はい — PDF をオーディオに変換するのは 2 段階のプロセスです。テキストを抽出し、テキスト読み上げを実行します。このテクノロジーは大幅に改善されており、その結果はほとんどの目的に使用できますが、PDF の作成方法や使用するテキスト読み上げエンジンによってエクスペリエンスは大きく異なります。
PDF から音声への直接変換がない理由
PDF には音声データは含まれません。テキスト、画像、レイアウト情報が含まれます。 PDF をオーディオに変換するとは、PDF からテキストを抽出し、そのテキストから音声を合成することを意味します。これらは 2 つの別々の操作であるため、1 ステップで PDF を MP3 に直接変換するツールはありません。常にテキスト抽出とそれに続くテキスト音声合成が必要になります。
出力の品質は、テキスト抽出の品質に大きく依存します。クリーンで適切に構造化されたテキストを含む PDF では、自然に流れる音声が生成されます。スキャンされた画像である PDF、壊れたテキスト エンコーディング、または異常な形式を使用すると、単語の読み間違い、断片の順序の乱れ、文章の文字化けなど、エラーのある音声が生成されます。
OS 内蔵の Text-to-Speech の使用
Mac での最も簡単な方法: PDF を開き、すべてのテキストを選択し (Cmd+A)、[編集] → [スピーチ] → [スピーチの開始] に移動します。 Mac に組み込まれた音声合成機能が、選択したコンテンツを読み上げます。これは保存できるオーディオ ファイルではなく、ライブ再生です。しかし、他のことをしながら PDF を聞く場合には、追加のツールなしで機能します。
Windows では、PDF ビューアでファイルを開いているときに、ナレーター (組み込みのスクリーン リーダー) が PDF コンテンツを読み上げることができます。読み取りを開始するショートカットは Ctrl+Windows+Enter です。繰り返しますが、これは保存できるファイルではなく、ライブ再生です。
PDF テキストから音声ファイルを作成
オフラインで聞いたり共有したりできる実際のオーディオ ファイル (MP3、M4A、WAV) を作成するためのワークフローは、PDF からテキストを抽出し、テキスト読み上げサービスに貼り付けて、オーディオ出力をダウンロードすることです。いくつかのサービスがこれを直接処理します。
Natural Reader、Speechify、および Balabolka (Windows、無料) はテキスト入力を受け入れ、オーディオ ファイルをエクスポートします。 Google の Text-to-Speech API と Amazon Polly は、高品質で自然な音声をプログラムで生成します。完全な PDF を作成するには、テキストを章ごとまたはセクションごとにコピーし、各部分を変換し、必要に応じて音声ファイルを結合します。
PDF 選択可能なテキストが必要
テキスト抽出は、PDF に実際のテキスト レイヤーがある場合にのみ機能します。画像のみのスキャンされた PDF の場合は、最初に OCR PDF を実行して検索可能なテキスト レイヤーを追加し、次にテキスト抽出と音声変換を続行します。 OCR がなければ、テキスト読み上げシステムは何も読み取ることができません。ファイルにはテキストがなく、ピクセルだけが存在します。
簡単なテスト: PDF 内の文を選択してみます。個々の単語が強調表示されている場合は、テキスト レイヤーが存在します。ページの長方形の領域が代わりに選択される場合、それは画像のみであり、音声変換を可能にする前に OCR が必要です。
予想される制限
クリーンなテキスト抽出と適切なテキスト読み上げが行われていても、PDF からオーディオへの変換には既知の制限があります。表や図は意味のある形で音声に変換されません。表を読み取るテキスト読み上げエンジンは、文書の順序でセルごとに読み取ります。これは、多くの場合、ランダムな数字のリストのように聞こえます。脚注とサイドバーが PDF のテキスト レイヤー内にそのように配置されている場合、文の途中で読むことができます。数学表記、化学式、コード ブロックは、意味のある内容としてではなく、個々の文字として読み取られます。
記事、レポート、書籍、提案書などの物語的なテキストの場合、音声変換はうまく機能し、出力は本当に聞きやすいものになります。高度に構造化された文書や技術的な文書の場合、文書を直接読むよりも音声を理解するのに注意が必要になる場合があります。