スキャンされたPDFを翻訳し、OCRエラーを確認する方法
スキャンされたPDFには、選択可能なテキストではなくページ画像が含まれています。翻訳が始まる前にOCRが文字を認識します。OCRが数値を誤読したり段組を結合してしまったりしても、翻訳文自体は自然に読めてしまうことがあります。常に元のファイルと出力結果を並べて確認してください。
ファイルの状態に応じた次の手順の選択
| 確認できる状態 | 次の手順 |
|---|---|
| テキストを選択でき、貼り付けた段落が正しい順序で読める。 | テキストPDFのワークフローから開始してください。ファイル全体を翻訳する前に、表や文字が密集したページを確認してください。 |
| テキストをまったく選択できない。 | OCRを使用するスキャン済みPDFのワークフローを使用してください。翻訳後、画像と照らし合わせて文字や数値を確認してください。 |
| テキストは選択できるが、貼り付けると段組みが混ざってしまう。 | まずこのページをテストしてください。テキストレイヤーがあるだけでは、読み取り順序が正しいとは限りません。 |
| 一部のページのみがスキャンされている。 | テキストページとスキャンページの両方をテストに含めてください。文書全体を処理する前に、両方の出力結果を確認してください。 |
まず、どのページにOCRが必要か確認する
文を選択してプレーンテキストエディタに貼り付けます。テキストをまったく選択できない場合、そのページにはOCRが必要である可能性が高いです。貼り付けたテキストが文字化けしている場合や、段組が結合されている場合は、既存のテキストレイヤーも注意深く確認する必要があります。PDFにはテキストページとスキャン画像が混在していることがあるため、最初のページだけでなく複数のページを確認してください。
代表的な小規模サンプルを準備する
アップロードする権限があるページのみを使用してください。最初のテストには、鮮明なページ、文字が密集したページ、および表を含むページを含めてください。横向きのページは回転させ、テキストが途切れないようにしてください。元のファイルは安全に保管してください。LangBoxは最大100 MBまで対応し、ページ数の制限はないため、そのサイズを超えるファイルのみ事前に分割してください。不鮮明なスキャン画像を拡大しても、欠落した文字は復元されません。
翻訳して初期出力を確認する
PDF翻訳ツールを開き、サインインして原語と翻訳先の言語を選択し、サンプルをアップロードします。スキャンされたページは設定されたOCRサービスを使用して処理されます。ジョブが完了するのを待ってから、対訳出力を元のファイルと比較してください。ファイルは24時間以内にダウンロードしてください。このワークフローはオンラインサービスであり、オフラインでは動作しません。
段組、表、および数値を検証する
段組の結合を見逃さないよう、段落の最初から最後まで通して読んでください。すべての数値を、その行見出し、列見出し、および単位と照らし合わせて確認してください。マイナス記号、小数点、日付、および否定表現を比較してください。数式は元のファイルから直接読み取ってください。アーカイブされた検証用データでは、ジョブはエラーなしで完了したにもかかわらず、「CC0」が「CCo」と誤読され、中国語の単位が不自然に折り返されていました。
出力が使用に耐えない場合の対処法
テキストが重なっている、段組が消えている、または数値が変わっている場合は、その出力を使用しないでください。権限のあるより鮮明な元ファイルか、より小さなサンプルで試し、新しい結果を確認してください。複雑な表や数式については、元の文書を参照するか、人間によるレビューを受けてください。ファイルの再試行は追加のクレジットを消費する場合があり、文字認識の改善を保証するものではありません。
この例が示すこと
ダウンロード可能な検証用データには、選択可能なテキストの1ページと、それに対応するスキャンされた1ページが、未編集の翻訳とセットで含まれています。これは、それらの特定のページにおける具体的な成功例とエラーを示しています。手書き文字、低品質なスキャン、他の言語、または学術論文における精度を証明するものではありません。
実際のPDFの入力と出力を比較する
これらは2026年9月20日に記録されたLangBox本番環境のアーカイブ結果であり、最新のベンチマーク実行ではありません。元のファイルと未編集の出力を並べて開いてください。以下の例を使用して、出力がご自身の文書に適しているか判断してください。
同じページのスキャン画像
2ページ目は1ページ目を画像化したものです。最終的なOCR再実行では段落の可読性は保たれていますが、「CC0」が「CCo」になり、タイポグラフィも変化しています。この2ページの再実行にはGPT-5.6 Lunaが使用され、約96秒かかりました。散文のテストとは異なるモデルを使用したため、これらの時間をベンチマークとして比較しないでください。
いずれかのページをクリックするとPDFが開きます。表示されている原文と出力結果は、同じアーカイブ済み診断ケースのものです。
結果を信頼する前にこれらの詳細を確認する
固有名詞、否定表現、小数点、単位、表のセル、および数式を元のファイルと照らし合わせて比較してください。ジョブの完了は、これらの詳細が正確であることを保証するものではありません。PDF翻訳には無料アカウントとクレジットが必要で、最大100 MBのファイルにページ数の制限なく対応し、1アカウントにつき同時に実行できるPDFジョブは1つまでです。ダウンロードは24時間有効です。
テスト実施日、方法、および制限事項 (English)