AuraDoc
ログイン登録

言語検出とは?

言語検出とは、文章が何語で書かれているか、たとえば英語、スペイン語、日本語などを自動的に判定することです。PDFの場合、ツールはページの文字を読み取り、多くの言語の統計的な特徴と比較します。どの文字、文字の組み合わせ、短い単語が最もよく現れるかという特徴です。結果は最も可能性の高い言語で、信頼度の数値が添えられたり、文書に複数の言語が含まれている場合には言語の一覧が示されたりします。

本物の文字が必要な理由

言語検出は文字に基づいて動作するため、PDFには選択できる文字が含まれている必要があります。スキャンした文書では、各ページはただの画像で、読み取るものがありません。まずOCRを実行して文字の層を加えれば、その後に言語を検出できます。とても短い文章、名前や数字の一覧、表ばかりのページでは、比較できる単語が少ないため、結果の信頼性が下がります。

役立つ場面

ファイルの言語がわかれば、大量の文書を分類したり、各文書を適切な読み手や翻訳者に回したり、OCRに正しい辞書を選んだり、特定の市場向けの文書が誤って別の言語になっていないかを確認したりできます。アーカイブや検索エンジンも、検索やスクリーンリーダーが正しく動くよう言語を記録します。大量の文書の中から、顧客に送る前に翻訳が必要なファイルをすばやく見つけるのにも役立ちます。

文章の言語とファイルの言語

PDFは内部の設定で自分の言語を指定することもでき、スクリーンリーダーはそれを使って読み上げ方を選びます。この指定はファイルを作成したソフトが設定するもので、存在しなかったり誤っていたりすることがあります。言語検出は実際の単語を見るため、両者が食い違うこともあります。スクリーンリーダーを使う人に向けた文書であれば、結果をファイル内の指定と比べ、必要に応じて元のソフトで設定を直すとよいでしょう。

この用語を使うツール

この用語が出てくるガイド

よくある質問

スキャンしたPDFでも言語を検出できますか?
OCRを行った後であれば可能です。スキャンにはページの画像しか含まれておらず、OCRがそれを分析できる文字に変換します。
複数の言語が混ざった文書はどうなりますか?
ツールは主な言語を示し、見つかったほかの言語も一覧にすることがあります。混在した文書で細部が重要な場合は、部分ごとに確認してください。
検出した言語によってファイルが変わりますか?
いいえ。検出は文字を読んで結果を示すだけで、PDFは変更されません。ファイル内の言語の指定もそのまま残ります。変更したい場合は、元のソフトで文書を保存し直してください。

関連する用語

ちょっとした修正以上のことが必要ですか?

AuraDocは、OCR、AIによる検索と要約、チーム向けの60以上のPDFツールを備えた文書プラットフォームです。7日間無料でお試しいただけます。

個人でも仕事でも使える無料ツールです。このツールは AuraDoc の隔離サーバーで動作し、ファイルは処理後すぐに削除され、保存されません。 公正利用・不正利用防止ポリシー