はじめに 皆さん如何お過ごしでしょうか？ 最近はどの技術記事もAI一色で食傷気味の長嶋です。 さて本日は、個人開発しているデスクトップアプリ Karui に PDF 圧縮機能を載せてみたら意外と深い穴にハマったので、 その記録です。 ちなみにこのKaruiは Tauri v2で実装されており、Win/Mac両対応のデスクトップ画像圧縮アプリです。Tauriについては以前の記事で書いております。 そして最初に結論。 8 種類のテスト PDF（公文書 / LaTeX 論文 / Word / Excel / PowerPoint / 学術ジャーナル等）の 全件で Ghostscript の /ebook プリセットを上回りました。 「Ghostscript」 が分からない人もいると思うので、 そこから書きます。 そもそも Ghostscript（gs）って? PDF 圧縮ツールといえば Smal
You buy a great technical book. You read it once. Three months later you can't remember chapter 7 existed. The usual workarounds don't help: 📄 "Let me just search the PDF" → you get a list of pages, not answers 🧠 "I'll ask Claude about this book" → it either hallucinates or says it doesn't have the content 📝 "I'll take notes as I read" → you end up with a 200-line doc you never open again book-
本日 4月11日より、技術書典20 が開催されていますね。（※オフライン開催は 4月12日） 私も今回サークル参加して、Jujutsu をテーマにした本を新刊として出しています。 これまでも私はいくつか本を出しているのですが、今回は初めて構想段階から執筆・校正・組版までに AI を本格的に導入しました。おかげで締め切りには余裕を持って間に合い、内容のクオリティもかなり底上げできたと感じています。 試行錯誤しながら自分なりのスタイルが確立できたので、ここでその知見を共有したいと思います。 調査・確認に使った AI Jujutsu の本なのでまず Jujutsu について、それに加えて Git やその他のバージョン管理システムについて、正確な情報を調査しなければなりませんでした。また執筆中にも随時、正しい仕様を確認する必要に迫られます。 その用途に使ったのは、主に以下の 3 つです。 Note
はじめに フクロウラボの渋谷です。 LLM を活用する中で、PDF や Word、PowerPoint などの資料をそのまま扱いづらいと感じたことはないでしょうか。 テキストを抽出すること自体はできても、レイアウトが崩れたり、表や見出しといった文書構造が失われたりすると、内容を十分に活かせないことがあります。LLM の精度を高めるには、単に文字列を取り出すだけでなく、文書の構造をできる限り保ったまま扱うことが重要です。 そこで今回は、この課題の解決に役立つツールとして、Docling（ドックリング） を紹介します。 Docling とは？ Docling は、IBM Research Zurich 発のオープンソース文書変換ライブラリです。PDF や Word、PowerPoint などの文書を、構造を保ったまま Markdown や JSON などの形式に変換できます。 単なるテキスト抽
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 数日でこの記事の手法を大幅改良し、NotebookLMでの手動処理が完全に不要になったので別記事にしました。 新しく読む方は新しい記事をおすすめします。 →【全自動に超進化】100ページ超のPDF要件定義書も余裕！Antigravityだけで一気に設計書に落とし込む！ AntigravityとNotebookLMで大規模PDF仕様書から大規模Wordドキュメントを作成するワークフロー 大規模な要件定義書や仕様書（数百ページのPDFなど）をAIに読み込ませ、そこからシステム設計書や提案書などの新規ドキュメントを自動生成させたい。 通常、こ
2026/01/04 追記 SQLiteのmigrationsが実行されない不具合があったため修正しました。最新版をpullするか、修正済みのrelease版をダウンロードしてご利用ください。 https://github.com/togatoga/pedaru/releases こんにちは、@togatogaです。検索とRustが好きなソフトウェアエンジニアです。 私は技術書を読むのが好きです。近年はAIやLLMのサービスの発展により和訳や解説を手軽に得られるようになったこともありPDF形式で技術書を購入することが増えました。しかし、既存のPDFリーダーには私が欲しい機能が不足しており、読書体験があまり良くありませんでした。 私がPDFリーダーに求めている要件は以下の通りです。 前のページの図表や文章を見つつ、今のページを読みたい（特に数ページ前の内容を参照したい場合） 巻末の答えや解説
日常の開発業務において、開発者は軽量な Markdown 文書を、フォーマットが固定され共有しやすい PDF ファイルに変換するニーズが頻繁に生じます。本記事では、Spire.Doc for .NET ライブラリを活用し、C# コードにより Markdown から PDF への効率的な変換を実現する方法を詳しく解説し、基本的な手順から応用例まで網羅しています。 環境準備（クイックセットアップ） Spire.Doc for .NET は .NET Framework/.NET Core/.NET 5+ をサポートし、Windows/Linux/macOS とクロスプラットフォームに対応しています。主なインストール方法は NuGet を使用するもので、以下のコマンドで簡単に導入可能です： 基本変換：コア原理とコードの詳細解説 1. コアロジック Spire.Doc による Markdown か
データ事業本部の松村です。 皆さんはdraw.io使ってますか？ 私も特にAWS構成図を描くのに非常に愛用していましたが、せっかく作った図がMicrosoft Officeのドキュメント内に綺麗に貼れないのが悩みでした。 もちろんPNGなどのイメージにしてから貼り付けることはできるんですが、せっかくだから描画オブジェクトとして貼り付けたい！という願いを持っていました。試行錯誤の結果、他のツールの力を借りてうまくいったので書き残しておきます。 ちなみにですが、なぜこれでうまくいくかの原理は良くわかっていないため、手順のみのご紹介になります。 投稿中のスクショはWindowsのものですが、macOSでも同様の手順で再現可能です。 draw.ioのイメージをPDFとして書き出す 題材として、draw.ioのテンプレートとして付属されているこのAWS構成図を使ってみます。 これを、メニューの[ファ
先日、OpenSignという電子契約サービスを公開しました。 サービスの構想から公開まで約４ヶ月、ほぼすべての修正をCoding Agent経由で行いました。最初の１週間で概ね形になったものをお客様に売れるレベルに引き上げるのに、残りの（ほぼ）４ヶ月が必要だったという感覚でした。 AI時代に小さな会社が新規サービスを立ち上げた振り返りを書いていきます。 2025/07/10 自分の課題を解決する 株式会社ティヒは2023年に創業し、商業登記簿API登記くんを中心としたサービスを展開しています。社員が１名の小さな企業です。 登記くんを運営する中で、お客様との契約には電子契約サービスを利用していました。事業が軌道に乗り始め、お客様と契約をする機会が増えていざ有料プランを比較してみると、月額8千円〜1万円＋１件100円〜（しかも年払いのみの場合も！）という強気の設定に驚きました。 電子契約サービ
はじめに PDFファイルに保存されているメタデータ内には、作成者名が含まれており、不用意に配布すると個人名の流出となりそうです。PDFファイルにどういった情報が保存されているのかを調査しつつ、閲覧するソフトを作ってみました。 有料版のAdobe、Acrobatを使用すれば、簡単に確認できますが、せっかくだし実装です。 環境 Windows11 Pro VisualStudio 2022 使用言語 C# Adobe Acrobatでの確認方法 PDFファイルを開いて、左上の「メニュー」から「文書のプロパティ」を選択で確認できます。 せいぜい個人名程度で、気にすることないかなと思いつつ、せっかくなのでソフト作ってみます。 ライブラリ PDF関連のライブラリとしては、 itext Aspose pdfSharpCore の3つがありました。他にもありましたけど、とりあえず。 itext/Aspo
まとめ Googleスライドやそのテンプレートを作る人は、ページ設定から解像度を上げよう そうすると、Speaker Deckにアップロードするときなどに画像や文字の品質が上がる 本編 Googleスライドを新しく作成するとき、自然とアスペクト比が16:9の設定になっているかと思いますが、これが実際にどのぐらいのサイズなのかを気にしたことはありますか？ そもそも、Googleスライドの縦横サイズは、ファイルメニューの中にある「ページ設定」で確認・変更することができます。 デフォルトだと以下の通り「ワイドスクリーン（16:9）」になっているのですが、ここから「カスタム」に変えて単位も変えてみると、「ワイドスクリーン（16:9）」というのは960*540pxであることがわかります。現代でもデフォルトがFull HDになっているわけではないのです。 画面に映してスライドショーをする分にはこの設定
IDチームの小森です。 CADDi プロダクトチーム Advent Calendar 2024の18日目の記事になります。 いよいよ年の瀬ですが、皆さんは年初に立てた目標などを達成できましたでしょうか。 私はずぼらなので年初の目標など立てたことはないのですが、今年ようやく5年越しの取り組みに一区切りをつけ、誓いを果たすことができました。 私事ですが、人生3冊目の著書『[改訂新版] プロになるためのWeb技術入門』を2024年11月28日に刊行しました。 おかげさまで好評をいただいております。 本エントリーでは、技術書執筆の技術的な側面について、私が取り組んできたことを紹介したいと思います。 技術書執筆に用いるマークアップ言語 大規模技術文書に必要な要件 Antoraの採用 Antoraによる執筆 Antoraによる出力の実際 複数バージョンドキュメントの生成 Antoraによるサイトジェネ
はじめに最近、LLMへのRAGを用いた文書データの連携等を目的に海外を中心にOCRや文書画像解析技術に関連する新しいサービスが活発にリリースされています。 しかし、その多くは日本語をメインターゲットに開発されているわけではありません。日本語文書は、英数字に加えて、ひらがな、漢字、記号など数千種類の文字を識別する必要があったり、縦書きなど日本語ドキュメント特有のレイアウトに対処する必要があったりと日本語特有の難しさがあります。 ですが、今後、海外の開発者がこれらの課題に対処するため、日本のドキュメント画像解析に特化したものをリリースする可能性は低く、やはり自国の言語向けのサービスは自国のエンジニアが開発すべきだと筆者は考えています。 もちろん、Azure Document Intelligenceをはじめとした、クラウドサービスのドキュメント解析サービスはありますが、クラウドを利用できないユ
ここで知った。 試しに、神戸市が公開している観光に関する統計・調査資料のうち、「令和5年度 神戸市観光動向調査結果について」のPDFで一度試していたのだけども: （出典） 神戸市Webサイトの「観光に関する統計・調査」のページ 上記にある「令和5年度 神戸市観光動向調査結果について」のPDF 日本語でも、概ね問題なく、表などもきれいにパースされる ただし、表が画像 になってる場合に、うまく解釈されない（表は解釈されるが、中の文字が化ける） OCRが正しくできていない可能性 というのがあって、ドキュメント読んだけどわからなくて、それ以上深追いしてなかった。 ただ、X界隈を見る限りは評判は良さそうで、いろいろ記事も出てきたみたいなので、改めて試してみる。 GitHubレポジトリ ドキュメント Docling Doclingは、ドキュメントを解析し、簡単かつ迅速に希望の形式にエクスポートします。
Deutsch, English, Filipino, Indonesia, Nederlands, Tiếng Việt, Türkçe, català, dansk, español, español (Latinoamérica), français, hrvatski, italiano, latviešu, lietuvių, magyar, norsk, polski, português (Brasil), português (Portugal), română, slovenčina, slovenščina, suomi, svenska, čeština, Ελληνικά, български, русский, српски, українська, עברית, العربية, فارسی, हिन्दी, ไทย, 中文（中国）, 中文（台
Google、PDF論文を劇的に読みやすくするChrome拡張「Google Scholar PDF Reader」 米Googleが「Google Scholar PDF Reader」というPDF形式の論文を読みやすくするChromeブラウザ拡張機能の提供を開始した。 プラットフォームやOSに依存せず、クリーンで、文章の構造が一貫しているPDFは、学術文書の標準的なフォーマットとして広く利用されている。しかし、一方で、引用されている他の文献にジャンプするのが難しかったり、あるいは特定のセクションを閲覧したくても、PDFの構造上、簡単に移動できないなど、閲覧性に関して不便と感じる面もある。Googleは「Google Scholar」という学術論文の検索エンジンを提供している。シンプルで分かりやすい画面構成で、良質な学術文書を効率的に見つけられるサービスである。Scholar PDF R
RAGは非常に有用なツールですが、PDFの論文などを扱う際には、表データを正しく読み取れない場合があります。 表の構造を適切に処理することは難しく、いくつかの改善策が提案されています。 例えば、RAGを構築するのに使われるライブラリであるLlamaIndexのドキュメントに以下のような情報があります。 このドキュメントでは表を含むデータを扱う方法として、PDFを一旦すべて画像データに変換し、画像として表の形式を保持したままGPT-4Vでデータを解析することを提案しています。 ただ、PDF1ページ分の画像をそのままGPT-4Vに解析させても精度はあまり良くないようで、後述するTable Transformerを使って表部分の画像のみ抽出してから解析を行うことで、より良い結果が得られたのことでした。 本記事では、この方法を用いてPDF内の表の解析を試してみます。 手順としては 1. PDFの全
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
