はい、スキャンした PDF を再入力することなく正確に翻訳できますが、精度は 2 つの連続したプロセスの品質に依存します。OCR はスキャンしたページ画像を機械可読テキストに変換し、機械翻訳は認識されたテキストをある言語から別の言語に変換します。各プロセスでは独自のエラーが発生します。間違いはさらに増えます。 99% 精度の OCR 出力を 95% 精度の機械翻訳に入力すると、文字レベルで約 94% 精度の翻訳が生成されます。これは、およそ 16 単語に 1 単語にエラーが含まれることを意味します。多くのビジネス目的では、これは許容されます。法律、医学、または出版品質の翻訳の場合、人間によるレビューが必要です。
スキャンされた PDF の翻訳ワークフローには、テキストを抽出するためのスキャン拡張と OCR、下書き翻訳を作成するための機械翻訳、およびエラーを修正するための人間によるレビューの 3 つの段階があります。ステージをスキップすると精度が低下します。精度を最大化するワークフローは、3 つすべてに適用されます。
言語テクノロジー企業 DeepL による 2025 年のベンチマークによると、OCR エラーが翻訳パイプラインを通じて伝播するため、OCR 処理されたスキャン文書の翻訳精度は、デジタルで作成された PDF よりも平均 8 ～ 12 パーセント低くなります (DeepL、「文書翻訳品質レポート」、2025 年)。
正確な翻訳のためのスキャン品質要件
| スキャン品質 | OCR 精度 | 翻訳品質 | 推奨アクション |
|---|---|---|---|
| 300 DPI、クリーン、ストレート | 99%以上 | デジタル PDF 翻訳とほぼ同等 | 機械翻訳を進めます。重要なコンテンツに対する人間による軽いレビュー |
| 150 DPI、わずかな歪み、明るい影 | 95-98% | 緻密な文章または専門的な文章における顕著な誤り | 機械翻訳と人間によるレビュー。専門用語と数字を注意深く確認してください |
| 解像度が低い、歪んでいる、暗い、またはしわが寄っている | 85-95% | およそ 10 ～ 20 単語ごとに 1 つのエラー | 翻訳前に再スキャンすることを検討してください。再スキャンが不可能な場合は、人間によるレビューにかなりの時間を費やしてください |
| 携帯電話の写真、不均一な照明、台形歪み | 70-90% | 自動翻訳の信頼性が低い。すべての文に誤りがある | ドキュメントが利用可能な場合は、適切に再スキャンしてください。そうでない場合は、機械の出力を修正するよりも人間による翻訳の方が効率的である可能性があります。 |
スキャンされた PDF の 3 段階の翻訳ワークフロー
ステージ 1: スキャンを強化します。傾きを補正し、コントラストを調整し、背景を白くします。より優れた入力画像により、より優れた OCR 出力が生成されます。ステージ 2: OCR を実行して確認します。 OCR 出力をオリジナルのスキャンと照らし合わせてスポットチェックします。翻訳前に認識エラーを修正します。 OCR エラーを修正すると、変換エラーを防ぐことができます。ステージ 3: 翻訳してレビューします。検証された OCR テキストに対して機械翻訳を実行します。人間のレビュー担当者に、重要な文書の翻訳と元のスキャンを比較してもらいます。スキャンされたドキュメントの Translate PDF ワークフローでは、翻訳品質が翻訳中のテキストの品質を超えることはできないため、OCR 品質が優先されます。
WukongPDF OCR ツールは、スキャンされた文書を処理し、検索可能なテキスト レイヤーを追加します。 OCR PDF 出力が翻訳のソースになります。翻訳の精度は OCR の精度によって決まります。
人間による翻訳がより良い選択である場合
精度が重要であり、スキャン品質が低い文書の場合は、機械翻訳と人間による大幅な修正を加えたものよりも、プロによる人間による翻訳の方がコスト効率が高い場合があります。人間の翻訳者は、OCR ステップを完全にバイパスして、スキャンされたページを直接読み取ります。翻訳者は、OCR が誤って解釈し、機械翻訳が複雑化する可能性があるあいまいさを解決します。スキャンされた PDF を機械翻訳するか人間による翻訳を行うかは、スキャンの品質、必要な精度、レビューに利用できる予算に基づいて決定する必要があります。
スキャン PDF の翻訳ワークフローは、全か無かではありません。スキャンがほとんどきれいで、問題のあるページがいくつかある文書は、きれいなページについては機械翻訳、難しいページについては人間による翻訳で処理できます。
OCR 信頼スコアを使用した翻訳レビューのガイド
OCR エンジンは、認識された各文字と単語に信頼度スコアを割り当てます。低い信頼スコアは不確実性を示し、潜在的なエラーのマーカーとなります。翻訳用の OCR 出力を準備するときは、信頼性の低い領域に焦点を当てて人間によるレビューを行ってください。すべての単語の信頼度が 99% である段落には、最小限のレビューが必要です。いくつかの単語のスコアが 90% を下回る文には、細心の注意が必要です。
信頼に基づいたレビュー アプローチでは、最も大きな影響を与える場所に人間の労力が割り当てられます。レビュー担当者は、OCR 出力全体を均一にレビューするのではなく、エラーが含まれる可能性が最も高い領域を対象とします。その結果、同じレビュー時間でも実効精度が向上します。 OCR PDF の信頼性データは、多くの OCR ツールで利用できます。レビュー作業負荷に優先順位を付けるために使用します。
異なる言語ペアに対する翻訳エンジンの選択
機械翻訳の品質は言語ペアによって大きく異なります。英語からスペイン語、フランス語、またはドイツ語までは、簡単なレビューを伴うビジネス用途に適した流暢な出力を生成します。英語から中国語、日本語、またはアラビア語への場合は、言語間の構造の違いがより大きいため、より広範なレビューが必要です。英語からフィンランド語、ハンガリー語、トルコ語など、英語とは大きく異なる複雑な文法構造を持つ言語では、最もエラーが発生しやすい出力が生成されます。
翻訳エンジンを言語ペアに合わせます。一部のエンジンは、特定の言語の組み合わせに合わせて特別に最適化されています。ドキュメントを複数の言語に翻訳する必要がある場合は、すべてに 1 つのエンジンを使用するのではなく、各ペアに最適なエンジンを使用します。各ターゲット言語のTranslate PDF の品質は、それを生成したエンジンと同じくらい優れています。 WukongPDF は翻訳準備のために文書を処理します。翻訳エンジンの選択によって、出力の品質が決まります。
翻訳後の元の書式の保持
翻訳するとテキストの長さが変わります。翻訳された段落が元の段落と同じ長さになることはほとんどありません。翻訳されたテキストを元の文書レイアウトに戻すと、使用可能なスペースからオーバーフローまたはアンダーフローが発生します。元の書式を保持するには、翻訳に合わせてレイアウトを調整するか、翻訳された文書が元の文書とは異なって見えることを受け入れる必要があります。
書式設定が重要な文書の場合は、翻訳されたテキストを元のレイアウトに合わせるのではなく、翻訳を元の文書と並行して別の文書として提供することを検討してください。元の PDF では書式設定が保持されます。翻訳ドキュメントは、ターゲット言語でコンテンツを提供します。読者は両方を参照します。 Translate PDF を埋め込み翻訳と関連ドキュメントのどちらで選択するかは、書式の整合性とバイリンガルの利便性のどちらを優先するかによって決まります。