U voert een PDF in via een online vertaaltool en downloadt het resultaat. De tekst is nu in de doeltaal, maar het document ziet er verkeerd uit. De kopjes zijn verschoven. Opsommingstekens zijn niet goed uitgelijnd. Afbeeldingen zijn verplaatst van hun oorspronkelijke posities. Het ergste van alles is dat elke hyperlink in het document dood is. De vertaaltool verving de zichtbare linktekst, maar verwijderde de onderliggende URL. Het document is vertaald maar kapot.
Het vertalen van een PDF met behoud van de opmaak en interactieve elementen vereist een vertaalaanpak die de tekstlaag scheidt van de paginastructuur. De uitdaging is dat PDF-tekst en PDF-opmaak nauw met elkaar verbonden zijn. Het veranderen van de lengte van een vertaalde zin, die met 20% tot 30% kan toenemen bij het vertalen van het Engels naar het Duits, Frans of Spaans, duwt de omringende tekst en elementen uit positie. Het resultaat is tekst die de oorspronkelijke grenzen overschrijdt of aangrenzende inhoud overlapt.
Waarom PDF-vertalingen vaak de opmaak verbreken
De meeste Translate PDF-tools werken door de tekst van elke pagina te extraheren, deze naar een machinevertaalmachine te sturen en vervolgens te proberen de vertaalde tekst terug in de oorspronkelijke pagina-indeling te plaatsen. Het kernprobleem is het opnieuw plaatsen van tekst. Engelse tekst vertaald naar het Duits groeit met gemiddeld 20% tot 30% in aantal tekens. Dezelfde zin die netjes in een tekstvak paste dat voor het Engels was ontworpen, loopt nu over het vak. Als het vertaalhulpmiddel de tekstvakgrootte of lettergrootte niet ter compensatie aanpast, wordt de vertaalde tekst afgekapt, overlapt aangrenzende elementen of wordt de pagina-indeling onderbroken.
Hyperlinks gaan verloren omdat PDF-links worden opgeslagen als klikbare rechthoekige gebieden die over de pagina heen liggen, los van de zichtbare tekst. Wanneer een vertaalhulpmiddel de tekst vervangt maar de linkannotaties niet bijwerkt zodat deze overeenkomen met de nieuwe tekstposities en -lengtes, verwijzen de links naar de verkeerde locaties of worden ze volledig verwijderd. De zichtbare onderstreepte blauwe tekst blijft staan, maar het klikbare gebied daarachter is verdwenen.
De op lagen gebaseerde aanpak: OCR, de tekst vertalen, overlay op het origineel
De meest betrouwbare manier om de opmaak tijdens de vertaling te behouden, is door de originele pagina-afbeeldingen intact te houden en daarbovenop een vertaalde tekstlaag toe te voegen. Deze aanpak behandelt de originele PDF als een visuele achtergrond en plaatst de vertaalde tekst in transparante tekstvakken die over de originele tekst zijn geplaatst. De originele opmaak, afbeeldingen en links blijven onaangetast omdat ze nooit zijn verwijderd. Alleen de tekst wordt vertaald en opnieuw gepositioneerd.
Deze aanpak werkt goed voor statische documenten waarbij de visuele lay-out voorop staat en de vertaalde tekst bedoeld is om te lezen en niet om verder te bewerken. De vertaalde tekst kan qua lettergrootte en kaderafmetingen worden aangepast, zodat deze in de beschikbare ruimte past zonder de achtergrond te beïnvloeden. WukongPDF ondersteunt deze op lagen gebaseerde aanpak door indien nodig OCR uit te voeren, de tekst te extraheren, te vertalen met behoud van de ruimtelijke relatie tussen tekstblokken, en de vertaling in een nieuwe laag bovenop de originele pagina-afbeeldingen te plaatsen.
Hyperlinks behouden tijdens vertaling
Hyperlinks zijn het meest kwetsbare element tijdens de vertaling, omdat ze als annotaties worden opgeslagen, los van de tekst. Om links te behouden, moet het vertaalhulpmiddel elke linkannotatie lezen, de bestemmings-URL registreren, noteren aan welke tekst deze was gekoppeld, die tekst vertalen en de linkannotatie opnieuw aan de nieuwe tekstpositie koppelen. Tools die het behoud van links niet expliciet ondersteunen, zullen de links verwijderen.
Een browsergebaseerde vertaaltool omvat behoud van PDF Links als onderdeel van het vertaalproces. Vóór de vertaling scant de tool het document op hyperlinkannotaties en registreert de URL van elke link, de zichtbare tekst en de positie. Na vertaling worden de links opnieuw gekoppeld aan de overeenkomstige vertaalde tekstblokken. Externe hyperlinks, die naar websites verwijzen, blijven behouden met ongewijzigde oorspronkelijke URL's. Interne links, de links die naar andere pagina's binnen dezelfde PDF verwijzen, worden opnieuw toegewezen om rekening te houden met eventuele wijzigingen in het paginanummer als gevolg van tekstuitbreiding. Het resultaat is een vertaalde PDF waarbij zowel de tekst als de navigatie functioneel blijven.
Omgaan met tekstuitbreiding en -inkrimping in verschillende talen
Verschillende talenparen hebben verschillende uitbreidingskenmerken. Engels naar Duits groeit doorgaans met 20% tot 30%. Engels naar Frans groeit met 15% tot 25%. Engels naar Spaans groeit met 10% tot 20%. Engels naar Chinees of Japans krimpt daarentegen met 20% tot 40% omdat logografische karakters meer betekenis in minder horizontale ruimte stoppen. Een vertaaltool die geen rekening houdt met deze verschillen zal documenten opleveren waarin de vertaalde tekst overloopt of lastige gaten laat.
Voor taalparen met veel uitbreiding is de praktische aanpassing het verkleinen van de lettergrootte van de vertaalde tekst met één of twee punten, of het toestaan dat de tekstvakken verticaal uitzetten terwijl de horizontale breedte beperkt blijft tot de oorspronkelijke kolombreedte. Verticale expansie duwt daaropvolgende inhoud naar beneden op de pagina, wat meestal de voorkeur heeft boven horizontale overloop, waardoor tekst buiten de paginamarge verdwijnt. Voor paren met veel samentrekking kan de lettergrootte enigszins worden vergroot om de ruimte te vullen, hoewel dit het risico met zich meebrengt dat er een visuele discrepantie ontstaat tussen de vertaalde tekst en de typografie van het originele document.
Kwaliteit Een vertaalde PDF controleren
Machinevertaling is niet perfect, en fouten in de vertaling kunnen de betekenis van zinnen veranderen, soms op subtiele en consequente manieren. Laat na de vertaling een persoon die de doeltaal leest het document beoordelen. Als er geen menselijke recensent beschikbaar is, controleer dan op zijn minst een steekproef van vertaalde zinnen door ze terug te vertalen naar de brontaal met behulp van een andere vertaalmachine en te vergelijken met het origineel. Deze controle van de terugvertaling spoort duidelijke fouten op, maar is geen vervanging voor menselijke beoordeling.
Controleer de opmaak methodisch. Blader door elke pagina. Controleer of de tekst niet wordt afgekapt, overlapt of uit positie wordt verschoven. Klik op elke hyperlink en bevestig dat deze naar de juiste bestemming navigeert. Controleer of afbeeldingen, tabellen en andere niet-tekstuele elementen op hun oorspronkelijke positie blijven staan. Als de vertaaltool een overlay-aanpak gebruikt, controleer dan of de vertaalde tekst de originele tekst voldoende bedekt, vooral als de originele tekst een groter lettertype heeft of een donkerdere kleur heeft dan de vertaling. Originele tekst die achter de vertaling vandaan komt, zorgt voor een onprofessioneel resultaat.
Voor documenten die regelmatig worden bijgewerkt en opnieuw vertaald, kunt u een vertaalgeheugen opzetten. Een vertaalgeheugen slaat eerder vertaalde segmenten op en gebruikt deze opnieuw wanneer dezelfde of soortgelijke tekst in een nieuwe versie verschijnt. Dit verlaagt de vertaalkosten, verbetert de consistentie en voorkomt dat dezelfde opmaakfouten zich herhalen. De PDF Export-pijplijn van WukongPDF kan vertaalgeheugengegevens bevatten om de hervertaling van bijgewerkte documenten te versnellen.