Warning
このプロジェクトは現在開発途中です。大幅な実装変更の可能性があります。近日中に公開予定の v0 バージョンのリリースをお待ちください。
AutoExtract は OCR + Bedrock を活用した帳票読み取りの AI-OCR ソリューションです。帳票からの情報抽出を半自動化し、人間によるデータ入力チェックをサポートするツールです。
デモ（OCR エンジンとして Yomitoku を使用）
デプロイの際は、事前に Node.js、Docker のインストールが必要です。
- AWS コンソールにログインし、Bedrock サービスに移動
- リージョンを
バージニア北部（us-east-1）に変更 - 以下のモデルへのアクセスを有効化：
- Anthropic Claude Sonnet 4
cdk.json にて、使用する Bedrock モデルの ID とリージョンを指定することができます。モデルの ID は Amazon Bedrock でサポートされている基盤モデル を参照してください。また、使用するモデルを変更する場合は、上記のステップと同様にモデルアクセスを有効化する必要があります。
"model_id": "us.anthropic.claude-sonnet-4-20250514-v1:0",
"model_region": "us-east-1",
cdk.json にて、使用する OCR エンジンを指定することができます。
"ocr_engine": "paddle", // "paddle" または "deepseek"
paddle: PaddleOCR（デフォルト）deepseek: DeepSeek OCR
CDK デプロイの際に必要な依存パッケージのインストールします。
npm ci新規の AWS アカウント/リージョンで初めて CDK を使用する場合は、以下のコマンドを実行してください。
cdk bootstrapAWS リソースのデプロイを行います。リソースの変更を行った際は毎回このコマンドを実行してください。
cdk deployデプロイ後に出力される OcrAppStack.WebConstructCloudFrontURL の URL にアクセスすることで、Web サイトにアクセスできます。
削除するとリソースとデータは完全に消去されるので注意してください。
cdk destroyデフォルトでは OCR エンジンとして PaddleOCR を利用していますが、高精度の日本語 OCR エンジン「Yomitoku」に切り替えることも可能です。Yomitokuの場合は、AWS Marketplace からサブスクライブした後、利用することが可能です。利用方法としては、ocr.py における SageMaker Endpoint の呼び出しにおいて、Yomitoku の SageMaker Endpoint を指定します。また、Inference Component の記述をコメントアウトする必要があります。DeepSeek OCR に切り替えたい場合は、OCR エンジンへの変更(PaddleOCR or DeepSeek OCR) をご参照ください。
また、GitHub で公開されている Yomitoku を利用して、本サンプルを動作させることも可能です。実装例についてはこちらを参照してください。
Warning
GitHub 版の Yomitoku は CC BY-NC-SA 4.0 ライセンスが適用されます（詳細）。このライセンスでは商用利用が制限されているため、ご注意ください。
- 環境変数の設定
cdk deploy コマンドの実行後、出力されるリソース情報を利用してアプリケーションの環境変数を設定します。
出力例:
Outputs:
OcrAppStack.ApiApiEndpointE2C5D803 = https://XXXXXXXXXXXX.execute-api.us-east-2.amazonaws.com/prod/
OcrAppStack.ApiDocumentBucketName14F33E89 = ocrappstack-apidocumentbucket1e0f08d4-XXXXXXXXXXXX
OcrAppStack.ApiImagesTableName87FC28D3 = OcrAppStack-DatabaseImagesTable3098F792-XXXXXXXXXXXX
OcrAppStack.ApiJobsTableName16618860 = OcrAppStack-DatabaseJobsTable7C20F61C-XXXXXXXXXXXX
OcrAppStack.ApiOcrApiEndpoint94C64180 = https://XXXXXXXXXXXX.execute-api.us-east-2.amazonaws.com/prod/
OcrAppStack.AuthUserPoolClientId8216BF9A = XXXXXXXXXXXX
OcrAppStack.AuthUserPoolIdC0605E59 = us-east-2_XXXXXXXXXXXX
OcrAppStack.DatabaseImagesTableName88591548 = OcrAppStack-DatabaseImagesTable3098F792-XXXXXXXXXXXX
OcrAppStack.DatabaseJobsTableNameFCF442A2 = OcrAppStack-DatabaseJobsTable7C20F61C-XXXXXXXXXXXX
OcrAppStack.DatabaseSchemasTableNameCF14F20C = OcrAppStack-DatabaseSchemasTable97CF304A-XXXXXXXXXXXX
OcrAppStack.OcrEndpointDockerImageUriDFE2281D = XXXXXXXXXXXX.dkr.ecr.us-east-2.amazonaws.com/cdk-hnb659fds-container-assets-XXXXXXXXXXXX-us-east-2:XXXXXXXXXXXX
OcrAppStack.OcrEndpointSageMakerEndpointName031E6036 = OcrEndpointEFA18CB8-XXXXXXXXXXXX
OcrAppStack.OcrEndpointSageMakerInferenceComponentNameAD008265 = ocr-inference-component
OcrAppStack.OcrEndpointSageMakerRoleArn4F9772E2 = arn:aws:iam::XXXXXXXXXXXX:role/OcrAppStack-OcrEndpointSageMakerExecutionRoleF2F0DF-XXXXXXXXXXXX
OcrAppStack.WebConstructCloudFrontURL2550F65B = https://XXXXXXXXXXXX.cloudfront.net
Stack ARN:
arn:aws:cloudformation:us-east-2:XXXXXXXXXXXX:stack/OcrAppStack/XXXXXXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX
この出力情報を基に、プロジェクトルートの web ディレクトリにある .env.sample ファイルを参考にして、新規に .env ファイルを作成します。
- 環境変数ファイルの設定例
.env.sample ファイルをコピーして .env ファイルを作成し、以下のように cdk deploy の出力値を使って設定します：
VITE_APP_USER_POOL_CLIENT_ID=XXXXXXXXXXXX # AuthUserPoolClientId の値
VITE_APP_USER_POOL_ID=us-east-2_XXXXXXXXXXXX # AuthUserPoolId の値
VITE_APP_REGION=us-east-2 # リージョン名（デプロイしたリージョン）
VITE_API_BASE_URL=https://XXXXXXXXXXXX.execute-api.us-east-2.amazonaws.com/prod/ # ApiOcrApiEndpoint の値
VITE_ENABLE_OCR=true # OCR機能の有効化- ローカル開発サーバーの起動
環境変数の設定が完了したら、以下のコマンドでローカル開発サーバーを起動できます：
cd web
npm install
npm run devブラウザで http://localhost:3000 を開くと、アプリケーションにアクセスできます。
See CONTRIBUTING for more information.
This library is licensed under the MIT-0 License. See the LICENSE file.
![@dependabot[bot]](https://avatars.githubusercontent.com/in/29110?s=64&v=4){kind=small}
