PDFやWord、画像を1ページずつ画像に変換し、それを画像も読めるAIに渡して「Markdownにして」と頼む、という単純な仕組みです。表や図が入り組んだ書類でも、見た目の構造ごと文字にできるのが特徴です。試すだけなら公開元のサイト上で動かせます。
#PDF#Markdown
ミロンドが自分で確かめたこと
- 2026年8月23日「配布元を見る」の行き先が、今も開けることを確認しました。
- 2026年8月14日利用ルールの原文（LICENSE）を読みました。特別な条件は書かれていませんでした。
- 2026年7月31日公式の説明を読んで、開発が止まったというサインが無いことを確認しました。
- 2026年8月25日ミロンドが毎日数えている記録では、この17日間で お気に入りが3件増えました（今も使われ続けています）。
ミロンドは掲載しているすべての行き先を定期的に開いて、今も使えるかを確かめています。 利用ルールは名前だけで判断せず、原文を読んで確認しています。
「RAG / PDF解析」63本の中での位置
- 作ったものを仕事に使ってよいと確認できているこの分野で52本
- 黒い画面（ターミナル）の操作が要りますそうでないものが20本 →
- APIキーの用意が要りますそうでないものが32本 →
- 入れた内容は公開元に送られますそうでないものが20本 →
この数字は、ミロンドが掲載している道具を1本ずつ同じ基準で調べた結果から数えています。
これは何？黒い画面（ターミナル）で動かすツール
できること
PDF・Word・画像からの読み取り／表や複雑な配置を保ったMarkdown化／Nodeとの両方から利用
誰に効く？
表や図が多くて、ふつうの文字認識ではうまくいかない書類を扱う人
用意するもの
プログラムに組み込んで使う部品です（Nodeとの両方が用意されています）。画像を読めるAIのが必要で、その利用料が別にかかります。
時間のめやす
15〜30分(AIに聞きながらコピペ)
使うとこうなる
- 1PDFなどのfilePathを指定する→変換対象が決まる
- 2ページを画像に変換する→AIが読める形になる
- 3各画像をGPTに渡す→Markdown結果がまとめて返る
作れるもの・できることの例
PDFのMarkdown化、画像文書のOCR、表や図を含む文書のAI取り込み
使えるようになるまでの手順をひらく
- 「」という文字だけの画面を使います（Windowsなら PowerShell）
- GitHubページの「Installation」に書かれたコマンドを順番に実行
- つまずいたら、いつも使っているAIチャットに「(ツール名)のインストールを手伝って」と聞くのがおすすめ
こんな人には向かないかも
- 黒い画面（ターミナル）にまだ抵抗がある人
- 登録やAPIキーの設定を一切やりたくない人
🔑 必要な鍵（APIキー）— 下のどれか1社でOK
すでにどこかの鍵を持っていればそれが使えます。まだ無いなら Google（Gemini）が一番かんたんです。
Google（Gemini） の発行ページ↗Googleアカウントがあれば無料で即発行。無料枠も大きく、一番かんたん
OpenAI（ChatGPT） の発行ページ↗発行は無料。APIはChatGPT Plus（月額）とは別勘定で、使った分だけの課金。※Codex等の一部公式ツールは、キーの代わりにChatGPTの月額プランでログインして使える
Anthropic（Claude） の発行ページ↗発行は無料。APIは月額プランとは別勘定で、使った分だけの課金。※Claude Codeは月額プラン（Pro等）のログインでも使える
鍵は「合鍵」の文字列。発行→コピー→ツールの設定に貼り付け、の3手です。迷ったらAIチャットに「画面つきで教えて」と。
迷ったらこれ：いつも使っているAIチャット（ChatGPT・Claude・Geminiなど）にこのツールのGitHubリンクを貼って 「これを使いたい。私のPCでの始め方を一歩ずつ教えて」と頼むのが一番の近道です。
むずかしそう？ 同じジャンルで、もっと始めやすいのはこちら
注意点
仕組み上、書類の全ページが画像としてAI提供元のサーバーに送られます。社外に出せない資料や個人情報を含む書類には使えません。料金はページ数に比例するので、大量の書類を通すと費用がかさみます。すぐ使えるアプリではなく、組み込むための部品です。
ひとことメモ
手元では処理されません。読み取りたい書類は必ず外部のAIに送られる設計です。
このツールが活躍する場所
zeroxについてよくある質問
- zeroxは無料で使えますか？
- zerox自体は無料で使えますが、動かすのに外部AIのAPIキーが必要です。そのAI側の利用料は別にかかります（無料枠があるものもあります）。
- zeroxを使うのに、インストールや専門知識は必要ですか？
- コマンド入力（黒い画面）での操作が必要です。手順どおりに文字を打ち込む作業に慣れていないと、導入でつまずきやすいツールです。
- zeroxはスマホでも使えますか？
- スマホには対応していません。パソコンが必要です。
- zeroxは仕事（商用）で使えますか？
- ライセンスは MIT で、商用利用も認められています。ただし著作権表示を残すなどの条件が付くので、配布物に含める場合はライセンス本文を確認してください。
似ている道具との違い
同じ用途の道具と、使う前に効いてくる条件を並べました。
| 道具 | 黒い画面 | APIキー | 外部送信 | スマホ | 仕事に使える | 最終更新 |
|---|---|---|---|---|---|---|
| zerox（このページ） | 要る | 要る | あり | むずかしい | 可 | 2025年5月 |
| Marker | 要る | いらない | なし | むずかしい | 可 | 2026年8月 |
| OCRmyPDF | 要る | いらない | なし | むずかしい | 可 | 2026年8月 |
| paper-qa | 要る | 要る | あり | むずかしい | 可 | 2026年8月 |
「外部送信あり」は、入力した内容がどこかのサーバーに送られることを指します。 社外に出せない資料を扱うときは「なし」を選んでください。
RAG / PDF解析のほかのツール
zeroxが合わなかったときの、同じ用途の候補です。
Marker
PDFをきれいなテキストに変換
はじめやすい・黒い画面（ターミナル）が要る
OCRmyPDF
スキャンしたPDFを、検索・コピーできるPDFに変える
はじめやすい・黒い画面（ターミナル）が要る
paper-qa
手元の論文PDFに質問すると出典つきで答える
準備がいる・黒い画面（ターミナル）が要る
pdfGPT
PDFに質問して、該当箇所つきで答えをもらう
準備がいる・黒い画面（ターミナル）が要る
pdf-craft
スキャンした本のPDFを、読める電子書籍に作り直す
はじめやすい・黒い画面（ターミナル）が要る
semantra-python
手元の資料を「意味」で探せるようにする検索
上級者向け・黒い画面（ターミナル）が要る