⚖️
OCR総合比較 — API vs オープンソース vs ファインチューニング、何を使うべきか
3つのアプローチの精度・コスト・セキュリティ・難易度・保守を1枚で比較
3つのアプローチ
1. API → 画像をGoogle/Azureに送信、テキストを受信
2. セルフホスト → EasyOCR/PaddleOCRを自サーバーで実行
3. ファインチューニング → TrOCR/manga-ocrを自データで追加訓練
5軸比較
| 軸 | API | セルフホスト | ファインチューニング |
|---|---|---|---|
| 精度 | ★★★★★ | ★★★☆☆ | ★★★★☆ |
| コスト | ページ課金 | サーバーのみ | サーバー+訓練 |
| セキュリティ | ❌ 外部送信 | ✅ ローカル | ✅ ローカル |
| 難易度 | ★☆☆☆☆ | ★★☆☆☆ | ★★★☆☆ |
| 保守 | プロバイダ管理 | 自分で更新 | 自分で再訓練 |
意思決定フロー
機密？→ YES → セルフホスト/ファインチューニング。GPU？→ YES → Sarashina2.2。NO → PaddleOCR。
機密？→ NO → API可能。少量？→ Google Vision。大量？→ セルフホストの方が安い。
キーコンセプト
1
API（★☆☆☆☆）— APIキー発行だけで即使用。モデル管理不要
2
セルフホスティング（★★☆☆☆）— pip install+3行。無料。セキュアだがサーバー管理必要
3
ファインチューニング（★★★☆☆）— データ数百個+Trainer.train()。特殊ドメインでAPIを上回る
4
機密文書→ローカル（セルフホスト/ファインチューニング）、非機密→API可能
5
実践では文書タイプ別に混ぜて使う — 非機密はAPI、機密はローカル
ユースケース
OCRアーキテクチャ設計 — 機密性・コスト・精度基準で最適組み合わせ選択
コスト最適化 — 少量はAPI、大量はセルフホスティングで分岐点計算
セキュリティコンプライアンス — 機密文書処理時のローカル実行必須要件充足