Google Cloud Vision

まず、Google Cloud SDKをインストールし、プロジェクトをセットアップして認証しておく必要があります。

• Google Cloud SDKをインストールする: https://cloud.google.com/sdk/docs/install

• gcloud initコマンドでプロジェクトをセットアップする: https://cloud.google.com/sdk/gcloud/reference/init

• サービスアカウントキーを作成: https://cloud.google.com/docs/authentication/getting-started

  • プロジェクトへのアクセス権限を付与するには、サービス アカウントに Project > Owner ロールを付与します。

  • ロールを付与するには、ロールを選択 リストを見つけて、Project > Owner を選択します。

    • 翻訳されてて検索にヒットしない罠
    • 

• 環境変数GOOGLE_APPLICATION_CREDENTIALSにパスを設定する:

以下のコードでGoogle Cloud Vision APIを使ってOCRを実行できます。

python

import os
from google.cloud import vision
from PIL import Image

os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "/path/to/your/service-account-key.json"

def ocr_image(image_path):
    client = vision.ImageAnnotatorClient()

    with open(image_path, 'rb') as image_file:
        content = image_file.read()

    image = vision.Image(content=content)
    response = client.text_detection(image=image)
    texts = response.text_annotations

    if texts:
        return texts[0].description
    else:
        return ""

def ocr_readable_images(images_dir):
    ocr_texts = []
    for image_name in sorted(os.listdir(images_dir)):
        if image_name.startswith("readable_page"):
            image_path = os.path.join(images_dir, image_name)
            ocr_text = ocr_image(image_path)
            ocr_texts.append(ocr_text)
    return ocr_texts

if __name__ == '__main__':
    images_dir = 'output/images'
    ocr_texts = ocr_readable_images(images_dir)
    for i, text in enumerate(ocr_texts):
        print(f'Page {i+1}:\n{text}\n{"="*40}')

- `$ pip install google-cloud-vision` - `PermissionDenied: 403 Cloud Vision API has not been used in project 573408197915 before or it is disabled. Enable it by visiting https://console.developers.google.com/apis/api/vision.googleapis.com/overview?project=... then retry.` -  - `PermissionDenied: 403 This API method requires billing to be enabled. Please enable billing on project` - OK - input -  - output -  - [price](https://cloud.google.com/vision/pricing) - 

• 大体1リクエスト1秒ちょい掛かる
• レートリミットは1分に1800なので、30並列くらいできそう

Google Cloud Vision, Cloud Vision