💡 この記事の3行まとめ
- AI生成画像の中の文字は、普通のスクリーンショットの文字とは別物です。装飾書体、発光、金属質感、そして形そのものの崩れがあります。
- Mac専用の画面OCR翻訳『Zipp』は、
⌃Sで囲んだ範囲をApple Visionで端末内処理。画面画像の外部保存ゼロ、0.3秒で訳が出ます。 - 読めない字を「読めた字」として扱わないことが大切です。無料でダウンロード（登録不要）、1日15回まで。
📌 この記事の対象読者
- MidjourneyでゲームUIのモックアップやコンセプトアートを作り、そこに入った英語を確認したい方
- 装飾フォントやSF風の書体を翻訳ツールにかけて、訳が崩れて困った経験がある方
- AI生成画像の文字が「そもそも正しい英語ではない」可能性を考慮したい方
画面の文字と、生成画像の文字は別物です
ここまで、画面に表示されている英語を読む話をしてきました。UIのラベル、メッセージ、プロンプト。どれもフォントが安定していて、文字の形が一定です。OCRにとっては素直な対象です。
ところが、MidjourneyでゲームUIのモックアップを作ると、事情が変わります。生成された画像の中に文字が入るからです。しかもそれは、きれいな本文用フォントではありません。
- SF風のジオメトリック書体：
Aの横棒がなかったり、Oが六角形だったりします。 - ゴシック系の装飾書体：線が細く、にじみやすい。小さいと潰れます。
- 金属・石・発光の質感：文字の内側に陰影があり、背景と地続きに見える部分ができます。
- 極端な字間：映画のタイトルロゴのように、語間が広すぎたり狭すぎたりします。
- 斜体・遠近の歪み：パースがついて、文字の高さが左右で変わります。
そして最も厄介なのが、形そのものが崩れている場合です。AIが生成した画像の文字は、人間が読める単語になっていないことがあります。STAMINA のつもりが STAMJNA になっている、LEVEL が LEVEl になっている。人間の目は文脈で補正してしまうので気づきませんが、機械にとっては別の文字です。
ここで起きる誤解が2つあります。1つは「OCRの精度が低い」という結論。もう1つは「訳がおかしい」という結論。どちらも原因を取り違えています。実際には、入力が文字として安定していないのが原因です。安定しない入力を、安定した入力と同じ手順で処理しようとするところに無理があります。
だからこの記事では、翻訳の話というより、読める形に持っていく手順の話をします。
解決策：装飾書体と歪みに対する3つの手順
原則は1つです。機械が文字の輪郭を取れる状態を作ってから囲む。そのために次の3つを順に試します。
手順1：囲む前に拡大して、文字のエッジを立てる
最初にやるのは、囲む前の下ごしらえです。
画像をプレビューで開き、文字が十分な大きさになるまで拡大します。目安は、文字の高さが画面上で40ピクセル以上になるあたりです。装飾書体は線が細いので、小さいままだと線と背景が同じ明るさに潰れます。
拡大すると、文字の輪郭がはっきりします。同時に、崩れている字も見えてきます。M の脚が3本ある、E の横棒が4本ある、そういう異常が拡大で可視化されます。これは翻訳の前段階として重要です。崩れを見つけること自体が、この手順の目的だからです。
拡大してもエッジが立たない場合は、背景との明暗差が足りません。発光エフェクトが強い文字、金属の反射が乗った文字は、この状態になりがちです。その場合は無理に囲まず、別の箇所（同じ語が平らに書かれている部分）を探す方が早いことがあります。
手順2：1語ずつ、行単位で囲む
2つ目は、囲む範囲を小さく刻むことです。
普通の英文なら、段落ごと囲んだ方が訳が自然になります。文脈が入るからです。しかし装飾書体では逆になります。段落を囲むと、崩れた字が1つ混ざっただけで訳全体が引きずられます。STAMJNA 34/100 のような表示なら、STAMJNA の誤読が訳文の主語を壊します。
そこで、語単位で囲む。ゲームUIの文字は、そもそも語やラベル単位で置かれています。STAMINA、EQUIP、CRAFT、 QUEST COMPLETE。1語ずつ囲めば、誤読した語だけを切り離して扱えます。
囲むときは、文字の外側に少し余白を残してください。装飾書体は文字の外側に飾り（セリフ、影、縁取り）が付きます。ぴったり合わせると飾りが切れて、別の字として読まれます。逆に余白を取りすぎると、隣の語や背景の模様が混ざります。
行単位で囲むのが有効なのは、数値と単位がセットになっている表示です。HP 120/200 のような行は、まとめて囲んだ方が意味が通ります。語単位と行単位を、表示の性質で使い分けてください。
手順3：訳を「読めた語」と「読めなかった語」に分ける
3つ目は、結果の扱い方です。
囲んだ結果が出たら、それを正解として受け取らないことです。次の3つに仕分けます。
- 読めた語：訳が自然で、元の英単語も妥当。そのまま採用します。
- 読めたが怪しい語：訳は出たが、英単語が崩れている可能性がある。拡大して綴りを目で確認します。
- 読めなかった語：訳が支離滅裂。囲む範囲を変えるか、別の箇所を探します。
この仕分けを省くと、崩れた文字の訳をそのまま仕様書に写してしまう事故が起きます。ゲームUIのモックアップを資料として使うなら、STAMINA が STAMJNA として記録されると、後工程で必ず揉めます。
そして、この仕分けは回数を食いません。0.3秒で結果が出て、閉じれば元の画像に戻る。Apple Visionによる端末内処理で画面画像の外部保存ゼロなので、未公開の企画画像でも外に出さずに確認できます。画像を外部サービスにアップロードする手順が入らないことは、試行回数を増やす上で大きな差になります。
生成物の利用条件や、参考にした作品の権利については、各サービスの規約に従ってください。翻訳ツールが担うのは、画面に表示されている文字を読むところまでです。
従来のやり方と装飾書体への対処の比較
【下ごしらえ】
従来：アップロードしてから精度の低さに気づく
Zipp：囲む前に拡大して、崩れを目で確認できる
【囲む単位】
従来：画像全体か、手作業でのトリミング
Zipp：1語ずつ、行単位で細かく刻める
【誤読への対処】
従来：訳文全体が崩れ、どこが原因か分からない
Zipp：語単位なら誤読した語だけを切り離せる
【結果の扱い】
従来：出た訳をそのまま採用しがち
Zipp：読めた語・怪しい語・読めない語に仕分けできる
【処理の場所】
従来：画像を外部サービスに送る必要がある
Zipp：Apple Visionによる端末内処理・画面画像の外部保存ゼロ
【無料枠の考え方】
従来：サービスごとに回数や条件が異なる
Zipp：無料でダウンロード（登録不要）・1日15回まで
よくある質問（FAQ）
Q. 装飾フォントでも読めますか？ A. 画面に表示されている文字であれば対象になります。ただし線が細い書体、発光や金属の質感が強い文字は読み取りにくくなります。拡大してエッジを立てる、1語ずつ囲む、という手順で改善する場合が多いです。
Q. AI生成画像の文字がそもそも崩れている場合は？ A. 崩れた字は、正しい字として読まれないことがあります。訳が不自然だと感じたら、まず綴りを目で確認してください。AI生成画像の文字は、意味のない文字列になっている場合があるという前提で扱うのが安全です。
Q. ゲームUIのモックアップ以外でも使えますか？ A. 画面に表示されている文字を読む道具なので、用途は問いません。ロゴ、パッケージのモック、ポスターのコピーなど、装飾書体が入る制作物なら同じ手順が使えます。
Q. 未公開の企画画像を外部に出さずに確認できますか？ A. 処理は端末内で完結し、画面画像の外部保存ゼロです。ただし、画面に何が写っているかを確認する習慣は必要です。囲む範囲を読む行だけに絞ってください。
読めない字を、読めたことにしない
装飾書体の翻訳で一番危ないのは、訳が出ないことではありません。訳が出てしまって、それを正しいと思うことです。AI生成画像の文字は崩れていることがあり、崩れた字にもそれらしい訳が付きます。だから、拡大して確認する、語単位で囲む、結果を仕分ける。この3つは面倒に見えて、事故を防ぐ最短の手順です。
そして、この手順は回数を重ねるほど速くなります。1語ずつ囲むのに慣れれば、10語のUIラベルでも数十秒で確認できます。まずは無料ダウンロードで、手元の生成画像の1語を囲んでみてください。
▼ 無料でダウンロード（登録不要・1日15回まで）
zipp-mac.surge.sh
`