スキャンしたPDFを翻訳：簡単な手順とベストプラクティス

スキャンされたPDFは、テキストベースのPDFよりも翻訳するのがはるかに困難です。テキストベースのPDFには機械可読なテキストが含まれているのに対し、スキャンされたPDFには画像が含まれており、その画像の中にテキストが含まれています。

スキャンしたPDFを翻訳するには、まずテキストを正確に抽出する必要があります。それらの画像から抽出します。そうして初めて、それを翻訳することができます。

それでは、スキャンしたPDFはどのように翻訳すればよいのでしょうか？まず、何をもってPDFが「スキャンされた」とされるのかを見てみましょう。

簡単に言えば、スキャンされたPDFには機械可読テキストではなく文書の画像が含まれています。

テキストベースのPDFは扱いやすいです。ユーザーであっても、テキストの選択、ハイライト、コピー、検索、編集を行うことができます。

スキャンされたPDFは、一方で、物理的な文書をスキャンまたは撮影することによって作成された画像です。テキストの選択、コピー、編集はできません。そのため、翻訳者はスキャンされたPDFに苦労するのです。

それでは、テキストではなく画像で構成されたPDFはどのように翻訳すればよいのでしょうか？そこでOCRの出番となります。

光学文字認識（OCR）とは、画像内のテキスト、文字、要素を検出して、機械可読な形式に変換する技術です。

スキャンしたPDFを翻訳するには、まずコンテンツを検出して機械可読テキストに変換するためのOCRが必要です。テキストを入手したら、ターゲット言語に翻訳することができます。

高品質なPDF翻訳者は、正確な翻訳を提供するだけでなく、高品質なOCR機能も備えています。OCR品質が高いほど、コンテンツの検出精度が向上します（スキャンされたページ内）。精度の低いOCRは不正確なコンテンツ検出を意味し、それが結果として翻訳エラーにつながります。

プレミアムPDF翻訳者は、スキャンされたページ内で検出された表、ヘッダー、その他の視覚的要素を含むPDFの書式も再構築します。

スキャンしたPDFを翻訳するための詳細なステップバイステップガイドは以下のとおりです。

以前、さまざまなPDF翻訳ツールを比較しました。ビジネス文書の高精度な翻訳には、Smartcatのようなプレミアムツールが最適です。

SmartcatのPDF翻訳ツールにはOCRが組み込まれており、280以上の言語をサポートし、文書の元のフォーマットを保持するため、スキャンされたPDFも正確に処理します。

まずスキャンしたPDFの品質を確認してください。クリアなスキャンにより、OCRがテキストを正確に検出しやすくなります。最良の結果を得るには、300 DPI以上の解像度でスキャンしてください。

また、スキャンしたページはテキストがクリアで判読可能であり、視覚的なノイズが最小限に抑えられ、テキストと背景のコントラストが良好であることを確認してください。スキャンの品質に問題がなければ、スキャンしたPDFを翻訳者にアップロードしてください。

スキャンされたPDFの元の言語と、翻訳したいターゲット言語を選択してください。複数のターゲット言語を選択でき、SmartcatはそのすべてにPDFを翻訳します。

次へ、「翻訳」ボタンを押してください。SmartcatはOCRを使用してスキャンされたページ内のテキストと書式を検出し、それらを抽出した上で、AIを使用してテキストを翻訳します。

機械翻訳の準備ができたら、翻訳されたコンテンツを確認してください。

スキャンされたPDFの場合、2つのレベルの品質チェックが必要です。

• OCR精度。OCR検出のエラーを探してください。OCRでは、0をO、1をI、あるいはrnをmと誤るなど、特定の文字をよく見間違えるため、こうした基本的な抽出エラーがないか確認してください。

• 翻訳の正確さ。機械翻訳が見落とした可能性のある専門用語、ブランドの名前、そして文化的なニュアンスの翻訳を確認してください。

翻訳を確認して完了したら、各ターゲット言語のPDFファイルをダウンロードしてください。

翻訳品質は、アップロードされたPDFの品質に部分的に依存します。クリアで高解像度のスキャンは、判読不能な低解像度のスキャンよりも優れた出力結果をもたらします。

OCRの結果を改善するためのいくつかの方法を以下にご紹介します。

スキャン解像度はOCRの精度に大きく影響し、その結果、翻訳の品質にも影響します。解像度が低いとテキストの抽出が困難になり、エラーにつながります。

適切なスキャン解像度は300 DPI以上となりますので、スキャンしたPDFがその基準を満たしていることをご確認ください。圧縮を繰り返すと解像度がさらに低下するため、避けてください。

水平にきれいに整列されたテキストは、OCRの精度を向上させます。斜めにスキャンされたページは、傾きによってスキャン画像が歪むため、文字や行の検出が困難になります。

ページを斜めにスキャンしないでください。文書を撮影する際は、カメラをページと平行に保ってください。

精度を高めるためには、OCRがPDFの要素と背景を容易に区別できる必要があります。

質の良いスキャンPDFとは、白くすっきりとした背景に濃い色の文字が配置されているものを指します。色あせた文字、暗い背景、変色または模様のあるページは、スキャン品質の低下につながります。撮影された文書にも同様に適用可能です。テキストにかかる影は避けてください。

不鮮明な文字や視覚的なノイズはOCRを混乱させ、コンテンツの抽出を困難にします。スタンプ、署名、手書きの注記、折り目、汚れ、視覚要素の重なりは、いずれも正確な認識の妨げとなります。

スキャンされたPDFを翻訳する際によく遭遇する問題と、その解決方法を以下にご紹介します。