スキャンPDFをAIで読むときは、アップロードできること、ページ画像を処理できること、必要な値を正しく取り出せることを分けて確認します。ファイル容量の条件だけで選ばず、利用するチャット・API・OCR変換の経路と、元ページへ戻る確認方法を決めてください。
会話で短いPDFを確認するならClaudeのページ条件、システムへ組み込むならGemini APIやOpenAI APIのPDF入力、先に検索できる文字を作りたいならOCR変換を確認します。これは公式仕様に基づく条件の整理です。同じPDFを各製品へ投入して精度・速度・料金を比較した結果ではありません。
目次
文字を取り出したいか、表の位置も読みたいかを決める
PDFには、文字データを持つページ、画像だけのページ、OCRの文字層が重なったページが混在する場合があります。文字を選択・コピーできるかは確認の入口ですが、選択できることだけで文字の正しさや読み順は決まりません。
表は横にスクロールできます
| 読みたい内容 | 最初に確認するもの | 出力で残すもの |
|---|---|---|
| 本文の文字 | テキスト層またはOCR | 元ページと抜粋 |
| 表の数値 | 列見出し、行見出し、セルの位置 | 項目名・値・単位・ページ |
| 注釈や図 | ページ画像を扱える経路 | 図と本文の対応、読めない箇所 |
| 特定の型番 | 文字の形と周囲のラベル | 原表記と確認状態 |
本文の要約だけを先に作ると、表の列が入れ替わっていても自然な文章になります。最初は必要な項目を少数取り出し、元ページと照合する計画を作ります。
候補は、入力経路をそろえて比較する
2026年10月20日に確認した公式情報では、次のように分けられます。
表は横にスクロールできます
| 経路 | 公式情報で確認した範囲 | 別に確認する条件 |
|---|---|---|
| ClaudeへのPDFアップロード | 100ページ以下は文字と視覚要素。101～1000ページは文字のみ | チャットとProjectの容量、抽出内容、対象アカウント |
| Gemini APIのPDF入力 | PDFを視覚入力として扱い、最大1000ページの文書を案内 | 50MBのファイル条件、モデル、入力方法、コンテキスト |
| OpenAI Responses APIのPDF入力 | 視覚対応モデルでは抽出文字とページ画像を入力 | 対応モデル、1ファイル50MB未満・要求内合計50MBの条件 |
| Google DriveからDocsへ変換 | PDFや画像を文字へ変換 | ファイル準備、表・列などの構造保持 |
この表は、同じ機能の上限を横並びにした性能表ではありません。チャット、API、文字変換は操作と目的が異なります。APIの上限をGeminiの一般向けアプリやChatGPTのプランへ、そのまま当てはめないでください。
会話で読むなら、Claudeの視覚処理条件を確認する
Claude公式のファイル説明（新しいタブで開く）は、100ページ以下のPDFで画像・図表なども分析し、101～1000ページでは文字だけを処理すると説明しています。アップロードできるページ数と、視覚要素を扱う範囲が違います。
例えば300ページの画像だけのPDFは、1000ページ以内という条件だけで、ページ画像を読めると判断しません。対象ページを抜き出して確認する場合も、元ファイル名、元のページ位置、抜き出した順序を残します。分割後のページ1が原本のどこか分からなくなると、回答を照合できません。
同公式は、質問では印刷されたページ番号ではなくPDFビューアーのページ番号を使うよう案内しています。印刷番号も必要なら、両方を別欄にして混同を防ぎます。
APIへ組み込むなら、PDF入力の方式を確認する
Gemini APIのDocument understanding（新しいタブで開く）は、文字だけでなく画像・図表を含むPDFを視覚的に処理する経路を案内しています。ファイルの容量とページ数に加え、利用モデルとコンテキスト、入力方法を確認します。ページ数だけで処理が必ず成立するとは扱いません。
OpenAI公式のFile inputs（新しいタブで開く）では、Responses APIのPDF入力について、視覚対応モデルへ抽出文字とページ画像を渡すと説明しています。ページ画像も入力に含まれるため、入力トークンと費用の確認が必要です。文字だけの抽出や検索用の取り込みと同じ経路だと推測しません。
この記事ではAPIを呼んでいません。既存のチャット契約とAPIの利用条件も分け、実装を始める前に必要なモデル、入力方法、データの取り扱い、費用を確認します。ChatGPTを使う場合は、APIの説明で判断せず、利用中の製品・プランとPDFの渡し方を別に確認してください。
先にOCRする場合も、表が復元したとは限らない
Google Driveの公式変換手順（新しいタブで開く）は、ファイルをGoogleドキュメントで開いて文字へ変換する方法を案内しています。準備の推奨として2MB以下、文字の高さ10ピクセル以上、正しい向きなどを示しています。
同手順は、表・列・脚注などが検出されない可能性も明記しています。OCR後に文字列が取得できても、表の項目と値の対応を検査する必要があります。文字化けしていないことだけで、数値が正しい列へ入ったと判断しないでください。
文字変換が目的ならOCRは選択肢です。一方、図や注釈の位置が判断に必要なら、元画像も残して確認します。OCR済みPDFも、元画像と文字層の内容が一致しているかを重要項目で確かめます。
抽出候補を、項目名と元ページで照合する
次は、正解を設定して作った手製の比較例です。実際のPDF画像やOCR出力ではありません。PDFビューアーのページ3、印刷番号2という架空条件で、項目の照合方法を示します。
表は横にスクロールできます
| 項目 | 比較用に設定した原表記 | 手製の抽出候補 | 確認結果 |
|---|---|---|---|
| 品目コード | AB-01 | AB-O1 | 数字の0と英字Oが違う |
| 数量 | 8 | 3 | 数字が違う |
| 単価 | 1,500円 | 1,500円 | この項目は一致 |
| 行の合計 | 12,000円 | 12,000円 | この項目は一致 |
比較用の原値では8 × 1,500 = 12,000です。候補の3 × 1,500は4,500となり、候補の合計12,000と整合しません。この不一致は元ページへ戻る手掛かりです。合計に合わせて数量を自動で8へ直したり、合計を4,500へ上書きしたりする根拠にはしません。
値が一致して見えても、別の行の値を抜いた可能性は残ります。品目コード、数量、単価、合計を同じ行の組として確かめ、必要なら表の見出しと周囲の注記も確認します。
最初の確認では、要約より取得項目を固定する
対象PDFの必要な項目を、元ページへ戻れる形で整理してください。
最初に対象ファイルとPDFビューアーのページ番号を明記してください。
印刷ページ番号があれば、別欄に残してください。
指定項目ごとに、項目名、原表記の候補、単位、表の行・列、根拠位置を返してください。
読めない文字は推測で確定せず、読めない範囲と確認事項を示してください。
数量・単価・合計の計算を照合しても、不一致の値を勝手に修正しないでください。
対象外ページや未確認項目を、確認済みと扱わないでください。
全文の要約や業務上の確定判断は、項目照合の後に分けて行います。
入力：［許可されたPDFと、確認するページ・項目］。
複数候補を試すなら、同じ原本の版、ページ、質問、確認項目で比べます。文章の自然さだけでなく、誤読、項目の取り違え、欠落、読めないと報告できた箇所を記録します。少数項目の確認から、文書全体の完全性や全製品の性能順位へ一般化しません。
この原稿で実施したのは公式条件の確認と手製例の照合です。PDFのアップロード、OCR、ページ画像の実測、各製品の精度・費用・速度の比較は行っていません。
参考資料
- Claude：Upload files to Claude（新しいタブで開く）
- Google：Gemini API Document understanding（新しいタブで開く）
- OpenAI：File inputs（新しいタブで開く）
- Google Drive：PDFや写真のファイルをテキストに変換する（新しいタブで開く）
公式資料の確認日：2026年10月20日。製品の条件と、手製例・実際の利用結果を区別しています。各アカウントでの利用可否、PDF処理、OCR精度、課金、画面表示は未検証です。
