DifyでOCRを活用する方法：画像入力から確認フローまでの実践ガイド

OCR（光学文字認識）は、画像に写った文字を、検索や加工ができるテキストへ変換する技術です。

DifyとOCRを組み合わせると、画像の受け付け、文字抽出、項目整理、利用者による確認、保存や外部連携までを一つの流れとして設計できます。

ただし、OCRで文字を読めたことと、請求先や金額を正しく判定できたことは別です。

この記事では、DifyでOCRを扱う基本手順と、実務で欠かせない確認方法を、請求書処理の例に沿って説明します。

OCRとDifyの役割を分けて考える

OCRは画像から文字列を取り出し、Difyは入力と処理をつないで結果を次の工程へ渡します。

Difyの役割を先に整理しておくと、文字認識の誤りとワークフロー設計の問題を切り分けやすくなります。

DifyでOCRを扱うときの処理

段階	役割	確認すること
画像入力	利用者から画像ファイルを受け付ける	ファイル形式と読みやすさ
文字抽出	OCRサービスで画像をテキストへ変換する	文字抜けや誤認識の有無
項目整理	必要な情報を決めた形式に整える	原文にない値が混ざっていないか
確認	利用者が画像と抽出結果を照合する	修正が必要な項目
保存と連携	確認済みの情報を次の処理へ渡す	渡し先と失敗時の扱い

Difyを含むノーコード系ツールの得意分野を整理したい場合は、DifyとBubbleの役割を比較した記事も参考になります。

作り始める前に決めること

最初に、OCRへ渡す画像と、処理後に必要な情報を具体化します。

• 対象画像：請求書、申込書、メモなど、受け付ける文書を決めます。
• 必要項目：請求先、金額、日付など、後工程で使う項目を絞ります。
• 確認方法：誰が原画像と抽出結果を照合し、修正するかを決めます。
• 失敗時の扱い：文字を取得できない場合や必要項目が欠けた場合の処理を決めます。
• 情報の取り扱い：個人情報や機密情報を含む画像を、どこまで送信してよいか確認します。

必要項目を先に決めると、OCRの長い出力をそのまま保存せず、業務に使う情報だけを確認できます。

DifyにOCRを組み込む手順

1．画像を受け付ける入力を作る

Difyでワークフローを作成し、利用者が画像を追加できるファイル入力を設定します。

1. 新しいワークフローを作成します。
2. ユーザー入力にファイル項目を追加します。
3. 受け付けるファイルを画像に絞り、JPEGやPNGなど必要な形式を指定します。
4. 「請求書画像」のように、用途が分かる入力名を付けます。

入力名を具体的にすると、後続の処理で参照する画像を取り違えにくくなります。

2．OCRサービスへ画像を渡す

次に、利用するOCRサービスやツールをワークフローから呼び出し、アップロードされた画像を渡します。

この段階の出力は、請求先や金額に分かれた完成データではなく、画像から読み取った文字列です。

呼び出し方法、認証、入力形式、返却形式は採用するOCRによって異なるため、接続時にはそのサービスの仕様を確認します。

3．抽出テキストを必要な項目に整理する

OCRの出力から、業務で使う項目を取り出します。

請求書であれば、請求先、金額、日付などを項目ごとに分け、利用者が確認しやすい形に整えます。

DifyのLLMノードを使う場合も、結果は確定値ではなく確認前の候補として扱います。

文字が読めない項目や見つからない項目は、推測で埋めず、未取得だと分かる状態で次へ渡します。

4．確認後に保存または連携する

抽出結果を利用者へ表示し、原画像と照合してから保存や外部連携へ進めます。

修正できる手順を設けておけば、OCRの誤認識をそのまま会計処理などへ渡す事態を避けやすくなります。

外部システムへ送る場合は、送信成功だけでなく、失敗時の再確認や再実行も決めておきます。

請求書処理の流れ

請求書を扱うワークフローは、次の五段階に分けると確認箇所が明確になります。

1. 利用者が請求書画像をアップロードします。
2. OCRで画像から文字列を抽出します。
3. 請求先、金額、日付などを項目ごとに整理します。
4. 利用者が原画像と各項目を照合し、必要なら修正します。
5. 確認済みの情報だけを保存し、必要なシステムへ渡します。

この流れでは、文字抽出そのものよりも、四段階目の確認が業務上の誤りを抑える役割を持ちます。

精度と安全性を保つ確認項目

• 画像品質：ぼやけ、影、傾き、切れがある画像は、撮り直しや再アップロードを促します。
• 文字配置：手書き文字や複雑な配置を含む文書では、誤認識を前提に確認範囲を広げます。
• エラー処理：空の結果、処理失敗、必要項目の欠落を、成功した結果と区別します。
• 人による確認：金額や日付など後工程へ影響する項目は、原画像と照合します。
• セキュリティ：個人情報や機密情報を扱う場合は、送信先、保存先、閲覧できる人を確認します。

PDFを含む文書の扱いと変換後の点検については、PDFをテキスト化する方法と確認手順で詳しく説明しています。

公開前に試すケース

正常な画像だけで試すと、運用開始後のつまずきを見落とします。

• 文字が鮮明な通常の画像
• 少し傾いた画像や一部が暗い画像
• 必要項目が記載されていない画像
• 画像以外のファイルが選ばれた場合
• OCRサービスから結果が返らない場合

各ケースで、利用者に何を伝え、どこからやり直せるかまで確認します。

DifyとOCRを実務で使うための要点

DifyとOCRを組み合わせると、画像入力から文字抽出、その後の整理や連携までを一つのワークフローにまとめられます。

一方で、OCRの出力をそのまま正しい業務データとして扱うことはできません。

必要項目を先に決め、未取得を区別し、原画像との確認を経てから保存する設計が実用化の土台になります。

この記事に関連する株式会社greedenの取り組み

画像の文字を業務で使うには、抽出後の確認や既存システムへの受け渡しまで設計する必要があります。株式会社greedenは、生成AIを用いた施策について、業務整理から開発、運用定着まで支援しています。