Skip to content

Google Document AI OCRでドキュメントを変革

Google Document AIのEnterprise Document OCRは、PDFや画像から印刷文字と手書き文字を抽出するGoogle CloudのAPIです。料金はページ単位で、最初の1,000ページは無料です。

無料プランあり · $0.60から · API

Google Document AI OCRに対するStorkの評価

GoogleのEnterprise Document OCRは、大量のテキスト抽出に適した低価格で高精度な基盤ですが、構造化データにはForm ParserまたはLayout Parserを通じた追加費用がかかります。

Google Document AI OCR reviewed by Stork AI · stork.ai/ja/google-document-ai-ocr

720pの料金。480pは半額。動画1本の最低料金は$0.05。
話す動画10分で$2。
オープンモデルを自社のGPUで動かしています。1分あたりのコストが下がれば、料金も下げます。
写真を話させる開発者の方へ:APIもあります

Google Document AI OCRの機能

Enterprise Document OCRは、Google CloudのDocument AIに含まれるプロセッサの1つです。PDFまたは画像(PDF、GIF、TIFF、JPEG、PNG、BMP、WebP。DOCXは非公開プレビュー)を送信すると、テキスト、ページ、ブロック、行、トークンとその位置を含む Document オブジェクトがJSONで返されます。印刷文字と手書き文字を読み取り、デジタルPDFに埋め込まれたテキストとOCR結果を統合でき(ネイティブPDF解析)、各ページの画像品質を0〜1でスコア化します。スコアが0.5未満の場合は、ぼやけ、反射、テキストの途切れなど、考えられる不具合を一覧表示します。Googleによると、200を超える言語に対応しており、そのうち12言語(ヘブライ語、タイ語、タミル語、テルグ語など)では手書き文字が非対応とされています。

セットアップはGoogle Cloudの通常の手順です。プロジェクトを作成し、Document AI APIを有効にし、リージョン(US、EUなど)にEnterprise Document OCRプロセッサを作成して、REST APIまたはクライアントライブラリから呼び出します。オンライン(同期)リクエストは最大15ページ、40 MBまで(イメージレスモードでは30ページ)で、バッチリクエストは1ドキュメントあたり最大500ページ、1ファイルあたり1 GB、1リクエストあたり5,000ファイルまで処理できます。安定版のモデルバージョンは pretrained-ocr-v2.0-2023-06-02 と pretrained-ocr-v2.1-2024-08-07 で、US・EU以外ではv2.1.1がリリース候補となっています。

Google Document AI OCRの料金

従量課金制で、1,000ページ単位、月次サイクルで請求されます。

プラン料金含まれるもの
Enterprise Document OCR、最初の1,000ページ$0無料枠
Enterprise Document OCR、1,000〜5,000,000ページ1,000ページあたり$1.50テキスト、手書き文字、レイアウト、画像品質
Enterprise Document OCR、5,000,000ページ超1,000ページあたり$0.60同上
OCRアドオン1,000ページあたり$6.00数式OCR、チェックボックス抽出、フォントスタイル検出(v2プロセッサのみ)

例:1か月に100,000ページの通常のOCRを行う場合、1,000ページが無料で、残りの99,000ページが1,000ページあたり$1.50となり、99 x $1.50 = $148.50です。すべてのページでアドオンを有効にした場合は、100 x $6.00 = $600が加算されます(無料枠がアドオンにも適用されるかどうかは、料金ページには記載されていません)。

生のテキストではなく構造が必要な場合は、ほかのDocument AIプロセッサが別料金で提供されています。

プロセッサ1,000ページあたりの料金
Layout Parser(チャンク分割を含む)$10.00
Form Parser$30.00(100万ページまで)、それ以降は$20.00
Custom extractor$30.00(100万ページまで)、それ以降は$20.00
Custom classifier / splitter$5.00(100万ページまで)、それ以降は$3.00

Gemini Enterprise Flexible Savings Plansを利用すると、これらの料金が下がります(OCRは1年プランで1,000ページあたり$1.35、3年プランで$1.20)。失敗したリクエスト(4xxまたは5xx)は課金されません。1ページとは、PDFの1ページまたは画像1枚を指します。DOCXの場合は、3,000文字までが1ページとして数えられます。Google Cloudの新規のお客様には、Google Cloud Free Programにより$300の無料クレジットが提供されます。

料金は、2026年11月10日にベンダーの料金ページで確認しました。Document AI pricingをご覧ください。

主な機能

GoogleのDocument AIドキュメントに記載されている、Enterprise Document OCRの機能は次のとおりです。

  • 200を超える言語の印刷文字と手書き文字に対応し、BCP-47の言語ヒントを指定可能
  • 埋め込まれたデジタルテキストとOCRを統合するネイティブPDF解析
  • ぼやけ、反射、テキストの途切れなど8種類の不具合を示す画像品質スコア(0〜1)
  • 数式OCRアドオン:数式をバウンディングボックス付きのLaTeXで返す
  • チェックボックス抽出アドオン:チェック済み・未チェックのチェックボックスとラジオボタンを抽出
  • フォントスタイルアドオン:単語単位のフォントの種類、太さ、色、太字、斜体
  • シンボル単位の出力、ページ範囲の選択、文字ボックス内の文字検出
  • 最大5,000ファイル、1ドキュメントあたり500ページのバッチジョブ

Google Document AI OCRが最適なユーザー

Google Cloudを利用する開発者やデータチームのうち、スキャン、FAX、フォーム、写真から大量のテキストを抽出する必要があり、月500万ページを超えると大きく下がるページ単位の料金を求める方に適しています。画像品質スコアは、読み取れないスキャンを担当者に振り分ける際に役立ち、数式やチェックボックスのアドオンは通常のOCRでは対応できないケースをカバーします。これはアプリではなくAPIです。たまに使う方向けのアップロード・ダウンロード用インターフェースはありません。

生のテキストではなく表やキーと値のペアが必要な場合は、Google自身のForm ParserやLayout Parserを、Amazon TextractやAzure AI Document Intelligenceと比較してください。特にすでにAWSやAzureを利用している場合に有効です。複雑なPDFからLLM向けのMarkdownを得たい場合は、LlamaParseをご検討ください。ページ単位の課金がない無料のセルフホスト型OCRであれば、オープンソースの標準的な選択肢はTesseractです。

ユーザーの声

公開されている比較では、GoogleのOCRはクラウド各社の中で上位に位置づけられていますが、Enterprise Document OCR単体を検証したものはほとんどありません。競合の抽出ツールを販売しており、自社でテストは行っていないImageToTable.aiの2026年の比較では、外部のベンチマークを引用して、印刷文字の精度を約95%としており、すでに利用しているクラウドを選ぶことを推奨しています。また、2025年の請求書ベンチマークを引用し、請求書の明細行や表ではGoogleがAzureやTextractに劣ると報告しています。一般的には、導入を決める前に、自社のドキュメントで比較検証を行うことが推奨されています。

長所

  • ページ単価が低く、500万ページを超えると1,000ページあたり$0.60に下がる
  • 最初の1,000ページは無料で、Google Cloudの新規アカウントには$300のクレジットが付与される
  • 手書き文字と200を超える言語に対応
  • 画像品質スコアにより、読み取れないスキャンを見つけやすい
  • v2プロセッサで数式、チェックボックス、フォントスタイルのアドオンを利用可能

短所

  • API専用:利用にはGoogle Cloudプロジェクトとコードが必要
  • オンラインリクエストは15ページまで。それより長いファイルにはバッチジョブが必要
  • 表やキーと値のフィールドには、より高価なプロセッサが必要(1,000ページあたり$10〜$30)
  • ヘブライ語やタイ語を含む12言語では手書き文字に非対応

よくある質問

Google Document AI OCRの料金はいくらですか?

Enterprise Document OCRの料金は、月間1,000ページから500万ページまでは1,000ページあたり$1.50、それを超える分は1,000ページあたり$0.60です。最初の1,000ページは無料です。OCRアドオンは1,000ページあたり$6.00です。料金は2026年11月10日に確認しました。

Google Document AI OCRは無料ですか?

一部のみ無料です。料金表では最初の1,000ページが無料とされており、Google Cloudの新規のお客様には$300の無料クレジットが提供されます。それ以降はページ単位の課金となり、無制限の無料プランはありません。

Enterprise Document OCRはどのファイル形式に対応していますか?

PDF、GIF、TIFF、JPEG、PNG、BMP、WebPに対応しています。DOCXのサポートは非公開プレビューで、同期リクエストでは最大15ページ、非同期リクエストでは最大30ページです。

Google Document AIは手書き文字を読み取れますか?

はい、対応しているほとんどの言語で読み取れます。Googleの言語表では、アルメニア語、グジャラート語、ヘブライ語、カンナダ語、クメール語、ラオ語、マラヤーラム語、パンジャーブ語、タミル語、テルグ語、タイ語、イディッシュ語で手書き文字が非対応とされています。

1リクエストあたりのページ数の上限はいくつですか?

オンラインリクエストは最大15ページ、40 MBまでです(イメージレスモードでは30ページ)。バッチリクエストは、1ドキュメントあたり最大500ページ、ファイルは最大1 GB、1リクエストあたり最大5,000ファイルまで処理できます。

Document AI OCRとForm Parserの違いは何ですか?

Enterprise Document OCRは、1,000ページあたり$1.50でテキストとレイアウトを返します。Form Parserは、キーと値のペア、表、チェックボックスも構造化フィールドとして抽出し、100万ページまでは1,000ページあたり$30です。Layout Parserは1,000ページあたり$10で、ドキュメントの構造と、検索用のチャンクを返します。

Cloud Vision APIと比べてどうですか?

どちらもGoogle Cloudが提供しています。Document AIのEnterprise Document OCRはドキュメント向けのプロセッサで、画像品質スコア、ネイティブPDF解析、数式OCRやチェックボックス抽出などのアドオン、複数ページのドキュメントのバッチ処理を備えています。

代替製品を比較

Google Document AI OCR

無料プランあり · $0.60から · API

この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。

1日1通 · 2クリックで解除 · サードパーティのトラッキングなし