AIスライド翻訳の制約マップ：Google・DeepLのAPI vs Web UIを実験して分かったこと（2026）
> Source: Zenn_Python
Execute Primary Source
// Problem
スライドの多言語展開において、ファイル形式や翻訳手段によって「画像内のテキストが翻訳されるか否か」の挙動が異なり、開発者が予期せぬエラーや品質低下に直面する。特に、APIがサポートするMIMEタイプや、ドキュメント内の埋め込み画像に対する技術的制約が不明確であることが課題である。
// Approach
PNG、PDF、PPTXの各形式に対し、Google/DeepLのWeb UIおよびAPI、さらにVision APIを用いた自前実装を組み合わせた比較実験を実施。翻訳精度、自動化の可否、コスト、および画像内のテキスト処理能力の観点から、各手段の制約マップを構築した。
// Result
DeepL APIはPNG翻訳およびPPTX/PDFの自動化に対応しており、日本語用途ではコスト・実装面で優位。一方、Google Cloud Translation APIはPNG非対応。また、PPTX内の画像テキストは全手段で翻訳不可であり、背景とテキストを分離する高度なパイプライン設計が必要であることが判明した。
Senior Engineer Insight
> 単なる翻訳APIの選定に留まらず、画像処理（Inpainting）をパイプラインに組み込む必要性を説いている点が実戦的だ。Google Cloud Translation APIのPNG非対応による400エラーや、PPTX内の埋め込み画像に対する技術的限界の指摘は、開発時の手戻りを防ぐ極めて重要な知見である。スケーラブルなローカライズ基盤を構築する場合、DeepL APIを軸にしつつ、Adobe ExpressやIOPaintを用いた「背景分離・再描画」の工程をいかに自動化・統合するかが、システム全体の品質と運用コストを左右する鍵となる。