漫画のセリフを翻訳する精度は、文字が印刷された写植か、手書き風に作られたセリフかで大きく変わる。写植のふきだしなら、漫画専用の翻訳アプリでほぼ正確に日本語へ置き換わる。問題になるのは、叫び声で歪んだ文字、感情で潰れた手描き風のフォント、そしてふきだしの外に飛び出す擬音語のほうだ。原因は文字そのものの難しさではなく、認識器が想定する「整った字形」からどれだけ外れているかにある。
この違いを知らずに撮ると、同じページの中で「このセリフは完璧に訳せたのに、隣の擬音語だけ変換されない」という現象に戸惑うことになる。どこで精度が落ちるかを先に知っておけば、撮り方そのものを変えられる。
読み取りやすいセリフと読み取りにくいセリフ
同じページの中でも、文字の種類によって認識の安定度はかなり違う。
| セリフの種類 | 認識の安定度 | 理由 |
|---|---|---|
| 写植の通常セリフ（丸ゴシック系） | 高い | 字形が一定で、文字同士の間隔も規則的 |
| 手書き風フォントの会話 | 中くらい | 字形は揃っているが、くずし気味の書体だと誤認識が増える |
| 叫び声や強調で歪んだ文字 | 低い | 一文字ごとに大きさや角度が変わり、同じ文字でも形が揺れる |
| ふきだしの外の手描き擬音語 | 非常に低い | 背景の絵や効果線と重なり、どこまでが文字か境界があいまい |
| 小さな脚注的なつぶやき | 低い | 文字自体が小さく、解像度が足りないと潰れる |
表の上から下に行くほど、文字が「毎回同じ形で並んでいる」という前提から外れていく。認識器が苦手なのは難しい漢字ではなく、この前提が崩れる状況のほうだ。
なぜ手書き文字だけ精度が落ちるのか
写植の文字は、同じフォントの同じグリフが繰り返し使われる。認識器にとっては一度パターンを掴めば、ページのどこに出てきても同じように読める。手書き風のセリフはここが違う。
- 一文字ごとに形が変わる。 作者が感情を込めて書くほど、同じ文字でも太さや傾きが変わる。
- 文字同士がくっつく。 くずし気味の書体や勢いのある筆致では、隣の文字との境界が曖昧になりやすい。
- 効果線や背景の模様と重なる。 叫び声の文字は背景の集中線の上に乗ることが多く、どこまでが文字でどこからが線かの判別が難しくなる。
- ふきだしという枠がない。 通常のセリフはふきだしの中という決まった領域にあるが、擬音語はページの好きな場所に自由に置かれる。認識する範囲そのものを決めにくい。
漫画の翻訳をカメラアプリで行う方法で触れた、ふきだし単位でタップして読み込む仕組みはここでも効いてくる。ふきだしという境界があるセリフは、その枠の中だけを見ればいいので精度が安定しやすい。境界がない擬音語は、そもそも認識させる範囲を自分で決めてやる必要がある。
実際にうまく認識させる撮り方
- ページ全体を一度に読み込ませるのではなく、ふきだし一つずつを画面いっぱいに写す。文字が大きく映るほど誤認識が減る。
- 画面の反射や影が文字にかからないよう、角度を少し変えて撮る。紙の単行本では光の反射が一番の原因になりやすい。
- 叫び声の歪んだ文字は、一度でうまく読めなくても角度を変えて撮り直すと認識が変わることがある。
- 擬音語は周りの絵を含めて広めに写し、文字の輪郭をはっきりさせる。
読み取れなかった時にどうするか
歪んだ叫び声や凝った擬音語は、認識が外れることが実際にある。そのときは文脈で判断するのが一番早い。前後のセリフから感情の流れは分かるので、一文字の擬音語が訳せなくても話の筋を追うのに支障は出にくい。縦読み作品でセリフとふきだしの順番自体がずれる場合は、縦読み漫画の翻訳で扱った順番の整理のほうが先に直すべき問題のことが多い。
正当に持っている話数を、セリフまで日本語で
ここで扱ったのは、すでに正当にアクセスできる話数を自分で読むための翻訳精度の話だ。訳した画像を再配布したり販売したりするのは別の問題で、作家や出版社の収益を損なう。日本語版がすでに配信されている作品は、そちらを読むのが一番いい。raw（まだ日本語に翻訳されていない原書）そのものの意味や合法な読み方は、raw漫画とはに詳しくまとめている。
Yomiのマンガモードは、ふきだしをタップするとそのふきだしの範囲だけを認識して日本語に置き換える。擬音語のように枠のない文字は精度が落ちることもあるが、通常のセリフなら写植も手書き風もほぼそのまま読める。背景の絵はそのまま残るので、コマの流れを追いながらセリフだけ日本語で読み進められる。