광학 문자 인식(OCR)
광학 문자 인식(optical character recognition, OCR)은 스캔한 페이지, 사진, 스크린샷 같은 이미지에서 텍스트를 읽어, 검색하거나 복사하거나 모델에 넣을 수 있는 기계 판독 문자로 바꾸는 소프트웨어입니다.
다른 이름: OCR
작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식
스캔한 계약서는 텍스트가 아니라 그림입니다. OCR을 돌리기 전까지 검색 인덱스나 언어 모델은 그 안에서 아무것도 보지 못합니다. 그래서 OCR은 스캔하거나 촬영한 모든 자료에서 문서 파싱의 첫 단계입니다.
작동 방식
고전적인 엔진은 페이지에서 텍스트 줄을 찾은 뒤 각 줄의 문자를 인식합니다. 오랫동안 쓰여 온 오픈소스 예가 Tesseract입니다. 버전 4에서 줄 전체에 초점을 맞춘 신경망(LSTM) 엔진을 추가했으며, 100개가 넘는 언어를 지원합니다. 최신 OCR 모델은 더 나아가 트랜스포머나 비전 언어 모델로 페이지 이미지 전체를 읽고, 평범한 줄 대신 제목과 표가 있는 Markdown을 만들어 냅니다.
예시
오래된 종이 송장을 인덱싱하는 팀은 OCR로 텍스트를 얻고, 레이아웃 분석으로 항목 순서를 유지한 다음에야 검색용으로 결과를 나눕니다. Mistral OCR 4와 Surya OCR 2.5 같은 OCR 모델 리뷰에서 속도와 정확도의 장단점을 다룹니다.
한계
저해상도 스캔, 손글씨, 특이한 글꼴, 여러 문자 체계가 섞인 경우 정확도가 떨어집니다. 고전적인 엔진은 구조 없이 텍스트만 돌려주므로 표가 뒤섞인 줄로 나옵니다. 모델 기반 OCR은 구조를 더 잘 다루지만 페이지에 없는 매끄러운 텍스트를 만들어 낼 수 있으니, 이미지와 대조해 표본 확인을 하십시오. 이미 텍스트 레이어가 있는 PDF에는 OCR이 필요 없습니다.
관련 용어
- 문서 파싱
- 문서 파싱(document parsing)은 PDF, 스캔본, 슬라이드, 스프레드시트 같은 파일을 소프트웨어가 쓸 수 있는 구조화된 텍스트로 바꾸는 작업입니다. 평평한 문자열이 아니라 제목, 읽는 순서, 표, 이미지를 유지합니다.
- 비전 언어 모델(Vision-language model)
- 비전 언어 모델(vision-language model, VLM)은 이미지와 텍스트를 입력으로 받아 텍스트를 내놓는 모델로, 그림을 설명하고, 그림에 관한 질문에 답하고, 문서를 읽고, 스크린샷에서 데이터를 추출할 수 있습니다.
- 레이아웃 분석
- 레이아웃 분석(layout analysis)은 문서 파싱의 한 부분으로, 페이지에서 제목, 문단, 표, 그림, 캡션, 바닥글 같은 영역을 찾아 각각에 레이블을 붙이고, 사람이 읽는 순서를 알아냅니다.
- 표 추출(Table extraction)
- 표 추출(table extraction)은 문서에서 표를 찾아 그 행, 열, 머리글, 셀을 흩어진 텍스트 줄이 아니라 HTML, Markdown, CSV 같은 구조화된 데이터로 다시 만드는 작업입니다.
- 멀티모달 모델(Multimodal model)
- 멀티모달 모델(multimodal model)은 텍스트, 이미지, 오디오, 동영상 같은 여러 종류의 데이터를 별도 시스템이 아니라 하나의 모델 안에서 받아들이고, 경우에 따라 생성하기도 하는 AI 모델입니다.