> For the complete documentation index, see [llms.txt](https://docs.cherryai.com.cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cherryai.com.cn/docs/jp/pre-basic/settings/doc-process.md).

# 文書処理

簡単に言うと：**これは Cherry Studio の「PDF / 画像 / スキャン文書の文字認識」を行う中央設定です。**

たとえば、次のようなことはすべてこれに依存します：

* スキャンした契約書 PDF をチャット欄にドラッグして、AI に内容を読ませたい
* 画像形式の請求書をたくさん[ナレッジベース](/docs/jp/knowledge-base/knowledge-base.md)に入れて、あとで検索できるようにしたい
* あなたの [Agent](/docs/jp/cherry-studio/preview/agent.md) ローカルフォルダ内のあるスクリーンショットを開いて分析したい

これらのシーンの裏では、まず「画像内の文字」を「AI が読める文字」に変える必要があり、この手順は技術的には **OCR**（Optical Character Recognition、光学文字認識）。

Cherry Studio では OCR の設定をすべて**1つの設定ページ**にまとめています：ここで一度設定すれば、OCR を使うすべての場所で同じ設定が使われます。

### 設定の入口

開く `設定 → 文書処理`に由来する：

<figure><img src="/files/713708874cd369518bdf883c57984fc5532b788e" alt=""><figcaption><p>文書処理設定パネル</p></figcaption></figure>

このパネルは「画像の文字認識」と「PDF 解析」の2つに分かれています。

#### 1. OCR サービス — 画像の文字認識

対象：画像（スクリーンショット、スキャン文書）、AI に読ませる前に文字として認識する必要がある内容。

* **macOS**：「システム OCR」を選ぶだけで、**追加設定は不要です**。システム標準の画像認識機能を利用し、オフライン・無料 ✅
* **Windows**：「システム OCR」を選べばすぐ使えます。英語 / 中国語以外の言語を認識する場合は、Windows で対応する言語パックをダウンロードする必要があります
* **Linux / 上級者向け**：Tesseract、Paddle OCR、OpenVINO などを選択可能

<details>

<summary>OCR エンジンの比較</summary>

| エンジン           | 向いている人                                                         |
| -------------- | -------------------------------------------------------------- |
| **システム OCR**   | 最もシンプルで、設定不要。通常は十分な精度                                          |
| **Tesseract**  | 定番のオープンソース OCR。Cherry Studio に内蔵されており、言語のカスタマイズに対応             |
| **Paddle OCR** | 中国語の認識精度がより高い（Baidu のオープンソース）。「星河コミュニティのアクセストークン + API URL」が必要 |
| **OpenVINO**   | Intel GPU で高速化可能                                               |

迷ったら既定のシステム OCR を使い、認識結果がよくない場合に切り替えてください。

</details>

#### 2. 文書処理サービス提供元 — PDF / 複雑な文書を構造化解析するため

対象：表 / 複数カラム / スキャンページ付きの PDF、長文ドキュメント。普通のテキストのみの PDF はそのまま読めるので、ここを通す必要はありません。

| サービス提供元              | 簡単な説明                                                                                           |
| -------------------- | ----------------------------------------------------------------------------------------------- |
| **MinerU**（デフォルト）    | 無料のクラウドサービスで、複雑なレイアウトの PDF（学術論文、契約書など）に特化。 [mineru.net](https://mineru.net) で登録して API Key を取得する |
| **Paddle OCR**       | オフライン方案で、星河コミュニティのアクセストークンの設定が必要                                                                |
| **サードパーティ Provider** | 設定済みの AI サービス提供元のビジョンモデルを呼び出して認識する（より賢いが有料）                                                     |

### MinerU を設定する（既定方案）

1. で **API Key** 欄には MinerU で取得した key を入力
2. **API Host** 既定のまま `https://mineru.net`
3. ナレッジベースや Agent に切り替える際、追加設定は不要で、ここでの設定が自動的に使用されます

### ナレッジベースとの関係

* 文書処理は「非テキスト → テキスト」のこの工程だけを担当します
* 変換後のテキストはそのまま [埋め込みモデル](/docs/jp/knowledge-base/emb-models-info.md) ベクトル化、格納
* ナレッジベースでの「有効化」手順の詳細は [ナレッジベースの文書前処理](/docs/jp/knowledge-base/document-preprocessing.md)

### 設定が不要な場合

* ナレッジベースにプレーンテキスト（`.md` / `.txt` / `.docx` の純粋なテキスト段落）だけを取り込む → 文書処理を完全に通りません
* チャット機能だけを使い、ファイルを送らない → 同上

### ヒントとコツ

* MinerU は表や複数カラムのレイアウトを含む PDF で Tesseract より大幅に優れており、学術論文などでは第一候補です
* オフライン環境では Paddle OCR または Tesseract を使ってください（ネットワークなしでも動作します）
* 処理器を切り替えたあと、以前にベクトル化した資料は **自動では再処理されません** —— 手動で再インポートする必要があります

***

### 💡 ヘルプの取得とフィードバックの送信

設定や使用の過程で疑問、Bug、機能改善の提案がある場合は、 [フィードバックと提案](/docs/jp/question-contact/suggestions.md) に記載の公式チャネルをご参照ください。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.cherryai.com.cn/docs/jp/pre-basic/settings/doc-process.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.