対応フォーマットと現在の制限

「任意の形式 → Markdown/PDF」は単体の画像ファイルからテキストを読み取ることができません——この変換タイプにはOCRが組み込まれていないためです。変換自体はエラーにならず成功しますが、結果は空になります。代わりに、専用の「画像 → Markdown（OCR）」変換機能をお使いください。これは文書内にすでに埋め込まれている画像（例：Wordファイルに貼り付けられた写真）とは別の話で、埋め込み画像は「任意の形式 → Markdown/PDF」で正しく保持されます——ただし1つ例外があります：PDFソースの場合です。次の質問をご覧ください。

現在、英語・繁体字中国語・日本語の3つの言語モードに対応しており、画像の内容に合った言語を選ぶことで最も高い精度が得られます。複数言語が混在する内容向けに「自動検出」モードもありますが、3言語を同時に処理するため、正しい単一言語を選んだ場合より精度が明らかに下がります。精度は解像度よりも「レイアウトがシンプルかどうか」に大きく左右されます——スキャンされた文書やプレーンテキストのスクリーンショットは非常に良い結果になりますが、アプリやWebサイトの画面のスクリーンショット（アイコン、カラフルなボタンやバッジ、埋め込み写真がテキストと混在しているもの）は精度が大きく下がります。アイコンのすぐ隣にあるテキストが丸ごと認識されなかったり、アイコン自体が文字化けとして誤認識されたりすることがあります。結果が文字化けのように見える場合、原因が画像のレイアウトの複雑さにあることが多く、言語を変えても改善しないことがあります。認識前にすべての画像を自動で補正しており（コントラスト調整、小さい画像の拡大）、多くの場合で効果がありますが、認識の信頼度が低い結果は履歴画面で警告表示されるため、文字化けを正しい内容だと誤解することはありません——ただし、レイアウトが本当に複雑なスクリーンショットについては、結果を下書き程度として扱い、そのまま正解として使わないことをおすすめします。この複雑なUIスクリーンショットのケース向けに「高精度」エンジンオプション（4クレジット、有料クレジットのみ）も用意されています——アイコン付近のテキスト認識が大幅に改善され、埋め込み写真をテキストと正しく区別できますが、自動的な信頼度チェックがないため（デフォルトエンジンのように結果の品質が低い場合の警告は表示されません）、小さなテキスト要素を見落とすこともあります。このエンジンには言語選択はありません。

PDFがスキャンされたページや画像のみで構成されていて、選択可能なテキスト層がない場合、「任意の形式 → Markdown/PDF」には文字認識（OCR）機能がないため内容を抽出できません。該当ページの結果は空、または不完全になります。代わりに専用の「PDF → Markdown（OCR）」変換機能をお使いください。まさにこのケースのために作られています。

これは基盤となる変換ライブラリの実際の制限であり、バグではありません。Word や PowerPoint のソースファイルは埋め込み画像が保持されます（インラインBase64として）が、PDFのソースファイルでは、元のファイルでの埋め込み方法に関わらず、決して保持されません——このライブラリのPDF変換器はテキストと表の抽出のみを行い、画像抽出の機能は一切ありません。現時点で「任意の形式 → Markdown/PDF」内でのこの問題の回避策はありません。PDFがスキャンまたは画像のみで構成されている場合、「PDF → Markdown（OCR）」は別の問題を解決する別のツールです——ページ全体に対して改めてOCRを実行するもので、テキストの横にある写真やイラストを保持するための代替手段ではありません。

「画像 → Markdown（OCR）」のTesseractとは異なるエンジン（MinerU）を使用しています——文書レイアウトの解析に特化したエンジンで、単なるテキスト抽出ではなく、見出し・表・（複数段組みを含む）正しい読み順の再構築を目指します。他の変換タイプより処理の重いエンジンを使うため、必要なクレジットも多くなります。これはスキャンまたは画像のみのPDF専用です——すでにテキストを選択できるPDFの場合は「任意の形式 → Markdown」をご利用ください（より速く、クレジット消費も少なくなります）。「画像 → Markdown（OCR）」と同様、システムの確信度が低い結果には誤りが含まれる可能性があります。出力は質の良い下書きとして扱い、特にレイアウトが複雑な文書では重要な内容を必ず確認してください。

「任意の形式 → Markdown」「任意の形式 → PDF」「画像 → Markdown（OCR）」「PDF → Markdown（OCR）」の4つの変換タイプは同じ上限を共有しています：ファイル1つあたり500MB。この上限はアップロード時点でチェックされ、超過したファイルはクレジットを消費する前に拒否されます。ダッシュボードでも大きすぎるファイルを選ぶとすぐに警告が表示されます。「Markdown → PDF」は仕組みが異なり、ファイルアップロードではなく貼り付け・入力したテキスト内容を使います（.mdファイルで事前入力することも可能）。実質的な上限はBase64埋め込み画像を含めて約20MBのコンテンツサイズです。

現時点で確実に対応しているのは新しい.pptx形式のみです。旧バイナリ形式の.pptはまだ検証されていません——PowerPointで一度.pptx形式として保存し直してから、そのファイルをアップロードしてください。

Markdown → PDFは貼り付けた、または書いたテキスト内容しか受け取らず、お使いのコンピューター上のファイルにはアクセスできません。代わりに画像URLを使うか、画像をBase64に変換して内容に直接貼り付けてください（ダッシュボードに変換ツールが内蔵されています）。