tessdata 4.0.0 の英語モデルを app/src/main/assets/tessdata/eng.traineddata に同梱します。マネージャーは初期化前に、そのアセットをアプリ専用ストレージにコピーします。Tesseract には、tessdata を含む、読み取り可能なファイルシステム上のディレクトリが必要です。APK 内のアセットは、そのディレクトリの代わりにはなりません。モデルを同梱すれば初回起動時のダウンロードは不要ですが、パッケージ内のアセットと専用ストレージ内のコピーの両方を保持することになります。
モデルの系統をエンジンモードに合わせてください。Tesseract の学習済みデータのドキュメントでは、tessdata、tessdata_fast、tessdata_best
を区別しています。後者のふたつには LSTM エンジンが必要です。4.8.0 のようなラッパーのバージョンは、同梱エンジンのバージョンやモデルのリリースとは異なります。
Android アプリへの OCR の実装
完全な実装の OCRManager.java クラスは、モデルのインストール、ビットマップの認識、ネイティブリソースの解放を行います。初期化、認識、クリーンアップは、ひとつの直列実行バックグラウンドワーカーで処理してください。周囲のアクティビティが、カメラ権限の処理、フレームの回転、上限付きの解析キューを提供します。マネージャーをコピーするだけでは、カメラスキャナーにはなりません。
そのガイドのトラブルシューティング手順を使い、モデルの欠落や破損と、認識結果が空である状態を区別してください。配布予定のアプリでは、APK 全体とそのネイティブライブラリについて、Android の 16 KB ページサイズの検証手順に従ってください。
ファイル選択や写真の単発撮影が必要で、プロプライエタリ SDK を利用できる場合は、Kotlin ML Kit 写真認識ガイドに従ってください。このガイドでは、同梱のラテン文字モデルを使い、空の結果や読み取れない画像の結果を表示し、選択や撮影のキャンセルを処理します。Google が代替手段として提供する Play services の依存関係はモデルをダウンロードするため、そのモデルの準備ができるまで認識結果を返せません。
iOS 向けレガシー Tesseract OCR SDK の評価
古い CocoaPods のクイックスタートを、最新の iOS で動作するセットアップとして採用しないでください。2026年9月23日の確認時点で、TesseractOCRiOS 5.0.1 の podspecは、5.0.1 タグを参照していますが、アップストリームのタグ一覧には存在しません。CocoaPods に登録されていても、ソースを取得できるとは限りません。
4.0.0 のソースアーカイブは取得できます。ただし、変更していない libtesseract_all.a を、Xcode 27.0 と iOS Simulator 27.0 SDK で
arm64 iOS シミュレーター向けにリンクすると、「64-bit mach-o not 8-byte aligned.」という診断メッセージで失敗します。比較用のプログラムは、そのライブラリなしでリンクできます。この構成ではネイティブビルドが阻まれるため、このパッケージについて本記事で推奨できる
iOS OCR の実行成功例はありません。ただし、すべての Tesseract 移植版や古いデバイス構成で失敗することを示すものではありません。
タグ付き READMEでも、同梱エンジンは
Tesseract 3.03-rc1 と明記されています。その旧来のモデル要件は、Android の実装例で使う 4.0.0 の学習済みデータの要件とは異なります。Podfile のバージョンを変更したり、Android のモデルをコピーしたりしても、ネイティブビルドの問題は解決しません。
iOS アプリへの OCR の実装
オープンソースエンジンが必須の場合は、iOS への Tesseract 統合の検証と保守に必要な工数を見込んでください。採用を決める前に、選んだソースまたはパッケージからビルドできること、互換性のある実機用・シミュレーター用バイナリがあること、実際に使う言語モデルで認識できることを必須条件としてください。SwiftyTesseract はアーカイブ済みで、メンテナーは今後更新しないと表明しています。ラッパー名を変えるだけでは、保守や互換性の問題は解決しません。
Apple のプロプライエタリフレームワークで要件を満たせる場合は、SwiftUI 静止画像 OCR ガイドに従ってください。このガイドでは RecognizeTextRequest を使い、「ファイル」で選択したローカルの
PNG 画像と JPEG 画像を読み込み、画像の向きを維持し、選択可能な英語テキストを表示します。アプリのファイル、シミュレーターへの入力手順、エラーメッセージ、キャンセル処理を含み、サードパーティーの OCR バイナリや tessdata ディレクトリは不要です。アプリはスキャン履歴を保存せず、認識したテキストをメモリ内に保持します。
これは静止画像のワークフローです。リアルタイムのカメラスキャナーについては、同じガイドで、別途必要な VisionKit 統合と実機での確認を説明しています。シミュレーターでの画像テストでは、実機でのカメラ権限の復旧、フォーカス、認識品質は確認できません。
OCR のパフォーマンスを最適化するためのヒント
まずは、鮮明で正しい向きのテキストと、文字を判別できる十分な画素数を確保してください。小さな余白を残しつつ、認識の妨げになる背景を切り取ります。Tesseract は内部ですでに画像を二値化しています。しきい値処理やぼかしを追加する前に、前処理した画像と元の画像を比較してください。画像品質ガイドでは、傾き補正、余白、行・ブロック・ページに応じたページ分割の選び方を説明しています。
エンジンを選ぶ前に、同じ少数の文書を使い、候補となる統合実装で処理してみてください。内容が既知のテキスト画像、空白の画像、向きのメタデータを持つ回転した JPEG、破損したファイルまたは存在しないファイルを含めます。空のテキストと失敗を区別できること、キャンセルされた処理や古い処理が新しい結果を置き換えないことを確認してください。アプリにとって重要であれば、ローカルに保存済みの画像を使い、新規インストール後のオフライン動作をテストしてください。そのうえで、鮮明なサンプルひとつを精度の基準にするのではなく、請求書番号など、実際に必要なフィールドの誤りを測定してください。
