ClaudeとChatGPTで得意なことは何が違うか？場面別の使い分けを解説
kidaken-ai
きだけんのAI副業ラボ
Claudeに画像を読み込ませると何ができるか？対応形式と精度の限界を解説
kidaken-ai
結論：Claudeは画像を読んで分析・説明・抽出ができる
Claudeは画像をアップロードするとその内容を読み取り、テキストで分析・説明・情報抽出を行います。この機能はすべてのプランで利用可能です。ただし「生成AIが画像を読む」ことには得意な用途と苦手な用途があり、それを知らずに使うと期待と結果がズレます。
| 用途 | 精度 | 具体例 |
|---|---|---|
| スクリーンショット・UIの説明 | 高 | 「このアプリの画面構成を説明して」 |
| テキストを含む画像の文字起こし | 高 | 「この名刺の情報をテキストで出して」 |
| コードのスクリーンショットの解読 | 高 | 「このエラー画面のコードをデバッグして」 |
| グラフ・チャートの読み取り | 中〜高 | 「この棒グラフの数値を表にして」 |
| 手書き文字の読み取り | 中（崩れた字は低下） | 「このホワイトボードのメモをテキスト化して」 |
| 写真の詳細な識別 | 中 | 「この植物の種類を教えて」 |
| 人物の特定・識別 | 非対応（意図的に制限） | 顔認識・個人特定は行わない |
画像を送ったら何でも読んでくれるの？写真もOK？
写真も読めますが、精度は内容によります。テキストが写っている画像・図表・スクリーンショットは得意です。風景写真や物の写真は「これは何か」という説明はできますが、細かい個数の数え上げや微細な識別は精度が下がります。人物の顔認識と個人特定はClaudeが意図的に行わない仕様です。
対応ファイル形式とサイズ制限
対応フォーマット
Claudeが読み込める画像形式：
- JPEG / JPG：写真・スクリーンショット向け
- PNG：スクリーンショット・図表・透過画像向け
- GIF：静止フレームのみ読み込み（アニメーションは非対応）
- WebP：Web最適化画像
PDFのアップロードは別途対応（画像PDFは内部でページを画像として処理）。Word・PowerPoint内の画像は直接アップロードではなく、PDFに変換してからアップロードすると読みやすくなります。
ファイルサイズと枚数の制限
| プラン | 1枚あたりの上限 | 1会話あたりの枚数 |
|---|---|---|
| 無料プラン | 10MB | 複数枚可（合計サイズ以内） |
| Proプラン以上 | 25MB | 複数枚可（合計サイズ以内） |
1回の会話に複数枚アップロードできます。「この2つの画面デザインを比較して」のような複数画像の比較も可能です。
精度が上がる使い方のコツ
何を知りたいかを明示する
「この画像を見て」という指示だけでは、Claudeが何を分析すべきか判断できません。知りたい内容を具体的に伝えると精度が上がります。
曖昧な指示：
「この画像を見てください」具体的な指示：
「このスクリーンショットに表示されているエラーメッセージを全て抽出して、
それぞれの原因と対処法を教えてください」テキスト抽出は「書き起こし」と明示する
画像内のテキストを正確に取り出したい場合、「書き起こして」「テキストとして出力して」と明示します。
「この名刺の画像から、名前・会社名・メールアドレス・電話番号を
それぞれラベル付きで書き起こしてください」「説明して」だと画像の内容を要約・解釈した文章が返ります。「書き起こして」だと記載テキストそのものが返ります。目的に応じて使い分けてください。
グラフ・表の読み取りを正確にする
グラフの数値読み取りは、軸の単位・凡例が鮮明に写っている画像ほど精度が上がります。ぼやけた画像・複雑すぎる配色の凡例は読み取りにくくなります。
「この棒グラフの各月の数値を読み取って、Markdownの表形式で出力してください。
凡例はA・B・Cの3種類です」凡例の種類を事前に伝えると誤認識が減ります。
精度が落ちる・できない場面
精度が下がりやすい画像の特徴
- 解像度が低い画像：文字がぼやけていると読み取り精度が大幅に低下
- 手書き文字（崩し字・草書）：印刷体は高精度だが、崩れた手書きは誤認識が多い
- 縦書きの日本語テキスト：横書きより読み取りにくい傾向がある
- 複雑な図表（多数の要素が重なる）：要素が多いほど取りこぼしが増える
- 非常に小さいフォントサイズのテキスト：6pt以下のテキストは読み取れないことがある
Claudeが意図的に行わないこと
- 人物の個人特定・顔認識：プライバシー保護の観点から設計上制限されている
- OCRの完全代替として使う：業務用の精密なOCRには専用ツールの方が適している
画像内の人の顔を読み込ませたら、誰か特定できる？
Claudeは意図的に人物の個人特定を行わない設計です。有名人かどうかの判断もしません。『この人は誰ですか？』と聞いても答えません。これはプライバシー保護の観点からAnthropicが設けている制限です。
実務での活用例
- UI/UXレビュー：デザインのスクリーンショットをClaudeに見せて「ユーザビリティの問題点を指摘して」
- コードエラーのデバッグ：エラー画面のスクリーンショットをそのまま貼って原因を聞く
- 請求書・領収書のテキスト化：画像でもらった領収書をテキストデータに変換
- 競合サイトの分析：競合のWebページをスクリーンショットして「このデザインの特徴を分析して」
- 会議メモのデジタル化：ホワイトボードや付箋の写真を文字起こし・整理
Claudeの画像分析機能はArtifacts機能と組み合わせると、分析結果をMarkdownで整理して表示できます。Artifacts機能については「ClaudeのArtifacts機能で何ができるか？使える場面と使えない場面を解説」をご覧ください。
ABOUT ME
AI初心者が副業で月10万円を目指すための実践ノウハウを発信しています。生成AI講師として20名以上を指導し、自身もクラウドワークスで案件受注中。教育関連企業で10年勤務、娘の学費を稼ぐため日々研鑽中です。
全ての人が何かを「継続」し、「成果を出す」ことの手伝いをライフワークにしたいと考えています。
