日本語のPDFを英語に翻訳する前に、そのテキストがどのように配置されているかを確認しましょう。横書きの段落、縦書きの段、ルビ、画像内のラベルでは、抽出時に生じる問題がそれぞれ異なります。アップロードが成功したからといって、そうした位置関係まで正しく読み取れたとは限りません。
代表的なページで確認を行い、文字認識・言語・出力形式の判断を切り分けます。
テキスト・スキャン・文字の方向を見分ける
まず一文を選択してコピーし、プレーンテキストのエディタに貼り付けてみてください。文字そのものと並び順の両方を確認します。PDFの中には問題なくテキストを扱えるものもあれば、ページが画像になっているものや、信頼できない隠しテキスト層を持つものもあります。普通のページと難しいページをそれぞれ1ページずつ試します。
伝統的な日本語の縦書きは、通常、右から左へと段を進めながら下方向に読みます。一方で横書きの要素やラテン文字の略語、本文の文字の横に添えられた小さな読み仮名が混ざることもあります。並び順を確認するときには、こうした違いが重要になります。
ツールが日本語に一般的に対応しているからといって、あらゆる縦書きレイアウトまで保証されるわけではありません。PDF Craftのオンラインの説明には、縦書き書籍の品質を一律に保証する記載はありません。ファイル全体を信頼する前に代表的なページの結果を確認し、原文を安定して解釈できない場合は、専用の抽出方法や手作業での前処理も検討してください。
レイアウト固有の確認方法については、縦書き書籍のOCRをご覧ください。本記事では、その後の英語PDF作成の流れ全体を扱います。
人名と用語は根拠をそろえて準備する
意味の理解に影響する人名や用語を洗い出します。定まった英語表記がある場合は、翻訳の指示に含めてください。同じ漢字でも読み方が複数あり得るため、見た目だけでローマ字表記を推測してはいけません。
技術論文であれば、分野と、繰り返し登場する概念の推奨訳語を指定します。物語形式の文章であれば、人名や肩書きの扱いを説明し、原文にない情報は補わないよう指示します。
指示の例としては、次のようなものが挙げられます。「一般読者向けに英語へ翻訳してください。指定したローマ字表記の人名と製品コードは変更しないでください。繰り返し登場する技術用語には、指定した英語の訳語を使ってください。」この例のプレースホルダーは、確認済みの語句に置き換えてください。
指示は翻訳の指針にはなりますが、すべての箇所が必ず一致する保証ではありません。ダウンロード後に重要な人名を検索し、原文の該当箇所もいくつか確認してください。認識の揺れによって、単純な検索では見つからない場合があるからです。
PDF・EPUB・Markdownを意図的に選ぶ
PDF Craftで日本語のPDFをアップロードし、結果の形式を選び、対象言語を英語に設定します。PDF形式で出力する場合は、処理の中に翻訳が含まれます。EPUBやMarkdownでも言語を変えたい場合は、翻訳を有効にしてください。送信する前に設定と指示の内容を確認します。
翻訳されたPDFは、ページ単位の見た目が重要な場合に役立ちます。EPUBは連続して読むのに向いており、Markdownは編集に便利です。どの出力形式を選んでも、ページ参照や複雑な図のために日本語の原文は保管しておきましょう。
画像をそのまま残したEPUBと、画像内のラベルまで認識・翻訳した画像とを混同しないでください。図版は見た目がそのままでも、日本語のテキストを含んでいることがあります。
処理が完了したら結果をダウンロードし、実際に使う予定のリーダーやエディタで確認します。料金はページ数だけで決まるとは決めつけず、最新の利用料金は料金で確認してください。
代表的なページを原文と照合する
縦書きがあればそのページ、人名を含むページ、表や図を含むページ、そして文書の終わりに近いページを選びます。各テキストブロックの始まりと終わり、段やページの変わり目を確認してください。
日付、数値、単位、固有名詞を比較します。小さな注記は本文とは別に確認しましょう。無関係な本文に紛れ込んだり、気づかないうちに消えたりしていないかを見ます。図表のキャプションや注記は、文言だけでなく参照先も確認する必要があります。
英語の文章が突然話題を変えている場合は、より流暢な翻訳を求める前に、原文の順序に戻って確認してください。言語を整えるだけでは、順序が乱れた原文を確実に直せない理由は、OCRから翻訳までの流れで説明しています。
未解決の箇所には印を付けておき、元のエクスポートも残します。出版、法務、その他重要な用途で結果を使う場合は、言語と専門分野に応じた適切なレビューを手配してください。読みやすい英語の成果物はそのレビューの出発点であり、レビューが済んだ証拠ではありません。