非制約的手書き文字認識は、文書解析における重要なタスクである。通常、このタスクは二段階で行われる。第一段階として、文書をテキスト行にセグメンテーションする。第二段階として、これらの行画像に対して光学文字認識（OCR）モデルを適用する。本研究では、段落レベルでのOCRを実現するエンドツーエンドかつ再帰構造を備えない完全畳み込みネットワークである「Simple Predict & Align Network（SPAN）」を提案する。このフレームワークは、孤立したテキスト行の認識に用いられるものと同程度にシンプルであり、RIMES、IAM、READ 2016の3つの代表的なデータセットにおいて、競争力のある性能を達成した。提案モデルは、データセットの適応を必要とせず、セグメンテーションラベルなしでスクラッチから学習可能であり、転写ラベルに行区切りを含む必要もない。本研究のコードおよび学習済みモデルの重みは、https://github.com/FactoDeepLearning/SPAN にて公開されている。