Cohere Parse(コヒア・パース)とは
Cohere Parseとは、表や段組み、フォーム、画像を含む複雑な文書を読み取り、後続のAIが扱いやすい構造化Markdownへ変換する文書解析モデルです。文字を拾うだけでなく、読む順序や表の構造まで整えることを目的にしています。
英語表記：Cohere Parse
モデルID：parse-v5.0
Cohereが2026年8月27日に発表した2.3Bパラメータのマルチモーダルモデルで、文字と画像の両方を扱います。本文、表、箇条書き、フォーム、画像、キャプション、ページ境界、各要素の位置を抽出。出力はMarkdownまたはブロック形式です。
OCRとは何が違うのか？
OCRは画像内の文字をデータへ変える技術です。ただし、二段組みの文章を左右交互に読んだり、表の行と列が崩れたりすると、文字が正しくても意味は壊れます。Parseは、どの順番で読むか、どこが見出しや表かまでを構造として出力。検索、要約、項目抽出を始める前に、文書を整地する役割と考えると分かりやすいでしょう。
業務へ入れる前に何を確認するのか？
契約書、請求書、申込書、調査報告書などの取り込みが想定されます。まず代表的な文書を集め、表の再現、読む順序、手書きや低画質画像への対応、1ページ当たりの処理時間を確認します。金額や契約条件など、誤りの影響が大きい項目には人の照合を残してください。
費用は2026年9月時点で、CohereのAPIから使う場合、1,000ページあたり約1.50米ドルです。月1万ページを読み取る業務なら約15米ドルという計算で、時間ではなく処理したページ数で積み上がる料金体系。処理速度は同社公表で毎秒4.5ページです。導入規模を見積もるときは、対象書類の年間ページ数を先に数えると判断がぶれません。
2026年9月時点のParse APIは画像URLを受け付けますが、PDFや一般的なファイルURLには対応していません。入力上限は20MBまたは50メガピクセルです。「PDFを直接渡せる」と想定せず、ページ画像への変換、保存場所、個人情報の扱いまで含めて処理経路を設計する必要があります。
Topic文字が合っていても読む順序で意味は変わる
新聞や報告書の二段組みでは、左列を読み終えてから右列へ移るのが普通です。抽出結果が行単位で左右を往復すると、文章は別物になります。Parseが「読む順序」を独立した抽出対象に含めるのは、後続AIへ渡す前にこの崩れを防ぐためです。
Cohere Parseに関するよくある質問
- Cohere Parseは何語の文書に対応していますか？
- Cohereは2026年8月の発表時点で、主要9言語への対応を案内しています。公式ブログ上では言語一覧を確認できないため、利用前に対象言語を最新のモデル資料で確かめ、実際の帳票で読み取り結果を検証してください。
- Cohere Parseは自社環境へ配置できますか？
- CohereはParse APIに加え、Microsoft Foundry、AWS SageMaker、Cohere Model Vaultでの提供を案内しています。自社の要件に合う配置方法、保存地域、ログの扱いは各提供先の契約条件で確認が必要です。
