ForHosting KIT · 意味で探す検索（セマンティック検索）

スキャンPDFの中身を検索対象に

Q: 事前にOCRでテキスト化しておく必要はありますか？

必要ありません。 ページを画像として直接解析するため、PDFをそのまま渡せます。

Q: スキャンした紙の書類にも対応していますか？

対応しています。 印影が文字に重なっている書類でも、周囲の文脈から読み取りやすい構成です。

「早期解約に関する条項」がどの契約書にあるか分からなくても見つけられます。PDFはスキャンしたページも含めて1ページずつ読み取られ、ファイル名ではなく意味で検索できる索引になります。使った分だけの支払いで、定額契約は不要です。

● 安定提供中ページあたり$0.010

実行 — $0.010 + $0.059/ページ API仕様を見る

ご利用方法ウェブAPIメールTelegramアプリ近日

オンラインで実行

アカウントでログインし、当社のサーバー上で実行します。無料ツールはブラウザ内で動作しますが、これは上記の料金がKIT残高から差し引かれます。

この機能はPDFを1ページずつ画像として解析し、表やレイアウトを保ったまま検索できる索引として保存します。事前にテキスト抽出を行う必要はありません。

デジタルのPDFとスキャンしたPDFの違い

パソコンで作られたPDFには、そのまま取り出せる文字の層がすでにあります。一方、ファクスで届いた用紙や撮影した領収書、何年も後に電子化された古い報告書などのスキャンには文字がなく、文字の形に並んだ画素があるだけです。ここでは、スキャンしたページはまず文字認識にかけられるため、撮影した契約書のページもパソコンで作ったページも同じように検索できるようになります。

使いどころと注意点

法律事務所が案件のPDFを索引化して証言録や契約書、書簡をテーマで横断検索したり、経理部門が何年分ものスキャン済み請求書を取引先名や明細で探したりできます。きれいにスキャンされたページは確実に読めますが、ぼやけたファクスや小さな手書き文字、変わった形の表は難しくなります。これは正しい文書を素早く見つけるための索引であり、正式な書き起こしではないため、法律や金額の細部は必ず原本で確認してください。

OCRとテキスト抽出をひとつにまとめる

スキャンした請求書や、レイアウトが複雑な報告書は、通常のテキスト抽出だけでは表の対応関係や図の位置関係が崩れます。この機能はページを画像として直接解析し、文字だけでなく表構造やレイアウトの意味を踏まえて索引化します。事前にOCRでテキスト化する手順は不要です。

印影が重なった書類にも強い

日本の書類には赤い印影が文字に重なった状態のものが少なくありません。ページを画像として解析するため、印影が一部の文字にかぶっていても、周囲の文脈から内容を読み取りやすい構成です。

活用例

取引先から届く見積書PDFを検索対象に

経理担当者が、取引先ごとに書式が異なる見積書PDFを索引化し、金額や条件を後から横断的に検索できるようにしています。

印影が重なった契約書を索引化

法務担当者が、印影が文字に重なったスキャン契約書を索引化し、条項の検索に使っています。

図表入りの技術報告書を検索対象に

研究部門が、グラフや表を含む技術報告書PDFを索引化し、過去の実験条件を検索で探しています。

よくある質問

事前にOCRでテキスト化しておく必要はありますか？

必要ありません。ページを画像として直接解析するため、PDFをそのまま渡せます。

スキャンした紙の書類にも対応していますか？

対応しています。印影が文字に重なっている書類でも、周囲の文脈から読み取りやすい構成です。

取り込んだPDFの内容は保存されますか？

索引としてベクトルの形で保存されます。元のPDFファイル自体を保管する用途ではありません。

長いPDFと短いPDFで料金はどう違いますか？

ページ単位で決まります。二ページのメモも二百ページの年次報告書も、処理にかかった分だけの料金です。正しく索引化できなかった文書には料金がかかりません。

正確な語句ではなく意味で検索できますか？

できます。各文書はページや節ごとの断片に分けられ、意味で検索できる索引に追加されます。そのため、別の言葉で書かれた箇所でも、テーマで検索すれば見つかります。

開発者向け — APIアクセス

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

エンドポイント

POSThttps://api.kit.forhosting.com/search/index-document

Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。

お使いのスタックから呼び出す

curl -X POST https://api.kit.forhosting.com/search/index-document \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"document":"https://ejemplo.com/archivo.bin"}'

const res = await fetch("https://api.kit.forhosting.com/search/index-document", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "document": "https://ejemplo.com/archivo.bin"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/search/index-document",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "document": "https://ejemplo.com/archivo.bin"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/search/index-document", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"document":"https://ejemplo.com/archivo.bin"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"document":"https://ejemplo.com/archivo.bin"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/search/index-document", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

リクエスト例

{
  "document": "https://ejemplo.com/archivo.bin"
}

レスポンス例

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "search.index_document",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

料金

1リクエストあたり$0.010

ページあたり$0.059

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

制限

`max_chunks`	10000
`max_tokens`	20000

エラー

HTTP	コード	意味
`401`	`unauthorized`	APIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
`402`	`insufficient_balance`	残高が不足しています。チャージ後に再度お試しください。
`404`	`unknown_type`	指定されたタスクタイプは存在しません。タイプ名を確認してください。
`429`	`rate_limited`	リクエストが多すぎます。しばらく待ってから再度お試しください。
`413`	`input_too_large`	入力データが上限を超えています。サイズを小さくして再度お試しください。
`422`	`task_failed`	タスクの処理に失敗しました。このタスクは課金されません。

技術的な注記

料金はページ数で決まります

テキストだけの索引化に比べると単価は高めですが、スキャン書類や図表を含む資料に向いています。基本料金$0.010に、1ページあたり$0.059が加算されます。20ページの資料なら$0.010+$0.059×20=$1.19です。

上限と使い方

1つの索引は最大10,000チャンクまでです。このページからPDFを渡して索引を作成でき、継続的な取り込みにはAPIを利用します。

技術的な質問

表やグラフを含むページも扱えますか？

扱えます。レイアウトや表構造を踏まえて索引化します。

料金はどう計算されますか？

基本$0.010に、1ページあたり$0.059が加算されます。20ページなら$1.19です。

縦書きの文書にも対応していますか？

横書き・縦書きいずれのページも画像として解析します。

KITの完全なドキュメントを見る →