Blab Translation
← チュートリアル一覧
ドキュメント2 分

スキャン PDF と OCR の仕組み

スキャンした PDF はページの写真の束で、翻訳できる文字が入っていません。OCR(光学文字認識)がまず文字を起こし直すことで、訳文をページに戻せるようになります。

スキャンかどうかの見分け方

PDF を選ぶと、ブラウザが文字層を持つページの数を調べ、文字層のないページが見つかると「OCR が必要」と表示します。このバッジは、アップロード前の見積もりにすぎません。

実際に効くのは、アップロード後に文書全体について一度だけ下される判定です。冒頭の数ページを抜き出して調べ、文字を持つページがごく一部しかなければ、文書全体をスキャンとして扱い、すべてのページに OCR をかけます。そうでなければ文書自身の文字層から翻訳し、OCR は一ページもかけません。

手順

  1. 01
    ふつうの PDF と同じく取り込む
    ファイルを「ドキュメント」にドロップするか、「ファイルを選ぶ」を押します。オンにしておく OCR のスイッチはありません。
  2. 02
    バッジを読む
    「OCR が必要」は文字のないページが見つかったこと、「そのまま翻訳できます」は見つからなかったことを示します。「取り込み前の処理」にある「OCR による文字層の再構築」の行はお知らせで、設定項目ではありません。
  3. 03
    「翻訳」はオンのまま
    OCR は翻訳タスクの中でしか動きません。「翻訳」を切ってスキャンを取り込むと、表示できる文字がないため取り込みは失敗します。
  4. 04
    開始して見守る
    「翻訳を開始」を押します。OCR は翻訳の前に行われるので、そのぶん時間がかかります。「タスクと納品」のタスクで進み具合を確かめられます。

制限と料金

OCR は認識したページ数に応じて、翻訳とは別に課金され、タスクが成功したときにだけ請求されます。スキャンと判定された文書は最初のページから最後のページまで認識されるため、もともと文字のあるページも数に入ります。現在の料金は「料金」ページにあります。

OCR の対象は PDF だけです。Word・EPUB・TXT・Markdown・MOBI はファイル自身の文字を読み取ります。JPG や PNG などの画像ファイルは取り込めないので、スキャンしたページを先に一つの PDF にまとめてください。

かすれたスキャンや大きく傾いたスキャンは読み取れないことがあります。その場合タスクは失敗レポートとともに止まり、確保されていたクレジットは戻ります。

次にすること

認識が済めば、スキャンもほかの文書と同じように扱えます。リーディングデスクで開け、翻訳版は元の体裁を保ち、ハイライト・メモ・用語も付けられます。

よくある質問

OCR を自分でオン・オフできますか?

できません。PDF に OCR をかけるかどうかは、アップロード後に文書そのものから判断されます。スイッチはありません。

翻訳が失敗しても OCR は課金されますか?

されません。OCR はタスクが成功したときだけ課金され、失敗したタスクは確保していたクレジットを戻します。

ページを撮った写真をアップロードできますか?

そのままではできません。「ドキュメント」が受け付けるのは PDF・DOCX・EPUB・TXT・MD・MOBI なので、写真を先に一つの PDF にまとめてください。

読んだらそのまま試してください。下のボタンは、実際に操作できる画面へ直接つながります。
取り込み設定を見る →