AWSのOCRサービス完全ガイド：Textract、Rekognition、Comprehendの使い分け

AWSのOCRサービスとは

AWSが提供するOCR（光学文字認識）サービスは、ビジネスのデジタル化を加速させる重要なツールです。主に以下の3つのサービスがあります：

Amazon Textract
- PDFや画像からのテキスト抽出に特化
- S3と連携した大量文書の処理が可能
- フォームや表形式データの構造化抽出
Amazon Rekognition
- 画像・動画分析がメイン機能
- リアルタイムの文字認識が可能
- クラウドネイティブな統合性
Amazon Comprehend
- 抽出されたテキストの意味理解
- 自然言語処理による高度な分析
- マルチ言語対応

各サービスの特徴と使い分け

Amazon Textract

最適な用途：
- 請求書や領収書の自動処理
- フォームデータのデジタル化
- 大量の文書からのデータ抽出
主な機能：
- 表形式データの抽出
- キーバリューペアの認識
- PDFドキュメントの処理

Amazon Textractのリージョン対応状況

推奨リージョンの選び方：

日本国内向けサービスの場合

アジアパシフィック（シンガポール）
- 東京リージョンが未対応のため、地理的に最も近い
- 安定した低レイテンシー
- 日本との時差が少ない

グローバルサービスの場合

米国東部（バージニア北部）
- AWSの最大リージョン
- 最も安定している
- 料金が比較的安価
- 新機能が最も早く導入される

AWS Textractを使用したNode.jsアプリケーション

AWS SDK Textractのインストール

npm install @aws-sdk/client-textract

IAM権限の設定
必要なIAMポリシー:

AmazonTextractFullAccess

AWS SDK for JavaScriptを使用して下記の実装が可能です

const { TextractClient, DetectDocumentTextCommand } = require('@aws-sdk/client-textract');

// Textractクライアントの初期化
const textractClient = new TextractClient({
  region: 'リージョン',
  credentials: {
    accessKeyId: 'アクセスキー',
    secretAccessKey: 'シークレットキー'
  }
});

// OCR処理のエンドポイント
app.post('/api/ocr', upload.single('file'), async (req, res) => {
  try {
    // 1. ファイルの検証
    if (!req.file) {
      return res.status(400).json({ error: 'ファイルが提供されていません' });
    }

    // 2. 画像形式のチェック
    const allowedMimeTypes = ['image/jpeg', 'image/jpg', 'image/png'];
    if (!allowedMimeTypes.includes(req.file.mimetype)) {
      return res.status(400).json({ 
        error: 'サポートされていないファイル形式です。JPEG, PNGのみ対応' 
      });
    }

    // 3. S3へのアップロード
    const fileKey = `uploads/ocr-${Date.now()}-${req.file.originalname}`;
    await s3Client.send(new PutObjectCommand({
      Bucket: 'バケット名',
      Key: fileKey,
      Body: req.file.buffer
    }));

    // 4. Textractによる文字認識
    const textractResponse = await textractClient.send(new DetectDocumentTextCommand({
      Document: {
        S3Object: {
          Bucket: 'バケット名',
          Name: fileKey
        }
      }
    }));

    // 5. 認識結果の整形
    const extractedText = textractResponse.Blocks
      .filter(block => block.BlockType === 'LINE')
      .map(block => block.Text)
      .join('\n');

    res.json({
      success: true,
      text: extractedText
    });

  } catch (error) {
    res.status(500).json({ error: 'OCR処理に失敗しました' });
  }
});

PDFの処理が難しい理由

構造の複雑さ

テキスト、画像、表が混在
複数のレイヤーが重なり合っている
ページごとに異なるレイアウト

Textractの特別な設定

AWS SDK for JavaScript (v3) の Textract Client 内の別のコマンドAnalyzeDocumentCommandが必要になります。

特別な設定（FeatureTypes）が必要
同期・非同期の使い分けが必要

実用面の課題

処理時間が画像より大幅に長い
複数ページの処理が必要
コストが画像処理より高額

Amazon Rekognition

最適な用途：
- 商品ラベルの読み取り
- 看板やポスターの文字認識
- 動画内のテキスト検出
主な機能：
- リアルタイム文字認識
- 多言語テキスト検出
- 画像内の複数テキスト認識

Amazon Comprehend

最適な用途：
- 文書の自動分類
- 重要情報の抽出
- センチメント分析
主な機能：
- エンティティ認識
- キーフレーズ抽出
- 文書分類

導入時の注意点とベストプラクティス

ストレージの考慮
- S3との連携が推奨
- 適切なIAMロール設定
- データ保持期間の設定
コスト最適化
- 処理量に応じたスケーリング
- バッチ処理の活用
- 無駄なAPI呼び出しの削減
セキュリティ対策
- データ暗号化の実装
- アクセス権限の適切な設定
- 監査ログの有効化

料金比較

サービスごとの料金体系（概算）：

Textract：ページ単位の課金
Rekognition：画像/動画の処理時間による課金
Comprehend：処理したテキスト量による課金