2年分(2.28GB)の紙資料をAI-OCR(Claude Vision)でデータ化したところ、実際の請求額は$29.37(約¥4,691、1GBあたり約¥2,058)だった。1ページにつき最大2回のAPI呼び出し(OCR本体+誤読補正)が主なコスト要因。大量投入前に少量で試験投入し、実費を確認することを推奨する。
社内に長年蓄積されてきた紙媒体の専門誌バックナンバーがあり、これをAIチャットで検索・引用できる状態にしたいと考えました。まずは直近2年分(2025年・2026年発行分、合計2.28GB)を試験的にデータ化することにしました。
結論から言うと、この2年分の処理だけで**Anthropicへの実際の請求額は$29.37(約¥4,691、当時のレート159.69円/ドルで換算)**でした。何にそのお金がかかったのか、正直に書きます。
PDFからテキストを抽出する処理自体は、最初はシンプルに考えていました。ところが、デザイン性の高い特集記事のページで、本文が一切抽出できないケースが見つかりました。
具体的には、表組みのページで、テキスト抽出ツール(pdfjs-dist)にかけても、ページ番号の「27」という数字以外何も取得できませんでした。高解像度で目視確認しても、隠れた画像やテキストは存在せず、表の文字は完全にアウトライン化された図形(ベクター図形)として埋め込まれていたのです。つまり、見た目には文字があるのに、プログラム的には「そこに文字は存在しない」ページでした。
このため、抽出結果が極端に短いページ(300文字未満)だけを対象に、ページを画像としてレンダリングし、Claudeの画像認識(Vision)機能で文字を読み取らせる仕組みを追加しました。
さらに、OCRで読み取った直後のテキストには、読み取りミスによる不自然な日本語(意味の通らない助詞や語尾の混在)が残ることがあったため、もう一段階、Claudeに「明らかにおかしい箇所だけを自然な日本語に補正させる」処理も追加しました。
つまり、対象ページ1ページにつき、最大で2回Claude APIを呼び出す構成になっていました。
2年分のデータをまとめて投入した際、Anthropic Consoleの利用状況を見ると、特定の1〜2日だけトークン使用量が突出しているのがわかりました。その日だけで数百万トークン規模の消費です。
画像を読み込ませるVision APIの呼び出しは、通常のテキストのみのやり取りに比べてトークン消費が大きくなります。それを1ページにつき最大2回、対象ページ数分繰り返した結果が、この使用量でした。
Anthropic Consoleの「Cost」ページで該当期間(2026/8/26〜8/27)を確認したところ、実際の請求額は**$29.37**。当時のレート(159.69円/ドル)で換算すると、約¥4,691でした。
データ量で割ると、1GBあたり約¥2,058という計算になります。
金額そのものは想定の範囲内でしたが、処理時間と将来的なコストの見通しのために、いくつか対策を入れました。
将来的には、直近2年分だけでなく、より長期のバックナンバーを投入する計画もあります。今回の実測値(2年分・2.28GB・¥4,691)から単純に比例計算すると、仮に10倍の期間・データ量になった場合、コストも概算で10倍程度(¥47,000前後)になる可能性があります。
ただし、これはあくまで単純比例の試算です。実際には号によってデザインの凝ったページの比率が異なり、OCRが発生する割合も変わるため、実際の金額はこれより増減する可能性があります。大量投入を計画する場合は、まず一部だけで試験投入し、実費を確認してから全体の予算を見積もることをおすすめします。
同じように紙資料のデジタル化を検討している方の参考になれば幸いです。
PDFの中に、文字がアウトライン化された図形として埋め込まれていて、通常のテキスト抽出ツールでは一切読み取れないページがあったためです。ページを画像として読み込ませ、Claudeの画像認識機能で文字を読み取らせるフォールバック処理を追加しました。
🎤音声アシスタント向け: テキスト抽出できないページがあったため、画像認識でOCRするフォールバックとしてClaudeを使いました。
1回目はOCR本体(画像から文字を読み取る処理)、2回目は読み取り結果に含まれる不自然な日本語を補正する処理です。OCR単体では読み取りミスによる不自然な文章が残ることがあったため、品質を上げるために補正処理を追加しました。
🎤音声アシスタント向け: 1回目がOCR本体、2回目が誤読の補正で、合わせて2回API呼び出しをしていました。
2年分(2.28GB)のデータを処理した実費は$29.37でした。当時のレート(159.69円/ドル)で換算すると約¥4,691、1GBあたりに換算すると約¥2,058です。
🎤音声アシスタント向け: 2年分・2.28GBの処理で、実費は約4,691円でした。
1ファイルあたりのOCR実行ページ数に上限を設ける、OCR対象ページを並列処理する、画像圧縮の品質を調整する、といった対策を行いました。金額自体は想定の範囲内でしたが、処理時間と将来のコスト見通しのために実施しました。
🎤音声アシスタント向け: ページ数の上限設定、並列処理、画像圧縮の調整といった対策を行いました。
2年分の実測値から単純比例で試算すると、10倍の期間なら費用も概算で10倍程度になる可能性がありますが、これはあくまで単純計算です。号によってデザインの凝ったページの比率が異なるため、実際の金額は変動します。大量投入前に少量で試験投入し、実費を確認することをおすすめします。
🎤音声アシスタント向け: 単純比例では10倍程度になる可能性がありますが、実際は号によって変動するため、少量での試験投入をおすすめします。
