# Tesseract・EasyOCRのローカルCPU実測（req-20261022-065）

2026-10-28、このMacで実行した。対象IDは `tesseract-easyocr-local-hikaku`。鍵・ログイン・有料API・買い物は使っていない。公開モデルを取得した後のOCRはローカルCPUで実行した。公開・X投稿・git commitは行っていない。

## 測定条件と範囲

同じ自作の日英混在5行を、同じ1600×600ピクセルのRGB PNG3枚に描いた。`clear44` は44pxの黒文字、`clear24` は24pxの黒文字、`gray24` は24px・RGB(160,160,160)の灰色文字で、背景はすべて白。フォントはMac内のヒラギノ角ゴシック W3・index 0。使用フォントのSHA256、文字位置、原文、描画条件を corpus.json に残した。氏名・連絡文・請求番号はこの検証のための自作文で、実在の文書を使っていない。

環境は macOS 27.2 arm64、Python 3.12.16、tesserocr 2.12.0同梱のTesseract 5.5.3 / Leptonica 1.87.0、EasyOCR 1.7.2、PyTorch 2.14.1。CPU機種名・搭載メモリは取得していない（sysctlの読み取りが実行環境で制限されたため）。両ツールは同じ物理Macで逐次実行し、OMP・BLAS・Accelerate系の環境変数、PyTorchのintra/inter-op、OpenCVを1スレッドに設定した。EasyOCRのモデルパラメータがすべてcpuにあることも実行時に確認した。バックグラウンド負荷・温度・電源状態は制御していない。

- TesseractはtesserocrからC++ APIを直接呼び、`jpn+eng`、tessdata_fastの公開モデル、LSTMのみ（OEM 1）、単一ブロック（PSM 6）を使用。モデルはrevision `87416418657359cb625c412a48b6e1d6d41c29bd` に固定した。学習を無効にし、各回後にClearとClearAdaptiveClassifierを呼んだ。Homebrew版CLIの起動時間の比較ではない。
- EasyOCRは `Reader(['ja','en'], gpu=False)`、CRAFT検出器とjapanese_g2認識モデル、既定の動的量子化を使用。`readtext` はgreedy、batch_size=1、workers=0、detail=1、paragraph=Falseで、その他は1.7.2既定値。独自モデルの訓練・文字補正・ツール別の画像前処理はしていない。
- 各画像×各ツールを1回ずつウォームアップした後、5回ずつ本測定した（本測定30回、ウォームアップ6回）。奇数回はTesseract→EasyOCR、偶数回は逆順。各回は同じPNGを読み込む。画像間の順はclear44→clear24→gray24で固定した。
- `perf_counter_ns()`で、PNGのローカル読み込み、PillowによるRGB展開、NumPy配列化、エンジンへの受け渡し、OCRと文字列・詳細結果取得までを計時した。モデル取得、モデルロード、import、正解との採点、結果保存、各回後のTesseractのClearは含まない。EasyOCRの文字結合までを含む。両方とも常駐モデルなので、最初の利用開始までの総時間とは異なる。

## この検体での結果

時間は5回の中央値と最小〜最大の秒数。CERと一致文字数は各条件の5回ですべて同じだった。反復は同じ画像の時間の揺れを見るためで、独立した文書が15件あるという意味ではない。小さい文字や灰色の方が良い結果になった条件も、この1文・このモデルの結果に限る。

| 検体 | ツール | 中央値（秒） | 最小〜最大（秒） | 一致/正解（文字） | 置換 | 削除 | 挿入 | CER（%） |
|---|---|---:|---:|---:|---:|---:|---:|---:|
| clear44 | tesseract | 0.223986209 | 0.148349125〜0.274396292 | 142/143 | 1 | 0 | 0 | 0.6993006993006993 |
| clear44 | easyocr | 3.073658917 | 1.76319〜4.143909375 | 135/143 | 3 | 5 | 0 | 5.594405594405594 |
| clear24 | tesseract | 0.276921625 | 0.145182792〜0.324299333 | 143/143 | 0 | 0 | 0 | 0.0 |
| clear24 | easyocr | 3.513704958 | 1.871291292〜8.395688917 | 135/143 | 1 | 7 | 0 | 5.594405594405594 |
| gray24 | tesseract | 0.171268416 | 0.137386167〜0.237895125 | 143/143 | 0 | 0 | 0 | 0.0 |
| gray24 | easyocr | 2.273667416 | 1.842721084〜3.303481167 | 137/143 | 0 | 6 | 0 | 4.195804195804196 |

Tesseractのclear44では英数字行のカンマ1文字がピリオドになった。EasyOCRでは句読点の欠落に加え、clear44とclear24で別の置換・削除もあった。全文・検出座標・confidence・最短編集アラインメントをraw.jsonに保存している。全30回の秒数と文字数はtrials.csvでも読める。時間の揺れが大きいため、他のMacや別の画像でも同じ差になるとは結論しない。

## 正解と採点

正解はtruth.txt。正解とOCR原文の両方をUnicode NFKCにした後、`str.isspace()`に当たる空白・改行をすべて除いた。全角数字や全角コロンなど、NFKCで同一になる差と空白の有無は誤りに含めない。大文字小文字・それ以外の句読点は保持する。正規化後の正解は143文字。

CERは文字単位のLevenshtein最短編集距離を143で割って100倍した値（100%で打ち切らない）。置換S・削除D・挿入Iを別に残し、距離=S+D+Iとする。同点の最短アラインメントは一致→置換→削除→挿入の順で確定する。「正しく読めた文字数」はそのアラインメントの一致数=143-S-D。挿入は別記なので、143-編集距離と常に同じとは限らない。EasyOCRは返却順で文字を結合し、返却順の読み違いもこの採点に入る。CERの全文単位の結果と、このフォント以外での一般的なOCR品質は区別する。

## 取得・初回ロードの分離

公開モデルは専用の一時ディレクトリに取得した。取得時刻、ダウンロード秒数、展開込み所要ns、受信バイト数、モデルのSHA256を `setup.downloads` に記録した。EasyOCRのモデルは公式設定のMD5とも一致した。パッケージの導入時間は測定していない。

両エンジンの初回モデルロード時間は `setup.model_loading`、importは `setup.package_import_ns`、初回画像処理は `warmups` に分けた。これらを本測定の秒数に足していない。モデルのロードとOCRの間は `download_enabled=False` とPythonのsocket/urllib接続禁止を設定して実行した。Python経由の接続を禁止した実行であり、OS全体の通信監査を行ったという意味ではない。

## 限界

印刷を模した自作の単段落・横書き3画像での文字転記精度と処理時間だけを測った。写真、実際の紙のスキャン、手書き、縦書き、表、複数段組み、傾き、ぼけ、別フォント、長文、実務文書全体の品質は測っていない。外部推論やLLMの回答品質は測っていない。GPU/MPS、CLIのcold start、メモリ、電力、料金の比較もしていない。ネット掲載のベンチマークの転載は使っていない。

## ファイルと台帳

raw.jsonが一次データで、原文・正規化後テキスト・各文字の編集対応・全試行・初期化・モデル情報を含む。trials.csvは本測定30回を同じ値で展開したもの。corpus.json、truth.txt、3枚のinput.pngが入力、requirements.txtが依存固定表、replay.txtが実行したPythonコード。manifest.jsonは自身以外の全成果物のSHA256とバイト数を列挙する。

同名ファイルをmeasurements/とpublic/measurements/に同一バイトで保存した。台帳は対象IDのみを追加し、各回の秒数と条件ごとの初回のCER・一致文字数・総文字数・置換/削除/挿入/編集距離を、raw.jsonへのidentity・tolerance 0で登録する。小数を丸めず、生値の文字列表現の桁数をroundingに使う。この表の中央値はJSON/CSVの該当5値から再計算できる。

## 引き継ぎと手で回す道

再測定時は既存成果物を上書きしない。Python 3.12を使って、書き込み可能な別の一時場所に新しいvenvを作る。次の例のパスは空いている場所へ置き換える。

```bash
python3.12 -m venv /private/tmp/ocr-repeat-env
/private/tmp/ocr-repeat-env/bin/python -m pip install -r measurements/tesseract-easyocr-local-2026-10-28-req065-a1-requirements.txt
/private/tmp/ocr-repeat-env/bin/python measurements/tesseract-easyocr-local-2026-10-28-req065-a1-replay.txt --output /private/tmp/ocr-repeat-results --assets /private/tmp/ocr-repeat-models --input-dir measurements
```

replay.txtは拡張子を許可形式に合わせたPythonコードで、そのままPythonで実行できる。`--output` が既存なら止まる。`--input-dir measurements` は元のPNG・正解・corpusをそのまま再利用するので、フォントや描画ライブラリの変化を避けられる。接頭辞を変えずに再実行し、出力ディレクトリは別にする。画像を生成し直す場合だけ `--input-dir` を省く。Macの当該フォントが必要で、フォントファイル自体は配布しない。

モデルがキャッシュ済みの場合、取得時間はnull、cached=trueになる。新しいダウンロードの時間を測り直すには空の `--assets` を指定する。実行後は新しい出力のraw.jsonとCSVを読んで比較できる。台帳・公開側への複製・manifest作成はreplayに含めていない。今回の検査とcommitは依頼元の親に引き継ぐ。

## 公式参照

モデルや設定の確認に用いた一次資料。以下の掲載値を実測値として転記したものではない。

- [Tesseract公式導入手順](https://tesseract-ocr.github.io/tessdoc/Installation.html)
- [tessdata_fast公式リポジトリ](https://github.com/tesseract-ocr/tessdata_fast)
- [tesserocrの同梱ライブラリとAPI](https://github.com/sirfz/tesserocr)
- [EasyOCR公式リポジトリ・CPU指定](https://github.com/JaidedAI/EasyOCR)
- [EasyOCR公式モデル一覧](https://www.jaided.ai/easyocr/modelhub/)
