PDF翻訳の完全ガイド：レイアウトを崩さずにPDFを翻訳する方法

こんな経験はありませんか。契約書や決算報告書、製品カタログを別の言語で用意する必要がある。翻訳ツールに通してみたら、返ってきたのはめちゃくちゃなファイル。表は崩れ、見出しは消え、文字が画像の上にはみ出している。

原因はあなたにはありません。PDFという形式そのものにあります。PDFはピクセル単位で正確に表示することを目的に作られていて、編集を前提にしていません。そのため、各文字が文書の中でどんな役割を持つかではなく、ページ上のどこに置かれているかだけを記録しています。PDFの翻訳は、単語を入れ替えるだけの作業ではありません。中身を取り出し、言語を変換し、ページを組み直す、という一連の工程なのです。

PDF翻訳が解決すべき5つの課題

1. レイアウトを壊さずにテキストを取り出す

PDFを編集可能な形式に変換する段階で、多くのレイアウトが命を落とします。段組み、入れ子になった表、フローティング画像、埋め込みフォントは、その過程で順序が入れ替わったり、抜け落ちたりします。丁寧に作り込んだ営業資料が、反対側から出てくるときにはただのべた書きテキストになっている、ということが起こります。

2. スキャンしたページには文字がまったく入っていない

選択できるテキストがひとつも含まれていないPDFはたくさんあります。取引先から返ってきた押印済みの契約書、スキャンした請求書、撮影したマニュアルのページ。これらは画像です。OCRで文字を復元しない限り、何ひとつ翻訳できませんし、OCRにはOCRなりの誤認識の余地があります。

3. 翻訳すると文の長さが変わる

言語ごとに情報の詰まり方は違います。英語を元にすると、ドイツ語やフランス語の版はたいてい長くなり、日本語や中国語はたいてい短くなります。元の言語に合わせて余白を調整したページでは、その差がボックスからあふれるか、逆に不自然な空きを残すかのどちらかになります。

4. 長い文書のなかで用語がぶれる

契約書の「不可抗力（Force majeure）」、医薬品申請書の「薬物動態」、財務諸表の「償却原価」。こうした用語は、3ページ目でも190ページ目でも同じ訳語でそろえる必要があります。長い技術文書では、用語の不統一が最もよくある品質上の失敗であり、レビューする人が真っ先に気づくところです。

5. 納品するファイルは原本と同じ見た目でなければならない

誰も「翻訳テキスト」がほしいわけではありません。ほしいのは「翻訳済みの文書」です。同じ取引先に送れて、同じ紙に印刷できて、原本の隣にファイリングできるものです。言葉を正しく訳すのは、仕事の半分にすぎません。

AIが工程をどう変えたか

従来のやり方は手作業でした。PDFを手でWordに変換し、翻訳し、書式を組み直して、PDFに書き出す。50ページの技術マニュアルなら、数日がかりの作業になり、費用も数十万円単位になります。

大規模言語モデルは、この工程の真ん中を変えました。一語一語を置き換える機械翻訳とは違い、GPTのようなモデルは書き始める前にひとまとまりの文章を読むので、個々の単語ではなく意味を訳します。実際のところ、これによって次の4つが手に入ります。

• 自然な訳文。 モデルは翻訳している段落を理解しているので、機械が書いたようには読めません。
• 数日ではなく数分。 長い文書は、あなたが別の作業をしている間にバックグラウンドで処理されます。
• 一貫性。 用語も文体も、最初のページから最後のページまで安定します。
• 構造の把握。 構造を理解するツールなら、文書を分解せずに翻訳できます。

AIは魔法ではありません。手書き文字、深く入れ子になったレイアウト、高度に専門的な内容は、外に出す前に人の目を通す価値があります。それでも、ふつうのビジネス文書であれば、出力はもうそのまま使える品質になっています。

Doc2Langは各課題にどう対応するか

Doc2Langは、PDFのレイアウトを保ったまま翻訳するために作られていて、その方針がすべての工程のかたちを決めています。

何も流れ直さないから、レイアウトが崩れない

コピー＆ペーストの工程も、組み直しの工程もありません。Doc2Langは、テキストの単位ごとに、それがページ上で占める長方形の枠と一緒に読み取り、翻訳し、その同じ枠に訳文を描き戻します。テキストが新しい流し込みに注がれることが一度もないので、2段組みの論文は2段組みのまま、表のセルはセルのままです。訳文が原文より長くなる場合は、ページの残りを押しのけるのではなく、文字の側をボックスに合わせて収めます。

スキャンしたページではOCRが自動で動く

事前の下処理も、モードの選択も必要ありません。ページにテキストレイヤーがなければ、Doc2Langはスキャンした書類や画像のOCR翻訳に切り替え、文字を復元し、同じ処理のなかで翻訳します。スキャンした契約書、撮影したページ、文字が埋め込まれた図版も、そのまま入れて構いません。

用語が文書全体で統一される

文書を処理する間、Doc2Langは出会った重要な用語を集めて先へ引き継いでいくので、1ページ目で訳した用語は最後のページでも同じ訳になります。ブランド名や製品名、社内用語については自分の用語集をアップロードでき、その対応づけはどこに出てきても優先されます。

ひとつの翻訳から3種類の出力

翻訳のたびに3つのファイルが返り、必要なものをダウンロードできます。

• 背景付き。 元の画像・背景・レイアウトはそのままで、文字だけを差し替えたもの。取引先に送るのはこれです。
• テキストのみ。 背景や装飾を取り払い、訳文だけをすっきり残したもの。レビューや、内容を別の場所で使い回すときに便利です。
• 対訳版。 原文ページとその訳文ページが、原文を先にして、文書全体を通じて交互に並びます。翻訳の確認、校正、語学学習のために作られています。

無料プレビュー、文書ごとの支払い

Doc2Langは、支払いの前に、アカウントもなしに、ファイルの一部を無料で翻訳するので、自分のコンテンツで品質を判断できます。しっくりこなければ、用語集や翻訳スタイルを調整して、もう一度プレビューできます。サブスクリプションも、月々の最低利用額もありません。

ファイルはHTTPSで送られ、結果をダウンロードした瞬間にサーバーから削除できます。消し忘れたものも、14日たてば自動で削除されます。翻訳を支えるOpenAIのAPIは、あなたのデータを保持することも、学習に使うこともありません。

より良いPDF翻訳のための実践的なコツ

1. ソースファイルがあれば、そちらを送る。 PDFがWordやPowerPoint、InDesignから書き出したものなら、その元ファイルをアップロードしてください。PDFが捨ててしまった構造情報が残っているので、仕上がりが良くなります。
2. 自分で決められる範囲では、レイアウトをシンプルに。 深く入れ子になった段組みや、画像に重なるテキストボックスは、どんなツールにとっても、そしてこのツールにとっても、最も難しいケースです。
3. 始める前に用語集を用意する。 ブランド名、製品名、分野の専門用語を先に決めておくのは、最も安上がりな品質改善です。
4. 翻訳スタイルを文書に合わせる。 契約書とマーケティング用のカタログを同じ文体で訳すべきではありませんし、Doc2Langではどちらの文書かを指定できます。学術系の文書なら、研究論文を翻訳する場合に専用の設定があります。
5. プレビューして、調整して、もう一度プレビューする。 プレビューは無料で、原本が書き換えられることは決してないので、納得のいく読み心地になるまで何度でも試せます。

よくある質問

PDFの翻訳にはどのくらいかかりますか。
たいてい数分です。ファイルをアップロードすると、翻訳はバックグラウンドで進みます。準備ができるとメールが届くので、タブを開いたままにしておく必要はありません。

スキャンしたPDFも翻訳できますか。
はい。OCRはワークフローに組み込まれていて、ページにテキストレイヤーがなければ自動で起動します。スキャンした契約書や画像ベースのPDFに、下準備は要りません。

翻訳したファイルは原本と同じ見た目になりますか。
訳文が元のバウンディングボックスに戻されるので、フォント、画像、表組み、ページレイアウトは保たれます。英語からドイツ語のように文の長さが大きく違う言語間では、収めるために一部の行がわずかに詰めて組まれることがあります。

対応言語はいくつですか。
日本語、英語、中国語、韓国語、フランス語、ドイツ語、スペイン語、ポルトガル語、イタリア語、アラビア語、タイ語、ベトナム語を含む100以上です。OCRも同じ範囲に対応します。

データは安全ですか。
転送はHTTPSで暗号化されます。ダウンロード後はすぐにファイルを削除でき、残ったファイルも14日たてば自動で消えます。お客様の文書がAIモデルの学習に使われることはありません。

複数のファイルを一度に翻訳できますか。
はい。ZIPアーカイブにまとめてアップロードすれば、Doc2Langがファイルを展開するので、複数の書類を一度のアップロードでまとめて翻訳でき、選んだファイルの分だけ支払えます。

手元のPDFから始める

取引先の契約書、研究論文、製品マニュアル、投資家向け資料。アップロードして、無料プレビューを見て、そこから判断してください。