Construcción de visores de PDF accesibles con texto a voz en Delphi

La accesibilidad ya no es una característica opcional en el desarrollo de software moderno. Según regulaciones como la ADA (Ley de Estadounidenses con Discapacidades) y la Directiva de Accesibilidad Web de la UE, el software que maneja documentos debe proporcionar tecnologías de asistencia. Para los visores de PDF, esto significa implementar de manera sólida la integración de texto a voz (TTS) y lectores de pantalla.

En este artículo, veremos cómo extraer flujos de texto semánticos de un PDF utilizando PDFium en Delphi, y luego enviar ese texto a la API de voz de Windows (SAPI) para crear un visor de PDF completamente accesible.

El desafío de la extracción de texto en PDF

Un PDF es fundamentalmente un lienzo de instrucciones de dibujo. No sabe inherentemente qué es un "párrafo" o una "columna"; simplemente coloca glifos en coordenadas X/Y específicas. Para leer un documento en voz alta en un orden lógico, su analizador debe reconstruir el orden de lectura.

PDFium maneja esto a través de la familia de API FPDFText_*, que analiza las relaciones espaciales de los glifos para generar flujos de texto coherentes.

Paso 1: Extracción de texto con PDFium

Antes de que podamos hablar el texto, debemos extraerlo. El siguiente código Delphi demuestra cómo inicializar una página de texto y extraer su contenido en una cadena estándar.

uses
  System.SysUtils, pdfium_lib;

function ExtractPageText(Doc: FPDF_DOCUMENT; PageIndex: Integer): string;
var
  Page: FPDF_PAGE;
  TextPage: FPDF_TEXTPAGE;
  CharCount: Integer;
  Buffer: array of WideChar;
begin
  Result := '';
  Page := FPDF_LoadPage(Doc, PageIndex);
  if Page = nil then Exit;
  
  try
    // Initialize the text extraction engine for this page
    TextPage := FPDFText_LoadPage(Page);
    if TextPage <> nil then
    begin
      try
        CharCount := FPDFText_CountChars(TextPage);
        if CharCount > 0 then
        begin
          SetLength(Buffer, CharCount + 1);
          // Extract the text into the wide string buffer
          FPDFText_GetText(TextPage, 0, CharCount, @Buffer[0]);
          Result := WideCharToString(@Buffer[0]);
        end;
      finally
        FPDFText_ClosePage(TextPage);
      end;
    end;
  finally
    FPDF_ClosePage(Page);
  end;
end;

Paso 2: Integración de la API de voz de Windows (SAPI)

Una vez que tenemos el texto semántico, podemos pasarlo a la API de voz de Windows. SAPI proporciona la interfaz COM SpVoice, que permite la síntesis de voz asincrónica, la selección de voz y el control de la velocidad de la voz.

uses
  System.Win.ComObj, Winapi.ActiveX;

const
  SVSFlagsAsync = 1;

procedure SpeakText(const TextToSpeak: string);
var
  SpVoice: OLEVariant;
begin
  CoInitialize(nil);
  try
    SpVoice := CreateOleObject('SAPI.SpVoice');
    // Speak asynchronously so the UI does not freeze
    SpVoice.Speak(TextToSpeak, SVSFlagsAsync);
  finally
    CoUninitialize;
  end;
end;

Paso 3: Sincronización del habla con el resaltado

Un visor verdaderamente accesible no solo lee el texto a ciegas; resalta las palabras en la pantalla a medida que se pronuncian. SAPI proporciona eventos (a través de puntos de conexión) que se activan cuando se alcanza el límite de una palabra.

Al asignar el índice de caracteres devuelto por el evento de límite de palabra SAPI al índice de caracteres en PDFium utilizando FPDFText_GetCharBox(), puede recuperar el rectángulo delimitador de la palabra pronunciada actualmente y dibujar un resaltado superpuesto en el lienzo de su visor.

procedure HighlightWord(TextPage: FPDF_TEXTPAGE; CharIndex: Integer; CharCount: Integer);
var
  i: Integer;
  L, T, R, B: Double;
begin
  // Iterate through the characters of the spoken word
  for i := CharIndex to CharIndex + CharCount - 1 do
  begin
    // Get the physical bounding box on the PDF page
    FPDFText_GetCharBox(TextPage, i, @L, @R, @B, @T);
    // Transform PDF coordinates to screen coordinates and draw highlighting rect...
  end;
end;

Construcción de una aplicación inclusiva

Al combinar la extracción de texto espacial de PDFium con el motor de voz de SAPI, los desarrolladores de Delphi pueden crear herramientas poderosas para usuarios con discapacidad visual o aquellos que prefieren el aprendizaje auditivo. La implementación adecuada de estas funciones garantiza que su aplicación cumpla con los estrictos estándares de accesibilidad empresariales y gubernamentales.

Nota: La extracción de texto integrada y el mapeo de coordenadas son totalmente compatibles con el componente PDFium Component VCL.