#ocr のAIニュース

Amazon Nova で画像内の個人情報を自動的に赤塗り処理

Amazon が提供する AI モデル「Nova」を用いて、画像に含まれる個人情報（PII）を自動で検出・隠蔽する機能を導入した。これにより、GDPR や PCI DSS などの規制遵守が容易になる。

百度、長文解析向け KV キャッシュを一定に保つ 3B モデル「Unlimited OCR」を発表

百度は、出力が増加してもメモリ使用量が一定となる「Reference Sliding Window Attention」を採用した 3B パラメータモデル「Unlimited OCR」を発表し、長文の OCR 処理を高速化した。

Unlimited OCR Works（GitHub リポジトリ）

DeepSeek OCR をベースに定数 KV キャッシュ設計を組み合わせ、人間の作業記憶を模倣する「Unlimited OCR」モデルが開発された。この技術により、32K の最大長制限下で数十ページの文書を単一の順次処理で転写可能となり、音声認識や翻訳タスクにも応用できる。

Mistral OCR 4：文書知能のための最先端 OCR ツール（9 分読了）

Mistral は、170 か国語に対応し、エンタープライズ検索や構造化データパイプラインに統合可能な文書知能ツール「OCR 4」をリリースした。同ツールは単一コンテナで展開可能であり、低リソース言語を含む高精度な抽出と他システムより 4 倍の高速処理を実現している。

Mistral OCR 4 が引用対応の構造化出力を RAG、エージェント型、企業検索パイプラインに提供

Mistral AI は最新ドキュメント理解モデル「OCR 4」を発表し、抽出テキストに境界ボックスやブロック分類、信頼度スコアを追加した。このモデルは 170 か国語に対応し、自己完結型デプロイが可能で、企業検索や RAG パイプラインの ingestion コンポーネントとして機能する。

Hugging Face に PP-OCRv6 を公開：150 万パラメータから 3450 万パラメータへ拡張した 50 カ国語対応 OCR

Hugging Face が、PP-OCRv6 モデルを公開しました。このモデルは、パラメータ数を 150 万から 3450 万に増やすことで、50 の言語に対応する高精度な OCR（光学文字認識）機能を実現しています。

Pool の新アプリがスクリーンショットを有用な情報に変換

スタートアップの Pool が、ユーザーのスクリーンショットから自動的に情報を抽出し、整理して活用できる新アプリを発表した。

「使いこなす」より「使いまくる」！情シスの生成AI活用事例10選

文章を話すだけで済むと書類作成はより良くなる（1 分読了）

TLDR AI は、会話を通じて書類を作成できる機能により、文書作成の質が向上すると紹介している。

PaddleOCR 3.5：Transformers バックエンドによる OCR および文書解析タスクの実行

Hugging Face が、PaddleOCR 3.5 の新機能として Transformers ベースバックエンドの導入を発表し、OCR や文書解析タスクの実行が可能になったことを示した。

Sun Finance、AWS上で生成AIを活用しID抽出と不正検出を自動化

サン・ファイナンスグループは、AWS上で生成AIを導入することで、従来のOCRでは困難だった大量の身分証処理における抽出エラーを削減し、手動レビューや不正検出の負荷を大幅に軽減した。

合成データを用いた高速多言語OCRモデルの構築

研究者が合成データを活用して、高速で多言語対応の光学文字認識（OCR）モデルを開発した。この手法は、従来のデータ収集の課題を克服し、複数言語でのテキスト認識の効率化を実現している。

Rocket CloseがAmazon BedrockとAmazon Textractで住宅ローン書類処理を変革

Rocket Close社は、Amazon BedrockとAmazon Textractを活用し、住宅ローン書類処理の手動プロセスを効率的な自動化ソリューションに変革した。

PDFの図表はRAGで扱えるのか？6つの方法で検証して分かった“現実的な最適解”

本記事は、PDF内の図表をRAGで扱うための6つの手法（テキスト抽出・LLMによるOCR・マルチモーダルEmbedding等）を精度・コスト・処理時間の観点から比較検証し、実務で使える現実的な最適解を整理した。

バイトゥー千帆チーム、40億パラメータの統一文書知能モデル「Qianfan-OCR」を公開

バイトゥー千帆チームは40億パラメータの文書知能モデル「Qianfan-OCR」を公開した。単一アーキテクチャで画像からマークダウンへ直接変換し、表抽出や文書QAなどを実行する。

年明け後、なぜさらに痩せたのか？

百度のAI「文心一言」が、業界トップ企業のシステム最適化（「痩身」）を支援したことを報告している。

Jamboardを導入しました

Googleの電子ホワイトボード「Jamboard」が日本で購入可能になり、コーポレートエンジニアリング部門が導入を発表しました。