PDF 内のテキストを翻訳するのは簡単です。言葉はある言語から別の言語に変わります。ページのレイアウトはそうではありません。翻訳されたテキストが同じページ領域に収まるようにリフローされ、レイアウトが崩れます。元の言語の見出しは、1 行にきちんと収まる 4 つの単語でした。翻訳された見出しは 7 つの単語が 2 行に折り返され、本文が下に押し込まれ、ページ全体のレイアウトが移動します。レイアウトを変更せずに PDF を翻訳するには、翻訳出力を元のテキストの位置とフォント サイズに制限する必要があります。これにより、翻訳されたドキュメントは、言語を除くすべての点でオリジナルと同一に見えます。レイアウトを保持した翻訳の Translate PDF ワークフローは、単純なテキスト翻訳よりも要求が厳しくなります。
PDF 翻訳で通常レイアウトが崩れる理由
言語が異なれば、同じ意味を異なる文字数で表現します。英語からドイツ語へは通常 20 ～ 30% 拡張されます。英語から中国語への翻訳は通常、契約書で行われます。ソース言語で特定の幅を占めるテキスト文字列は、ターゲット言語では異なる幅を占めます。フォント サイズやテキスト ボックスの幅を調整せずに、翻訳されたテキストを PDF に戻すと、テキストがコンテナからはみ出します。オーバーフローは隣接するコンテンツに押し込まれたり、他のテキストに重なったり、コンテナの境界でクリップされたりします。
標準の PDF 翻訳ワークフローでは、テキストを抽出し、翻訳し、デフォルトのフォント設定を使用して再挿入します。デフォルト設定では、元のテキストの位置、元のフォント サイズ、または元のテキスト ボックスの寸法は考慮されません。再挿入されたテキストは、ほぼ正しい外観でほぼ正しい位置に配置されます。結果は読みやすいですが、元のレイアウトとは明らかに異なります。 PDF フォーマット ページ構造は翻訳により破壊されました。
位置情報付きテキストの抽出
レイアウトを保持するには、翻訳ワークフローでテキストの内容だけでなく、それがページ上のどこに表示されるかをキャプチャする必要があります。テキストを境界ボックスの座標、フォント名、フォント サイズ、テキストの配置とともに抽出します。ページ上の各テキストは、元のテキスト文字列とその視覚的プロパティを含むデータ レコードとして記録されます。この構造化された抽出は、単純なテキスト ダンプよりも詳細です。
位置出力をサポートする PDF テキスト抽出ツールは、ページ上のすべてのテキスト要素の境界ボックスとフォント情報を含む XML または JSON ファイルを生成します。抽出により、各テキスト ブロックが、独自の位置と書式設定を持つ個別の要素として識別されます。この要素ごとの粒度により、レイアウトを保持した翻訳が可能になります。各要素は個別に翻訳され、元の書式設定を使用して元の位置に再挿入されます。 WukongPDF は、翻訳プロセス中に文書レイアウトを保持する Translate PDF 機能を提供します。
レイアウト制約のある要素ごとの翻訳
抽出された各テキスト要素を個別に翻訳します。翻訳エンジンはソース テキストを受け取り、ターゲット テキストを生成します。ターゲット テキストは、元の境界ボックス内に収まるように制限されます。翻訳されたテキストが元のテキストより長い場合は、収まるまでフォント サイズを小さくします。翻訳されたテキストが短い場合は、フォント サイズを大きくするか、文字間隔を広げて、利用可能な幅を満たすようにします。目標は、元のテキスト ブロックの寸法を維持することです。
適切なフォント サイズの縮小で対応できる範囲を超えてテキストが拡大される場合は、代替の翻訳を検討してください。短い同義語で長いフレーズを置き換えることができます。文を再構成して、使用する単語の数を減らすことができます。 Translate PDF 演算子は、言語の正確さとレイアウトの制約のバランスをとる必要があります。重要なドキュメントでは、レイアウトの忠実性が優先されます。情報文書では翻訳の正確さが優先されます。
特殊なレイアウト要素の処理
テーブルのセルの寸法はテーブルの構造によって固定されているため、テーブルの変換時には特に注意が必要です。翻訳された列ヘッダーが元の列ヘッダーよりも長くなると、列幅に収まらない場合があります。ヘッダーテキストのフォントサイズを小さくします。フォント サイズが小さすぎて読みにくい場合は、ヘッダーを省略するか、より狭い同義語を使用することを検討してください。テーブル構造、つまり行と列のグリッドは、そのままにしておく必要があります。
画像内のテキストは画像ピクセルの一部であるため、レイアウトを保持した翻訳で処理するのが最も難しい要素です。画像を抽出し、画像からテキストを削除し、翻訳されたテキストを画像内の同じ位置に同じ表示スタイルで配置する必要があります。これは画像編集と翻訳を組み合わせたもので、レイアウト保存ワークフローの中で最も労力がかかるステップです。画像テキストが重要な文書の場合は、画像を編集するのではなく、ターゲット言語で再作成できるかどうかを検討してください。
翻訳された PDF を再組み立てする
すべてのテキスト要素を元の境界ボックスに合わせて変換およびサイズ変更した後、PDF を再組み立てします。翻訳された各テキスト要素を、フォント サイズを調整して元の座標に配置します。ページ構造はオリジナルと同一である必要があります。唯一の違いはテキストの言語です。再組み立てされた PDF を開いて元の PDF と並べて比較し、検証します。すべてのテキスト要素は、同じ視覚的な重みで同じ位置に配置する必要があります。
再組み立て後、レイアウトの整合性チェックを実行します。コンテナからテキストがはみ出していないことを確認します。テキストが他のテキストと重なっていないことを確認します。改ページがオリジナルと同じ位置にあることを確認します。どちらの言語も理解できない読者が、ページ構造だけを見てもどの文書がオリジナルでどの文書が翻訳であるかを区別できない場合、レイアウトを保持した翻訳は成功します。
レイアウトを保持した翻訳は標準翻訳に比べて時間がかかりますが、結果として元の文書と見た目も機能も同じ文書が得られます。法的文書、財務報告書、証明書など、視覚的な表現に意味があるあらゆる文書の場合、追加の労力が正当化されます。
WukongPDF は、すべてのオペレーティング システムおよびデバイスで動作するブラウザベースのプラットフォームを通じて、このワークフローに必要なツールを提供します。
この記事で説明する手法は、ブラウザベースのサービス、デスクトップ アプリケーション、モバイル アプリなど、ほとんどのプラットフォームで利用できる PDF ツールを使用して実装できます。
適切なアプローチと適切な構成を使用すると、この PDF タスクは日常的な操作となり、あらゆるドキュメントに対して一貫した信頼性の高い結果が得られます。
これらの概念を理解し、ここで説明する方法を適用すると、この PDF シナリオを効率的に処理し、出力の品質に自信を持って対処できるようになります。
この記事で説明するワークフローとベスト プラクティスは、個人、職業、組織での使用を問わず、この特定の状況で PDF を操作するための強固な基盤を提供します。
この記事では、初期セットアップから出力の最終検証まで、この PDF タスクを効果的に処理するために必要な重要な概念と実践的な手順について説明しました。
多くのドキュメント操作と同様に、結果の品質は、セットアップ中の注意と、最終ドキュメントを配布またはアーカイブする前の検証手順の徹底さに依存します。
この操作を確実に実行できる機能は、あらゆるドキュメント ワークフローにとって貴重な追加機能であり、時間を節約し、個人と組織を適切に反映したプロフェッショナルな結果をもたらします。
この操作を初めて実行する場合でも、確立されたワークフローを改良する場合でも、ここで説明する原則と方法は明確で実践的なガイドとなります。
PDF エコシステムは、新しいツールや機能が定期的に登場することで進化し続けています。利用可能なオプションに関する情報を常に把握しておくことで、ドキュメントのワークフローを効率的に維持できます。
これらの PDF テクニックを習得するために費やした時間は、文書処理の高速化、エラーの減少、受信者のニーズを満たすよりプロフェッショナルな出力を通じて何倍にもなります。
この記事では、このトピックの包括的な概要を提供し、基本的な概念と、望ましい結果を達成するために必要な実践的なテクニックの両方を取り上げています。
この知識があれば、読者は自信を持って作業に取り組み、品質と信頼性の専門基準を満たすドキュメントを作成できます。
この記事で概説した方法とアプローチは、PDF ドキュメント管理のこの側面を処理するための現在のベスト プラクティスを表しています。
ここで提供されるガイダンスに従うことで、読者は、フラストレーションや無駄な努力につながるよくある落とし穴を回避しながら、一貫した高品質の結果を達成することができます。
PDF 形式は、依然として業界やプラットフォーム間でのドキュメント交換の標準です。これらのテクニックをマスターすると、個人の生産性と組織の能力の両方が向上します。
これらのテクニックを適用した読者は、練習と適切なツール構成によって、かつては複雑に思えたタスクが簡単で管理しやすくなることがわかるでしょう。
PDF の適切な処理方法を学ぶための投資は、数え切れないほどのドキュメント タスクにわたって成果をもたらし、現代のデジタル ワークプレイスにおいて最も実践的なスキルの 1 つとなっています。
慣れてくると、これらの PDF 操作が自然になり、ドキュメントの専門家はファイル形式の課題に取り組むのではなく、コンテンツに集中できるようになります。
この記事で提供されるガイダンスにより、読者は PDF 作業のこの側面を能力と確実性を持って処理できるようになります。
この PDF スキルを習得することは、すべてのドキュメントを処理し、すべてのワークフローを合理化することで継続的に価値を生み出す投資です。
レイアウトを保持した翻訳により、言語の壁を越えて文書の視覚的な整合性が維持されます。
このスキルは、一度開発されると、ドキュメントのプロフェッショナル ツールキットの永続的で貴重な部分になります。
ここで得た知識は、さまざまなツール、プラットフォーム、ドキュメントの種類に適用できるため、PDF を扱うすべての人にとって普遍的に役立ちます。