スキャンしたPDFは、画面上では十分に読めるように見えても、翻訳ツールにとっては使えるテキストがほとんど含まれていないことがあります。文字はページ上のピクセルにすぎません。文書を翻訳するには、処理システムが文字を認識し、その並び順を復元したうえで、選んだ形式で別の言語の出力を作る必要があります。
ダウンロードしたファイルは、2つの観点で確認します。原稿の文字が正しく認識されたか、そして翻訳が意味を保っているかです。文が流暢に整っていても、OCRが否定語を落としていたり、段落の途中で第1段と第2段をつなげてしまっていたりすれば、安心はできません。
PDFの中身が実際に何なのかを確かめる
いくつかのページで、文を選択してコピーしてみてください。ページ全体しか選択できない場合は、画像が含まれている可能性が高いです。単語は選択できても、貼り付けると順序が崩れるなら、テキストレイヤーが不完全か、構造が信頼できない状態かもしれません。混在した文書では、きれいなデジタルテキスト、スキャンした挿入ページ、レイアウトの異なるページが同居していることもあります。
この確認には、扱いにくいページを選びましょう。表、小さな注記、2段組みの見開き、章の区切りの近くのページなどです。長い書籍を表紙ページだけで判断しないようにします。
画像そのものも確認します。余白の切れ、綴じ目にできる影、傾いた行、ぼやけは認識に影響します。より鮮明なスキャンを入手できるなら、処理の前にそれを用意してください。画像に写っていない文字は、翻訳システムが文脈から確実に復元することはできません。
PDF、EPUB、Markdownのどれが必要かを決める
出力形式は、翻訳した文書をどう使うかに合わせて選びます。
| 出力 | 適した用途 | 確認するポイント |
|---|---|---|
| 翻訳済みPDF | PDFとして納品する必要があり、ページの見た目を重視する | 文字の収まり、ラベル、表、テキストと図の位置関係 |
| 翻訳付きEPUB | 文字を拡大し、電子書籍リーダーで読み進めたい | 段落の順序、章のナビゲーション、注記、リフロー |
| 翻訳付きMarkdown | メモや後続の作業のために編集可能なテキストがほしい | 見出し、数式、表、キャプション、参照 |
PDF Craftでは、PDF出力には翻訳が必要です。EPUBとMarkdownは変換のみでも翻訳付きでも出力できるため、別の言語にしたいときは翻訳を明示的に有効にします。ページのURLがこれらの選択を自動で設定することはありません。バイリンガル出力は対応している非PDF形式で利用できます。バイリンガルのPDFオプションはないものと考えてください。
EPUBは、印刷されたページをそのまま再現するのではなく、読むための構造を目指します。Markdownは編集できる内容を優先します。元の見た目の配置が重要な場合は、どちらの結果にも元のPDFを併せて保管しておきましょう。
認識から翻訳までの流れに沿って進める
- 元のスキャンを保管する。 わかりやすいファイル名で、手を加えていないコピーを保存します。数値、画像、あとで怪しいと感じた箇所を照合する際の基準になります。
- PDF Craftのワークスペースにアップロードする。 ファイルサイズや処理の上限は、その時点の画面で確認してください。
- 出力形式を選ぶ。 EPUBまたはMarkdownの場合は翻訳をオンにし、翻訳先の言語を選びます。利用できる出力モードは、紹介ページの説明から推測せず、実際の画面で確認します。
- 翻訳に関する指示を加える。 主題と、重要な用語、固有名詞、地域の表記の好みなどをいくつか伝えます。指示は翻訳の助けになりますが、結果の確認の代わりにはなりません。
- 設定を確認して送信する。 新規ユーザーにはトライアル用のクレジットが付与され、処理は利用量に応じて課金されます。現在の料金は料金をご覧ください。
- 完了したタスクからダウンロードする。 適切なリーダーやエディターで出力を開き、先ほど選んだ扱いにくいページを比較します。
PDF Craftは、タスクの一部として文字認識と文書構造の処理を行います。これは、翻訳の前にOCRを対話的に修正する工程があるという意味ではありません。抽出された文言を独立して検証したい場合は、翻訳済みの出力だけに頼るより、変換と確認を分けた作業のほうが向いているかもしれません。
表と図は個別に確認する
表では、正しい単語が誤ったセルに入っていることがあります。見出しとその下の値を比べ、単位を確認し、行を横幅いっぱいにたどってください。マイナス記号や小数点がずれると、周囲の文章が流暢でも解釈が変わってしまいます。
図については、番号、キャプション、そしてその図に言及している文を確認します。画像に埋め込まれたテキストは、通常の本文と同じようには扱われないことがあります。画像が残っているからといって、すべてのラベルが翻訳されたと決めつけないでください。図や地図については元のファイルを手元に置いておきましょう。
段組みのページでは、つながりを確認する必要があります。ある段の最終行と、次の段の最初の行を読みます。キャプションと脚注は別に追ってください。ページ上で近くにあるからといって、正しい読み順になるとは限りません。より絞り込んだ確認方法は数式と脚注のチェックリストで紹介しています。
内容とレイアウトを分けて確認する
まず意味を比べます。人名、日付、数量、否定、定義、重要な条件などを確認してください。違和感のある箇所があれば、認識された原稿の文言（参照できる場合）と元のページ画像の両方を確認します。翻訳の誤りとOCRの誤りでは、必要な修正が異なります。
次に見た目を確認します。PDF出力では文字の重なり、EPUBでは段落の不自然なつながり、Markdownでは表や数式の構造が崩れていないかを見ます。ブラウザーのプレビューだけでなく、実際に使う予定のリーダーやエディターでファイルを開いて試してください。
確認の記録は、場所と問題を添えた簡単なもので十分です。たとえば「印刷ページ42、表3：第2列の単位を確認」といった書き方です。印刷ページ番号はPDFビューアーのページ番号と一致しないことがあり、リフローするEPUBではページが文字サイズによって変わります。章と特徴的なフレーズを組み合わせると、形式をまたいだ参照として使いやすくなります。
修正済み、または確認済みの版は別に保存します。主な目的が読みやすさなら、固定されたページを保つよりスキャンしたPDFからEPUBにする方法が合っているかもしれません。抽出した内容を編集したいなら、PDFからMarkdownへの変換を使ってください。どちらの場合も、複雑なページでは原稿の確認が必要です。