タグ付き PDF には、スクリーン リーダーが視覚障害のあるユーザーに画像、表、文書構造を説明するために使用する、隠されたアクセシビリティ メタデータが含まれています。ページ上に表示されるテキストは英語でも構いませんが、代替テキストの説明、表の概要、および構造ラベルは、世界中の視聴者のために複数の言語で利用できる必要があります。表示されている文書コンテンツには触れずにこの非表示レイヤーのみを翻訳するには、PDF のタグ構造を直接操作する必要がありますが、これはほとんどの汎用翻訳ツールにはない機能です。
PDF/UA 標準 (ユニバーサル アクセシビリティ、ISO 14289) では、タグ付き PDF がすべての非テキスト コンテンツ要素に代替テキストを提供することを要求しています。多言語組織では、各国のアクセシビリティ審査担当者がコンプライアンスを確認できるように、フランス語で書かれた契約書の代替テキストを英語、ドイツ語、オランダ語で利用できるようにする必要がある場合があります。文書全体を翻訳するのは不必要であり、費用もかかります。注意が必要な代替テキストと構造ラベルは数百語のみです。このタスクは、完全なドキュメント Translate PDF と手動のアクセシビリティ編集の間にある狭いカテゴリに分類され、このタスクの標準ワークフローを確立している組織はほとんどありません。
未翻訳のアクセシビリティ メタデータの影響は、見た目よりも重大です。スクリーン リーダー ユーザーが英語の代替テキストのみを含むフランス語の契約書にアクセスすると、フランス語のコンテンツの中断で英語の説明が聞こえ、混乱して方向感覚を失った体験が生じます。アクセシビリティ規制の対象となる政府機関や公的資金による組織にとって、これは法的な影響をもたらす可能性のあるコンプライアンスのギャップを意味します。アクセシビリティ層の翻訳は、多言語を使用する組織にとっては望ましいことではありません。これは、組織がサービスを提供するすべての言語にわたるアクセシビリティ義務を満たす一環です。
PDF タグの構造と代替テキストの存在場所を理解する
タグ付き PDF は、そのコンテンツを、Document、Part、Sect、P、Table、Figure、Formula などの要素を含む論理構造ツリーに編成します。各要素には属性を含めることができ、翻訳にとって重要なのは、代替テキストの説明を保存する /Alt エントリです。グラフを表す Figure 要素には、「2022 年第 1 四半期から 2024 年第 4 四半期までの四半期収益の伸びを前年比 12 パーセント増加した棒グラフ」を含む /Alt エントリが含まれる場合があります。このテキストは、表示されているページには表示されません。これは、スクリーン リーダーを使用するためにタグ構造内にのみ存在します。
/Alt エントリは、ドキュメントのマークされたコンテンツ内の PDF 文字列オブジェクトまたは XML エスケープ文字列として保存されているテキスト文字列です。周囲のタグ構造を乱すことなく、PDF コンテンツを抽出、翻訳し、書き戻すには、タグ付き PDF コンテンツをオブジェクト レベルで解析できるツールが必要です。アクセシビリティ パネルにタグ ツリーを表示するほとんどの PDF エディターは、個別の /Alt エントリを編集できますが、数十または数百のエントリを手動で翻訳するのは時間がかかり、エラーが発生しやすく、エントリごとに個別に開いて編集し、保存するサイクルが必要になります。
/Alt エントリ以外にも、翻訳可能なアクセシビリティ要素があります。 Table 要素の /summary 属性は、テーブルの構造と目的の概要をテキストで提供します。 Span 要素の /ActualText エントリは、スクリーン リーダーのビジュアル テキストをオーバーライドできます。これは、ビジュアル テキストが展開される必要がある略語である場合に便利です。 /TU (ツールチップ) エントリに保存されているフォーム フィールドの説明も翻訳が必要です。完全なアクセシビリティ翻訳では、これらすべての要素がカバーされます。 30 の図、15 の表、および 40 のフォーム フィールドを含む 50 ページの契約書の場合、翻訳可能なアクセシビリティ テキストの合計は 2,000 ～ 3,000 ワードになる可能性があり、翻訳者が 1 日の一部を費やすには十分ですが、文書テキスト全体を翻訳するよりもはるかに少なくなります。
翻訳用のアクセシビリティ テキストの抽出
最初のステップは、翻訳が必要なものを棚卸しすることです。 PDF アクセシビリティ チェッカーまたはタグ ビューアを使用して、ドキュメント内のすべての /Alt、/summary、/ActualText、および /TU エントリのリストをエクスポートします。 Adobe Acrobat Pro に組み込まれたアクセシビリティ チェッカーを含む、ほとんどのアクセシビリティ検証ツールは、これらの属性とその現在のテキスト値を持つすべてのタグ要素を示すレポートを作成できます。このリストを、タグ タイプ、要素識別子、元のテキスト、および空の翻訳列の列を含む CSV などの構造化形式にエクスポートします。
元のテキスト文字列を翻訳者または機械翻訳サービスに送信します。構造化された形式により、翻訳された各文字列がそのソース要素に関連付けられたままになります。これは、翻訳を正しい場所に書き戻すために不可欠です。 PDF アクセシビリティ に準拠するには、翻訳は元の代替テキストと同じ品質基準を満たす必要があります。適切な代替テキストの説明は簡潔で、通常は 150 文字未満で、要素の外観ではなく内容と機能について説明します。翻訳では、この簡潔さと機能的な焦点を維持する必要があります。
WukongPDF は、個々の要素レベルでの PDF タグ およびアクセシビリティ属性の編集をサポートしており、表示されるページ コンテンツに影響を与えることなく代替テキストの翻訳を更新することが実用的になります。構造化タグ エディターには、翻訳可能なすべての属性を含む完全な要素階層が表示されます。また、バッチ更新機能を使用すると、CSV ファイルから翻訳をインポートし、1 回の操作で正しい要素に適用できます。
タグ構造に翻訳を書き戻す
翻訳を受信した後の書き戻しステップでは、PDF タグ ツリーをナビゲートして個々の属性値を更新できるツールが必要です。タグ エディターで PDF を開くと、完全な構造ツリーが表示されます。翻訳された各要素について、ツリー内で要素を見つけ、その /Alt またはその他の属性を選択して、翻訳されたテキストを貼り付けます。すべてのエントリが更新されたら、ファイルを保存します。スクリーン リーダーまたはアクセシビリティ検証ツールを使用して結果を確認します。スクリーン リーダーをアクティブにしてドキュメント内を移動し、翻訳された各説明が期待される言語で読み取られることを確認します。
複数の言語で配布されるドキュメントの場合は、PDF に代替テキストのすべての言語バージョンを 1 つのファイルに含める必要があるか、または言語固有の PDF を個別に作成する必要があるかを検討してください。 PDF 仕様では要素レベルでの言語タグ付けがサポートされているため、理論的には 1 つのファイルに図 1 の英語の代替テキストと図 2 のフランス語の代替テキストを含めることができます。ただし、要素ごとの言語切り替えに対するスクリーン リーダーのサポートは、異なるスクリーン リーダー アプリケーション間で一貫性がありません。アクセシビリティへの準拠が要件の場合は、言語ごとに個別の PDF を使用する方が安全で確実にテストできる選択肢です。
大規模なドキュメント セットのワークフローの自動化
数百または数千の PDF にわたるアクセシビリティ メタデータをローカライズする必要がある組織にとって、手動で書き戻すアプローチは拡張性がありません。このような場合、抽出、変換、および書き戻しをスクリプト化する必要があります。 Java の場合は Apache PDFBox、Python の場合は pikepdf など、タグ構造へのアクセスをサポートする PDF ライブラリを使用して、すべての翻訳可能な属性をプログラムで抽出し、翻訳 API に送信して、結果を書き戻します。
スクリプトは、人間のレビュー担当者が翻訳をスポットチェックできるように、変更するすべての属性をログに記録し、前後の比較レポートを作成する必要があります。ワークフローを自動化すると、ドキュメントあたりのコストは削減されますが、数十の代替テキストの説明に表示され、配布後に初めて発見される誤訳された用語など、体系的なエラーのリスクが生じます。ランダムなサンプルのバッチレビューに加えて、翻訳 API によって信頼性が低いとフラグが立てられた翻訳の対象を絞ったレビューにより、効率と品質のバランスが取れ、防御可能な品質保証記録が提供されます。