画像翻訳：
完全ガイド

画像翻訳とは何ですか？

画像翻訳とは、画像ファイル内のテキストを見つけ出し、それを別の言語に翻訳し、翻訳されたテキストを元のテキストの代わりに画像内に配置するプロセスです。入力は、道路標識の写真、アプリのスクリーンショット、スキャンした契約書、ソーシャルメディアのバナー、アニメーションGIFなどさまざまです。通常求められる出力は、レイアウトも色も背景も同じまま、文字だけが新しい言語になった同じ画像です。

この最後の部分こそが、画像翻訳と通常のテキスト翻訳を分けるポイントです。画像内のテキストはまだテキストではありません。選択することも、コピーや貼り付けをすることもできないのです。そのため、JPGから文字を打ち直し、翻訳ツールに貼り付け、言語ごとに手作業でグラフィックを作り直すという、おなじみの繰り返しに陥りがちです。AI画像翻訳ツールは、3つのステップをつなげることでこの繰り返しをなくします。テキストを読み取る光学文字認識（OCR）、それを変換するAI翻訳、そして翻訳をレイアウトに書き戻す再構築のステップです。

画像翻訳は、AI翻訳という幅広い分野の一部です。AI翻訳ツールの仕組みや精度、テキスト、ウェブページ、メッセージの翻訳方法など、全体像を知りたい場合は、まずAI翻訳ツールの完全ガイドをお読みいただき、画像に特有の内容についてはこちらに戻ってきてください。

画像翻訳が重要な理由

かつてテキストがあった場所には、今やビジュアルコンテンツがあふれています。ラベル付きの製品写真、インフォグラフィック、トレーニング用の図、ヘルプドキュメント内のUIスクリーンショット、十数種類のサイズの広告クリエイティブなどです。それぞれに、その言語で対象者に届けるべき言葉が含まれています。画像が1枚なら、無料のカメラアプリで十分です。しかし、40枚の製品画像を6言語に翻訳するとなると、手作業では1週間分のやり直し作業になります。さらに、異なる人が異なる画像を翻訳すると、1つのカタログ内で同じ製品名が3通りに訳されてしまうこともあります。このガイドの残りの部分では、画像の種類別、言語別、ユースケース別に、こうした問題を避ける方法を解説します。

写真、スクリーンショット、スキャン画像の違い

すべての画像は、認識、翻訳、再構築という同じパイプラインを通りますが、テキストの出どころによって最初のステップの精度が変わります。入力に合ったツールを選びましょう。

スマートフォンで撮影した写真

写真の翻訳は画像の中で最も困難です。遠近によるゆがみ、光の反射、影、光量の不足はいずれも、翻訳が始まる前の段階で文字認識の精度を低下させます。しかも、テキストはきれいな紙面の上ではなく、商品パッケージのラベル、ホワイトボード、手書きのメモなど、実際の風景の中にあります。写真翻訳ツールは写真に対してOCRを実行し、認識されたテキストをエディターに表示するので、OCR処理で誤読された文字を修正でき、翻訳が配置された同じ写真を返します。アプリのインストールは不要で、スマートフォンのブラウザで動作し、1枚の写真でもフォルダー全体でも一度にアップロードできます。文字だけが必要な場合は、画像の代わりに抽出したテキストをエクスポートすることもできます。

最良の結果を得るには、カメラを正面に構え、テキストが画面いっぱいに収まるようにし、光の反射を避けてください。質の悪い写真からは質の悪い翻訳しか生まれません。前段階で誤読された文字を、翻訳ステップで修復することはできないのです。

スクリーンショットおよび画面上のテキスト

スクリーンショットは通常、最もきれいな入力データです。テキストが鮮明で傾きがなく、コントラストも高いため、AI翻訳に最適です。アプリのインターフェース、エラーメッセージ、チャットのスレッド、スライド、ソフトウェアのドキュメントはすべてこれに該当します。スクリーンショットを1枚ずつ、または一括でアップロードし、ターゲット言語を選択して、ライブプレビューで結果を確認し、元の形式でダウンロードします。UI用語は何十枚ものスクリーンショットで繰り返し使われるため、ボタンのラベルや機能名を用語集に追加して、すべてのファイルで同じように翻訳されるようにしましょう。

医療技術企業のスミス・アンド・ネフューは、社内翻訳チームをSmartcat上で運用し、翻訳メモリと用語集を1つのワークスペースで管理しています。同社の導入事例では、以前の翻訳会社のSLAと比較して4倍速い納期を実現したと報告されています（スミス・アンド・ネフューの導入事例を読む）。

スキャン文書

スキャンとは文字の画像であり、文字そのものではありません。その翻訳は2段階のプロセスです。まずOCRがページの画像を、表やヘッダー内のテキストも含めて機械で読み取り可能なテキストに変換し、その後に初めてそのテキストが翻訳されます。Smartcatは1回のアップロードで両方の段階を実行し、ページのレイアウトを保持するため、ダウンロードしたファイルはアップロードした文書と同じ見た目のままです。スキャン文書の翻訳は、スキャナーで取り込んだファイルにも、ページを正面から撮影したスマートフォンの写真にも対応しています。スキャンは300 DPI以上である必要があります。

一部の文字体系には専用の処理が用意されています。たとえばスキャンした中国語では、ソースとして簡体字または繁体字を（地域ごとのバリエーションまで）指定でき、認識されたテキストを翻訳前に単語に分割します。中国語の書き言葉には空白がないため、すべての文字が正しく読み取られていても、分割を1か所誤るだけで意味が変わってしまうからです。

スキャンが画像ファイルではなく複数ページのPDFである場合は、複数ページの構造を維持できるPDFワークフローを使用してください。PDF翻訳ガイドでは、スキャンしたPDF、OCRの解析オプション、レイアウトについて詳しく解説しています。まずはスキャンPDF翻訳ツールから始めましょう。

OCRが画像を翻訳可能なテキストに変換する仕組み

光学文字認識（OCR）は、ほかのすべてを可能にする工程です。OCRは画像のピクセルをスキャンし、テキストを含む領域（見出し、ラベル、キャプション、図の中のテキストなど）を見つけ出し、それぞれを翻訳エンジンが扱える文字に変換します。OCR画像翻訳のワークフローでは、この抽出と翻訳が一度に行われるため、必要な場合を除き、生のテキストを扱う必要はありません。

OCRの品質に影響する要素

OCRの精度は、解像度が低いほど下がり、コントラストが高いほど上がります。鮮明で正面から撮影された画像は安定して翻訳できますが、ぼやけた画像や強く圧縮された画像では文字が欠落します。特に大きな違いを生むポイントは次のとおりです。

• 解像度。300 DPI以上でスキャンしてください。中国語のように文字が密集した文字体系は、ラテン文字よりも許容範囲が狭くなります。2つの文字の違いが、短い一画だけということもあるためです。
• 角度と照明。ページや看板は平らにし、均一に照らしてください。反射や影は字画を隠してしまいます。
• 文字の方向。ヘブライ語やアラビア語のような右から左へ書く文字では、行の順序を決める前に文字の方向を検出する必要があります。特に、1行の中にヘブライ語やアラビア語と英語の名前や数字が混在している場合は重要です。
• 手書き文字。手書き文字は画像ベースのOCRパイプラインでのみ読み取られ、精度は入力の品質に左右されます。手書き文字の結果は、そのまま公開する翻訳ではなく、確認が必要な下書きとして扱ってください。
• 複雑な背景。写真の背景上のテキストや装飾的なロゴタイプのテキストは検出されますが、完璧に再描画されることはまれなため、手作業での修正を見込んでおいてください。

ヘブライ語の画像翻訳ツールのページは、文字体系を考慮したOCRがなぜ重要かをよく示しています。ヘブライ語は右から左へ書かれ、5つの文字は語末で形が変わり、日常的な文章では母音記号が省略され、筆記体の手書き文字は活字体とほとんど字形が共通していません。

画像からテキストへ、そして翻訳へ

翻訳済みの画像はまったく必要なく、メールやレポートに貼り付けるための言葉が自分の言語で欲しいだけ、という場合もあるでしょう。Smartcatでは抽出された原文テキストが翻訳と並んで表示され、編集も可能なため、バイリンガルの同僚やレビュアーがOCRが実際に何を読み取ったのかを確認できます。この工程こそが、低品質なスキャンで誤読された見た目の似た文字を見つけ出す工程です。見逃せば、流暢で自信に満ちた、しかし誤った出力が生まれてしまいます。

OCRの出力を翻訳する場面こそ、AI翻訳が単語単位のツールに対して真価を発揮するところです。エンジンは文全体を文脈の中で捉え、用語集を適用するため、3枚目の画像と40枚目の画像から抽出された製品名は同じ訳語で返ってきます。

Smartcatにおける画像翻訳の仕組み

1枚の画像から始める場合でも、キャンペーン1回分のバナーをまとめて扱う場合でも、ワークフローは同じ5つのステップです。しかも、すべてのステップがブラウザ上で完結します。

エディターのショートカットや現在サポートされているフォントの一覧を含む詳しい操作手順については、ヘルプ記事AI画像翻訳ツールで画像内のテキストを翻訳をご覧ください。

OCRパイプラインと生成パイプラインの比較

Smartcatには翻訳済み画像を再構築する方法が2つあり、プロジェクト作成時に適切な方を選んでおくと、後の手戻りを防げます。

生成オプションについては、AIでマーケティング画像を翻訳（画像翻訳2.0）で説明しています。最終画像の生成には通常最大30秒ほどかかり、最初の出力がうまくいかない場合は［再生成］ボタンで新しいバージョンを作成できます。

デザインとブランディングをそのまま維持する

マーケティングチームやプロダクトチームにとって、翻訳は仕事の半分にすぎません。翻訳されたバナーのテキストがボタンからはみ出していたり、ブランドフォントがデフォルトのフォントに置き換わっていたり、元のテキストがあった場所に残像が残っていたりすれば、公開することはできません。デザインを損なわない画像翻訳とは、背景、フォント、配置、色が翻訳後もそのまま保たれることを意味します。

マーケティング画像、バナー、広告

Smartcatの生成パイプラインは、まさにこのために構築されました。テキストを抽出し、用語集と翻訳メモリを使って翻訳したうえで、元のブランドスタイルで最終画像を生成します。手作業によるインペインティングやフォント合わせは必要ありません。ゼロタッチ画像ローカリゼーションのアップデートでは、エンジンによる自動フォントマッチング、レイアウトの維持、テキストの膨張への対応に加え、画像の生成前に文言を調整できるセグメントベースの編集についても説明しています。Smartcatが初めてAI画像翻訳ツールをリリースしたときも、目標は同じでした。市場ごとにデザインを作り直すことなく、1枚の画像を一度に複数の言語に翻訳することです。

CanvaやFigma内での翻訳

ビジュアルがまだデザインツール内にある場合は、フラットな画像としてエクスポートせずに、そのツール内で翻訳しましょう。Canva翻訳ツールは、SmartcatのエージェントをCanvaのアプリパネルに組み込みます。用語集と翻訳メモリを使用して、グラフィック、インフォグラフィック、ソーシャル投稿の画像上のテキストを含め、デザイン内のテキストを翻訳します（Canvaエージェントの発表を読む）。プロダクトデザインやUIデザインには、SmartcatのFigma翻訳プラグインが、ライブプレビュー付きでデザインを280以上の言語に翻訳します。レビュアーは有料のFigmaシートなしで作業できます。設定方法はFigmaとSmartcatの接続で説明しています。

GIFとアニメーション画像

GIF翻訳ツールは、GIF上のテキストを読み取って翻訳し、元の位置に戻します。GIF翻訳ツールのページによると、アニメーションファイルでは、テキストを含むすべてのフレームが翻訳され、元のタイミングとループを保ったままファイルが再構築されます。用語集はすべてのフレームに適用されます。関連ページとして、AIによるGIF翻訳とGIFを英語に翻訳する方法もあります。

ウェブサイトや文書内の画像

画像は、通常のページ翻訳では見落とされてしまう部分です。そこにある言葉はHTMLではなくピクセルだからです。Smartcatのウェブサイトの画像の翻訳とウェブページ上の画像の翻訳に関するページでは、一般向けツールが埋め込み画像や動的なウェブ画像の扱いに苦労する理由を説明しています。また、画像翻訳Chrome拡張機能を使えば、ページを離れることなく画像内のテキストを翻訳できます。HTMLテキスト、SEOメタデータ、CMS連携など、サイトのその他の部分については、ウェブサイト翻訳ガイドをご覧ください。

Officeファイルに埋め込まれた画像には、もう1つ手順が必要です。.pptxを翻訳すると、スライドのテキストは翻訳されますが、画像内のテキストは翻訳されません。ヘルプ記事PowerPointファイルに埋め込まれた画像の翻訳では、それらの画像を抽出して翻訳し、再挿入する方法を紹介しています。ファイル翻訳ワークフローのその他の部分については、文書翻訳ガイドで解説しています。

ファイル形式と画像の一括翻訳

画像翻訳の検索の多くは、「PNGを翻訳」「JPG翻訳ツール」のようにフォーマットを指定していますが、フォーマットよりも重要なのは内容です。OCRパイプラインは、JPG/JPEG/JFIF、PNG、TIF/TIFF、BMP、GIF、DCX/PCX、JP2/JPC、DJVU、JB2、画像のみのPDF、Adobe Illustrator（AI）ファイルを読み取り、アップロードしたのと同じ形式でエクスポートします。各画像は最大30 MBまで対応しています。

PNG、JPG、その他の画像ファイル

PNGはスクリーンショット、UIグラフィック、透過を含む画像によく使われ、JPGは写真の標準形式です。どちらも、認識・翻訳・再構築という同じパイプラインで処理されます。各形式については、以下のフォーマット別のページで詳しく説明しています。

多数の画像を一度に翻訳する

40枚の画像を翻訳することと、1枚の画像を40回翻訳することの違いは、コンテキストの共有にあります。複数の画像を一度に翻訳すると、バッチ内のすべての画像で1つの用語集が使われるため、ブランド名や繰り返し出てくる用語はどのファイルでも同じように翻訳されます。また1つの翻訳メモリが使われるため、20枚の画像にわたって繰り返される文は一度だけ翻訳され、再利用されます。1つのバッチで複数の言語を同時にターゲットにでき、完成したセットはまとめてダウンロードされます。

一括翻訳は、画像翻訳が単発の作業ではなくチームのワークフローになる場面でもあります。キャンペーン全体のバナーやカタログの商品画像を1つのプロジェクトとしてアップロードし、レビュアーが1か所でチェックすれば、その修正内容が次のバッチに向けて翻訳メモリに反映されます。

言語別に画像を翻訳する

画像翻訳の需要は、言語によって大きく左右されます。写真の日本語を英語に、ポスターの英語をグジャラート語に、スキャンのアラビア語を英語に、というように、検索の多くは翻訳の方向を指定しており、文字体系によっては認識が格段に難しいものもあります。Smartcatの画像ツールは、サポートされている280以上の言語の任意の組み合わせに対応しています。以下のページは言語別の出発点で、文字体系と地域ごとにまとめています。

画像を英語に翻訳する

日本語、中国語、韓国語

CJKの文字体系は、画像翻訳で最も需要の多い言語の1つであると同時に、OCRにとって最も難しい言語の1つでもあります。数千もの文字があり、字画の違いはわずか1ミリほど、さらに日本語ではテキストが縦書きになっている場合もあります。Smartcatの縦書き日本語テキスト翻訳ツールは、画像やスクリーンショット内の伝統的な上から下への縦書きに対応し、漢字写真翻訳ツールは写真内の漢字をカバーします。なお、スキャンした中国語のワークフローは横書きの中国語に対応しており、縦書きの中国語の段組みには対応していない点にご注意ください。

ヒンディー語とその他のインドの言語

ヒンディー語の看板やサンスクリット語の文献から、カンナダ語、タミル語、テルグ語、グジャラート語の文書に至るまで、インドの言語は画像や写真の翻訳検索の大きな割合を占めています。エディターでサポートされているフォントには、デーヴァナーガリー文字、タミル文字、ベンガル文字、カンナダ文字、マラヤーラム文字、テルグ文字、グルムキー文字専用のNotoフォントが含まれているため、翻訳されたテキストは正しい文字で表示されます。

アラビア語、ヘブライ語、ウルドゥー語、ペルシア語

右から左へ書く文字体系では、単語を入れ替えるだけでは不十分です。翻訳されたテキストを正しい方向で配置する必要があり、さらに混在した行（英語のブランド名を含むアラビア語の文など）では、各部分の順序を保たなければなりません。Smartcatは右から左へ書くテキストを画像内に再描画します。サポートされているフォントには、アラビア文字、ヘブライ文字、ナスタアリーク体のウルドゥー文字用のNotoフォントが含まれています。

スペイン語、フランス語、ドイツ語、その他のヨーロッパ言語

タガログ語、アムハラ語、ソマリ語、ビルマ語など

話者の少ない言語への対応状況は、翻訳ツールによって大きく異なります。画像内のテキストとなればなおさらです。必要な言語がここに掲載されていない場合は、汎用の画像翻訳ツールでサポートされている任意の言語ペアを利用できます。

画像翻訳のユースケース

誰が、何のために画像を翻訳するのでしょうか？その答えによって、選ぶべきツールとパイプラインが決まります。

マーケティングおよびEコマース向けビジュアル

キャンペーンバナー、ソーシャルメディア向け画像、ラベル付きの商品写真、パッケージのアートワークにはいずれもテキストが含まれており、ローンチと同時にすべての市場に届ける必要があります。ここで威力を発揮するのが、生成AIによる「マーケティング＆ビジュアル」パイプライン、一括アップロード、そして共有の用語集です。一度アップロードするだけで、すべての言語に対応し、どの画像でも同じ製品名が使われます。

トレーニングおよびeラーニング教材

注釈付きのスクリーンショット、図表、インフォグラフィックは、コースの中で英語のまま残されがちな部分です。ゼロタッチ画像ローカリゼーションのアップデートでSCORMサポートが追加されました。SCORMパッケージをアップロードすると、テキストを含む画像が特定・翻訳され、コース構造を維持したまま再パッケージ化されます。

製品ドキュメントとソフトウェアのスクリーンショット

ヘルプセンターの記事やユーザーガイドには、UIのスクリーンショットが数多く含まれています。インターフェースと同じ用語集で翻訳すれば、製品とドキュメントの間でボタンのラベルが一貫します。原文のテキストが鮮明なため、スクリーンショットはAI画像翻訳が最も効果を発揮するユースケースの1つです。

スキャンした記録、フォーム、書類

サプライヤーとの契約書、営業許可証、税関書類、証明書、保管記録などは、スキャンデータしか存在しないことがよくあります。OCRとAIを組み合わせれば、読みやすく編集可能な下書きをすばやく作成できます。法的な文書や公的な文書については、下書きを人間のレビュアーに回し、OCRが読み取った内容を確認できるよう原文のテキストを表示したままにしておきましょう。

個人での利用や旅行時の翻訳

メニューや標識、ラベルを今すぐ読みたいなら、無料のカメラアプリが適しています。そのほうが速く、目的にも合ったツールです。Smartcatのような画像翻訳ツールは、送信、保管、公開に使える翻訳済みの画像ファイルが必要な場合にご利用ください。

画像が単独で存在することはほとんどありません。画像がPDF内にある場合は、以下にリンクしているPDF翻訳ガイドで、画像の多いPDFの扱い方を説明しています。画像付きPDFの翻訳では、図表に埋め込まれたテキストが認識・翻訳され、画像の中に書き戻されます。

画像翻訳ガイド、ハウツー、最新情報

画像やスクリーンショットを翻訳するためのステップバイステップガイドと、Smartcatの画像翻訳ツールを支える製品アップデート。

Smartcat 製品ドキュメント

Smartcatで画像を翻訳するためのステップバイステップのヘルプ記事。

関連ガイド

画像翻訳は、Smartcatがコンテンツを翻訳するさまざまな方法の1つです。以下のガイドでは、関連するトピックをさらに詳しく解説しています。