ChatGPTは写真を送ると中身を読み取ってくれます。ただ、手元で撮った写真がどこまで正確に読まれるかは分かりません。AInformation編集部は同じレシートを4段階に崩して送り、13項目を1つずつ照らしました。金額11個は4段階とも全部正解で、崩れると先に日付と品名を間違えました。
- 写真の送り方は3手順。入力欄の＋から画像を選び、聞きたいことを書いて送るだけ
- スキャンしたきれいなレシートは、店名からお釣りまで13項目すべて正解だった
- 12度かたむけて明るさを55%まで落としても、13項目すべて正解のままだった
- 幅を4分の1に縮めた画像では、日付と品名の2項目を間違えた。金額11個は全部合っていた
- 小さく写った画像は答えが返るまで106.5秒。きれいな画像の20.2秒に対して5倍かかった
- 棒グラフの5か月ぶんの数値と、表の写真24マスは、どちらも全部正しく読めた
結論：金額はどれだけ崩しても全部正解、先に崩れるのは日付と品名
ChatGPTに写真を送ると中身を読んでくれます。ただ、手元で撮った写真がどこまで正確に読まれるのかは分かりません。そこでAInformation編集部は、同じレシートを4段階に崩して送りました。投げた文は4回とも同じです。
答えを1項目ずつ照らした結果、金額11個はどの画像でも全部正解でした。間違いが出たのは日付と品名です。手ブレさせた画像では曜日が（木）から（水）に変わり、幅を4分の1に縮めた画像では曜日と時刻に加えて「洗剤 詰め替え」が「果物 詰め替え」になりました。
時間の差も大きく出ました。きれいな画像は20.2秒で返ってきたのに対し、4分の1に縮めた画像は106.5秒かかっています。画面には「1m 19s考えました」と出ていました。
試したのは2026年9月24日の深夜です。パソコンのChromeでchatgpt.comにログインし、モデルは既定のまま変えていません。レシートは検証用に作った架空のもので、実在の店舗のものではありません。1回ごとに新しい会話を開いて、前の答えが残らないようにしています。
写真の送り方は3手順（49秒の動画つき）
手順は3つだけです。実際の画面を録った動画を先に置きます。音声の解説つきで49秒です。
- 入力欄の左にある＋を押す。メニューが開き、いちばん上に「写真やファイルを追加」が出る
- 送りたい画像を選ぶ。入力欄の上に画像が出れば添付できている。画像を入力欄へドラッグしても入る。コピーした画像を貼り付けても入る
- 聞きたいことを書いて送る。「読み取って一覧にして」のように、何をしてほしいかを書く
今回どの回でも投げたのは次の文です。
このレシートを読み取ってください。店名・日付・買った商品と金額・小計・消費税・合計・お預り・お釣りを、もれなく一覧にしてください。読み取れない項目は「読み取れません」と書いてください。
「読み取れない項目は読み取れませんと書いて」と足しているのは、読めない所を勝手に埋められると気づけないからです。OpenAIのヘルプにも、はっきりしない画像でもモデルは解釈しようとするので結果の正確さは落ちる、と書かれています。
きれいなレシートは13項目すべて正解だった
1回目はスキャンしたままのきれいな画像です。20.2秒で答えが返り、店名・日付・商品6点・小計・消費税・合計・お預り・お釣りの13項目すべてが正解でした。
金額は牛乳268円・食パン198円・たまご328円・バナナ158円・ヨーグルト178円・洗剤498円の6点に、小計1,628円・消費税130円・合計1,758円・お預り2,000円・お釣り242円を足した11個です。この11個が1円もずれていません。日付も「2026年9月10日（木）18:42」と曜日まで合っていました。
12度かたむけて暗くしても、結果は変わらなかった
2回目は同じ画像を12度かたむけ、明るさを55%まで落としました。部屋の照明の下で斜めから撮った写真に近い状態です。
結果は13項目すべて正解で、1回目と同じでした。かかった時間は32.5秒で、きれいな画像の20.2秒より12.3秒長くなっています。
OpenAIのヘルプには、回転した画像や上下が逆の文字は誤読することがあると書かれています。ただ12度くらいの傾きなら影響が出ませんでした。暗さも同じで、55%まで落としても読み取りは変わっていません。
手ブレさせると、曜日だけが変わった
3回目は2回目の画像にぼかしを足しました。半径2.2ピクセルのぼかしで、手ブレした写真に近い見え方です。人の目でも小さい文字は読みにくくなります。
38.5秒で返ってきた答えは、日付が「2026年9月10日（水）18:42」でした。正しい（木）が（水）に変わっています。ここ以外の12項目は全部合っていました。金額11個も正解のままです。
曜日はカッコの中の1文字です。画数の少ない漢字が1文字だけ入っている場所は、ぼけると形が近いものに引っぱられます。木と水は横棒と縦棒の配置が似ています。
小さく撮ると3か所を間違え、時間も5倍かかった
4回目は幅を4分の1に縮めてから元の大きさに戻しました。遠くから小さく写した写真や、スクリーンショットを縮めて送った状態に当たります。
間違いは3か所に増えました。日付が「2026年9月10日（水）16:42」で曜日と時刻の両方がずれ、商品6の「洗剤 詰め替え」が「果物 詰め替え」になっています。項目でいえば13項目のうち11項目が正解で、日付と品名の2項目を外しました。ここでも金額11個は全部正解です。
どこがつぶれていたのかを、元の画像と縮めた画像で同じ場所を拡大して並べました。
縮めた画像では「洗剤」の字がにじんで、へんとつくりの区切りが消えています。18:42の8も6に近い形になっています。一方で金額の数字は大きく印字されているので、縮めてもつぶれていません。レシートの中で文字の大きい所ほど残るという結果になりました。
時間も伸びています。20.2秒→32.5秒→38.5秒と来て、4分の1に縮めた画像だけ106.5秒です。画面には「1m 19s考えました」と出ていました。読みにくい画像ほど内部で時間をかけている様子が、そのまま秒数に出ています。
4段階の結果をまとめる
| 送った画像 | かかった時間 | 13項目の正解 | 間違えた場所 |
|---|---|---|---|
| ① そのまま（スキャン） | 20.2秒 | 13項目 | なし |
| ② 12度かたむけて明るさ55% | 32.5秒 | 13項目 | なし |
| ③ ②にぼかしを足す（手ブレ） | 38.5秒 | 12項目 | 曜日（木→水） |
| ④ 幅を4分の1に縮める | 106.5秒 | 11項目 | 曜日・時刻・品名 |
答えの文字数は4回とも197字でした。表の形も同じです。つまり答えの見た目からは、間違えている回かどうかが分かりません。読み取った内容を使う前に、日付と品名だけは自分の目で確かめたほうがよさそうです。
棒グラフの数値と、表の写真はどうか
レシート以外も試しました。まず棒グラフの画像です。1月から5月までの5本の棒が並んだ画像を送り、月ごとの数値を読み取ってもらいました。
23.1秒で返ってきた答えは1月12,000・2月12,000・3月13,200・4月12,000・5月12,000です。5か月とも正解でした。3月だけ棒が高い図で、その差も正しく読めています。
次は表の写真です。6列4行の売上表を撮った画像を送り、そのままCSVで書き出してもらいました。
29.3秒で返ってきたCSVは、見出しの行を除く24マスすべてが正解でした。桁区切りのカンマが入った数字も、引用符で囲んだ形で正しく書き出しています。表の写真をそのまま表計算ソフトへ移したいときに使えます。
答えの長さも課題で違いました。グラフの読み取りは58字、CSVの書き出しは228字です。レシートの4回はどれも197字でした。聞き方をそろえると答えの形もそろうので、同じ作業を繰り返すときは投げる文を使い回すほうが結果を比べやすくなります。
3枚まとめて送っても、どれが何かを言い当てた
最後に、レシート・棒グラフ・表の3枚を1回でまとめて送りました。入力欄には3枚が横に並びます。
「それぞれに何が写っているかを1枚ずつ1行で説明してください」と聞いたところ、20.1秒で3枚とも正しく答えました。
2枚目の説明では「3月が13,200千円、その他の月は12,000千円」と、グラフの数値まで添えています。1枚目のレシートも合計1,758円まで言い当てました。複数枚を送っても、1枚ずつ送ったときと同じ精度で読めています。
読めなかった所を「読み取れません」とは書かなかった
4回とも、投げた文に「読み取れない項目は読み取れませんと書いてください」と入れています。それでもこの言葉は4回とも1度も返ってきませんでした。曜日を間違えた回も、品名を間違えた回も、13項目を全部埋めた表が返っています。
答えの文字数も4回とも197字で同じでした。表の行数も列の並びも変わりません。つまり画面を見ただけでは、読めている回と読み違えた回の区別がつきません。「自信がなさそうな書き方」もありません。
ここが実務で使うときのいちばんの注意点です。読み取りの結果をそのまま転記すると、間違いは静かに混ざります。金額が合っているぶん、かえって気づきにくくなります。
この読み取りを仕事で使う3つの形
1. 表の写真を表計算ソフトへ移す
紙の表や、画面に出ている表を撮って送り、「そのままCSVで書き出して」と頼む形です。今回の実測では6列4行の24マスがすべて正しく書き出されました。返ってきたCSVをコピーして、Excelやスプレッドシートに貼るだけで表になります。
コツは、桁区切りのカンマが入った数字です。ChatGPTは「12,000」のようにカンマを含む値を引用符で囲んで返しました。そのまま貼れば1つのセルに入ります。うまく分かれないときは「数字のカンマを外して」と足すと直ります。
2. 何枚かをまとめて渡して整理させる
3枚を1回で送った検証では、20.1秒で3枚とも正しく説明が返りました。1枚ずつ送ったときと精度は変わっていません。複数の資料を並べて「共通点は」「違いは」と聞く使い方ができます。
枚数の上限は公表されていません。OpenAIのヘルプは、画像の大きさと一緒に送る文章の量によると説明しています。うまくいかないときは枚数を減らすか、1枚あたりを小さくするよう案内されています。
3. 返ってくるまでの時間を、撮り直しの目安にする
今回いちばんはっきり出た差が時間です。きれいな画像は20.2秒、4分の1に縮めた画像は106.5秒でした。読みにくい画像ほど長くかかります。
いつもより待たされたと感じたら、答えを信じる前に画像を見直したほうがよさそうです。文字が小さいなら撮り直す。斜めから撮ったなら、傾き自体は12度なら問題ありませんでしたが、離れて撮ったぶん文字が小さくなっていないかを確かめます。
OpenAIが公表している苦手なものと、実測のずれ
OpenAIのヘルプには、画像入力が苦手なものが10項目並んでいます。今回の検証と関係が深いのは次の3つです。
- 非英語：日本語や韓国語のようにラテン文字でない文字が入った画像は、うまく扱えない
- 回転：回転した画像や上下が逆の文字は誤読することがある
- メタデータと縮小：元のファイル名やメタデータは読まない。画像は解析の前に縮小される
実測と突き合わせると、ずれが2つ見えます。1つ目は日本語です。今回はすべて日本語のレシートでしたが、きれいな画像では13項目すべて正解でした。苦手と書かれているほどの弱さは出ていません。
2つ目は回転です。12度の傾きでは間違いが1つも出ませんでした。一方、ヘルプに強い警告のない解像度のほうが、はっきり結果を分けています。写真を送るときに気をつける順番は、傾きより先に「小さく写っていないか」です。
3つ目の「画像は解析の前に縮小される」は、今回の結果とつながります。もともと縮小されるのなら、送る前から小さい画像は縮小後にさらに情報が減ります。大きく写して送ることが、そのまま正確さにつながります。
送れる画像の条件（形式・サイズ・枚数）
OpenAIのヘルプに書かれている条件は次のとおりです。
| 項目 | 公式の記載 |
|---|---|
| 使えるプラン | 無料プランでも有料プランでも使える（プランごとの利用上限と設定に従う） |
| 対応する形式 | PNG・JPEG・動かないGIFの3つ |
| 1枚あたりの上限 | 20MB |
| 一度に送れる枚数 | 枚数の明示なし。画像の大きさと一緒に送る文章の量による。うまくいかないときは枚数かサイズを減らす |
| 使える場所 | ウェブ（chatgpt.com）とスマホアプリ（iOS・Android） |
| モデル | すべてのモデルが画像入力に対応 |
スマホのウェブからなら、サインインする前でも写真を添付できるとヘルプに書かれています。動画ファイルも添付できるようになっていて、こちらは静止画とは別枠でプランのファイルアップロードの上限に数えられます。
写真を送るときに気をつけること
今回の実測から言えることは3つです。
1つ目は、大きく写すこと。傾きや暗さより、小さく写っていることのほうが結果に響きました。レシートや書類は画面いっぱいに写して、文字が小さくならないようにします。ヘルプにも「画像の中の文字は大きくすると読みやすくなる」と書かれています。
2つ目は、日付と品名を自分で確かめること。金額は4段階とも合っていましたが、曜日と時刻と品名は崩れた画像で間違えました。しかも答えの見た目は正解のときと変わりません。経費の精算や在庫の記録に使うなら、この2か所だけは見比べたほうが安全です。
3つ目は、答えの中に「読み取れません」を書かせること。読めない所を埋められると気づけません。投げる文に「読み取れない項目は読み取れませんと書いてください」と1行足すだけで、あとから確かめやすくなります。
なお、医療の画像については、ヘルプが「CTスキャンのような専門的な医療画像の解釈には向かない。医療の助言に使わない」とはっきり書いています。検査結果の画像を送って判断してもらう使い方は避けてください。
送る画像の中身にも気をつけます。レシートには店名と日付が入ります。書類の写真には社名や個人名が写ることもあります。OpenAIのヘルプは、画像を含む中身がモデルの改善に使われる場合があると説明しています（ChatGPT Enterpriseでは学習に使わないと書かれています）。人の名前や取引先の情報が写っている部分は、送る前に消すか隠しておくほうが安全です。
関連する記事とツール
- ChatGPTの料金プランと使えることのまとめ（AIツールデータベース）
- ChatGPTにファイルを添付する方法とエクセルだけ読み込めないことがある理由とは
- ChatGPTに写真を送る方法は？画像のアップロードは1枚20MBまでだ
- ChatGPTの画像認識の精度とは？活用方法について徹底紹介
- ChatGPTでできることを解説！回答精度を上げる方法や注意点もチェック
画像の読み取りは、うまくいくかどうかを「きれいに撮れたか」で考えがちです。今回の実測では、12度の傾きも明るさ55%も結果を変えませんでした。効いたのは解像度です。紙の書類を扱う仕事でChatGPTを使うなら、撮り方の指示は「まっすぐ撮る」より「画面いっぱいに大きく撮る」のほうが効きます。金額が全部合っていたぶん、日付と品名の間違いは見落としやすくなります。転記の前に、その2か所だけ人が見る手順を決めておくと安全です。
- ChatGPTに写真を送るのは無料プランでもできますか？
- できます。OpenAIのヘルプには、画像入力は無料プランでも有料プランでも使えると書かれています（プランごとの利用上限と設定に従うとあります）。スマホのウェブからなら、サインインする前でも写真を添付できるとも書かれています。使えるモデルの制限もなく、すべてのモデルが画像入力に対応しています。
- 送れる画像の形式とサイズの上限は？
- PNG・JPEG・動かないGIFの3つで、1枚あたり20MBまでです。一度に送れる枚数は決まった数が公表されていません。OpenAIのヘルプは、画像の大きさと一緒に送る文章の量によると説明していて、うまくいかないときは枚数かサイズを減らすよう案内しています。AInformation編集部が3枚を1回で送った検証では、20.1秒で3枚とも正しく読めました。
- 斜めから撮った写真や暗い写真でも読めますか？
- 今回の実測では読めました。同じレシートを12度かたむけて明るさを55%まで落として送りましたが、店名からお釣りまで13項目すべて正解でした。かかった時間は32.5秒で、きれいな画像の20.2秒より12.3秒長くなっています。ただしOpenAIのヘルプには、回転した画像や上下が逆の文字は誤読することがあると書かれています。
- 写真を読み取らせるとき、どこを確かめればいいですか？
- 日付と品名です。AInformation編集部が画像を4段階に崩して送った検証では、金額11個はどの画像でも全部正解でした。一方で手ブレさせた画像では曜日が（木）から（水）に変わり、幅を4分の1に縮めた画像では曜日・時刻・品名の3か所が違っていました。しかも答えの文字数は4回とも197字で同じで、見た目では区別がつきません。
- うまく読めないときはどうすればいいですか？
- 大きく写して撮り直してください。今回の実測では、傾きや暗さより小さく写っていることのほうが結果に響きました。OpenAIのヘルプにも、画像の中の文字は大きくすると読みやすくなると書かれています。返ってくるまでの時間も目安になります。きれいな画像は20.2秒でしたが、4分の1に縮めた画像は106.5秒かかりました。
