Read PDF Aloud が対応するファイル形式

名前に反して、Read PDF Aloud は PDF ファイルだけに限定されません。幅広い文書形式に対応しており、ほとんどあらゆる読み物を扱える汎用的な音声読み上げツールです。

アップロードできる形式は次のとおりです。

PDF（.pdf）— 標準的な PDF 文書とスキャン PDF
EPUB（.epub）— オープンな電子書籍形式
MOBI（.mobi）— Amazon Kindle の旧電子書籍形式
AZW3 / KF8（.azw3、.kf8）— Amazon Kindle Format 8
Word（.docx）— Microsoft Word 文書
PowerPoint（.pptx）— Microsoft PowerPoint プレゼンテーション
OpenDocument テキスト（.odt）— LibreOffice / OpenOffice の文書
OpenDocument プレゼンテーション（.odp）— LibreOffice / OpenOffice のスライド
リッチテキスト形式（.rtf）— クロスプラットフォームのリッチテキスト文書
プレーンテキスト（.txt）— テキストファイル
Markdown（.md）— Markdown 文書

さらに Read PDF Aloud にはテキスト入力モードがあり、ファイルをアップロードしなくても、テキストを直接貼り付けて読み上げさせられます。

PDF

PDF 文書はページ単位でテキストを抽出し、元のレイアウトをできる限り保ったまま解析されます。各ページは独立した単位として扱われるため、再生中のページ移動も元の文書構造に沿って行えます。

スキャン PDF の OCR

スキャン PDF（テキストが埋め込まれていない画像ベースの文書）の場合、Read PDF Aloud は AI による OCR（光学文字認識）を提供しています。スキャン PDF を検出すると、OCR を有効にするかどうか尋ねられます。これはプレミアム機能で、次の制限があります。

最大ファイルサイズ：50 MB
最大ページ数：1,000 ページ

OCR の結果は、ページごとに整理された構造化テキストとして返されます。

スキャン PDF の検出方法

Read PDF Aloud は PDF のテキスト密度、つまりページあたりの平均文字数を計算します。この密度が一定のしきい値（1 ページあたり 50 文字）を下回ると、その文書はスキャン PDF と判定されます。これにより、意味のあるテキストを抽出できない文書にリソースを無駄遣いするのを防いでいます。

電子書籍形式

電子書籍ファイル（EPUB、MOBI、AZW3/KF8）は章ごとに処理されます。各章の元の HTML コンテンツを抽出してプレーンテキストに変換するため、適切な構造と間隔のまま電子書籍を聴けます。

なお、AZW3 と KF8 は同じ形式（Amazon Kindle Format 8）を指すため、まったく同じ方法で処理されます。

Office 文書

Office 文書（DOCX、PPTX、ODT、ODP、RTF）はプレーンテキストに解析されます。これらの形式には PDF のようなページ割りの概念が組み込まれていないため、抽出したテキストは 20 行ずつの論理的なセグメントにまとめられ、滑らかに再生されます。

Office パーサーは必要なときに読み込まれます。Office ファイルを実際にアップロードするまで、ブラウジングには影響しません。

プレーンテキストと Markdown

プレーンテキストファイルと Markdown 文書は最も処理が簡単です。行ごとに読み込み、空行や余白を取り除いたうえで、再生用に論理的なセグメントへまとめられます。

処理の流れ

入力形式にかかわらず、すべてのファイルは同じ流れで処理されます。

形式の判定 — 拡張子に基づいて行われます
テキスト抽出 — 形式ごとの解析ロジックを使用します
ハッシュ生成 — 重複排除とキャッシュのために SHA-256 ハッシュを計算します
ローカル保存 — 抽出したテキストとメタデータはブラウザ内にローカル保存されます

テキスト処理はすべて端末内で行われるため、文書のプライバシーと安全性が保たれます。