紙の文書やスキャンされたPDFには、文字ではなくピクセルとしてテキストが保存されます。光学文字認識（OCR）は、これらの画像を機械が読み取れるテキストに変換し、検索、編集、自動処理を可能にします。

初期のシステムは、個々のフォントのテンプレートを照合していた。現代のシステムは、数百万枚のテキスト画像で学習させたニューラルネットワークを使用している。そのため、手書き文字、傾いたスキャン画像、混在したレイアウトなどを、以前のシステムよりもはるかに高い精度で処理できる。

一般的なOCRアプリケーション

• 歴史的アーカイブのデジタル化
• 請求書と領収書の処理
• ナンバープレートの読み取り
• 写真から標識を翻訳する
• スキャンした文書へのアクセス

精度は画像品質に左右されます。ぼやけたスキャン画像、特殊なフォント、低コントラストなどは、いずれも結果を悪化させます。言語モデルを用いた後処理によって多くのエラーは修正されますが、難しい入力データでは完璧な抽出は依然として困難です。