Да, вы можете точно перевести отсканированный PDF-файл, не перепечатывая его, но точность зависит от качества двух последовательных процессов: OCR, который преобразует отсканированные изображения страниц в машиночитаемый текст, и машинного перевода, который преобразует распознанный текст с одного языка на другой. Каждый процесс вносит свои собственные ошибки. Ошибки накапливаются. Результат оптического распознавания символов с точностью 99 процентов, передаваемый в машинный перевод с точностью 95 процентов, дает переводы с точностью примерно 94 процента на уровне символов, что означает, что примерно одно слово из каждых шестнадцати будет содержать ошибку. Для многих деловых целей это приемлемо. Юридический, медицинский перевод или перевод издательского качества требует проверки человеком.
Рабочий процесс перевода отсканированных PDF-файлов состоит из трех этапов: улучшение сканирования и оптическое распознавание текста для извлечения текста, машинный перевод для создания чернового варианта перевода и проверка человеком для исправления ошибок. Пропуск любого этапа снижает точность. Рабочий процесс, обеспечивающий максимальную точность, применяет все три.
Согласно контрольному показателю 2025 года, проведенному компанией DeepL, занимающейся языковыми технологиями, точность перевода отсканированных документов, обработанных с помощью оптического распознавания символов, в среднем на 8–12 процентов ниже, чем для PDF-файлов, созданных в цифровой форме, из-за ошибок оптического распознавания символов, распространяющихся через конвейер перевода (DeepL, «Отчет о качестве перевода документов», 2025 г.).
Требования к качеству сканирования для точного перевода
| Качество сканирования | Точность OCR | Качество перевода | Рекомендуемые действия |
|---|---|---|---|
| 300 DPI, чистый, прямой | 99%+ | Практически эквивалент цифровому переводу PDF | Приступайте к машинному переводу. Легкий человеческий обзор критического контента |
| 150 DPI, небольшой перекос, светлые тени. | 95-98% | Заметные ошибки в сложном или техническом тексте | Машинный перевод плюс человеческая проверка. Внимательно ознакомьтесь с техническими условиями и цифрами. |
| Низкое разрешение, перекошенное, темное или мятое | 85-95% | Ошибки примерно в одном из каждых 10-20 слов. | Рассмотрите возможность повторного сканирования перед переводом. Если повторное сканирование невозможно, запланируйте значительное время проверки человеком. |
| Фотография телефона, неравномерное освещение, трапецеидальные искажения | 70-90% | Ненадежно для автоматического перевода. Ошибки в каждом предложении | Повторно отсканируйте правильно, если документ доступен. В противном случае человеческий перевод может быть более эффективным, чем исправление машинного вывода. |
Трехэтапный процесс перевода отсканированных PDF-файлов
Этап первый: улучшить сканирование. Устраните перекосы, отрегулируйте контрастность и отбелите фон. Лучшие входные изображения обеспечивают лучший результат оптического распознавания символов. Этап второй: запустите OCR и проверьте. Выполните выборочную проверку вывода OCR по сравнению с исходным сканированием. Исправьте ошибки распознавания перед переводом. Исправление ошибки OCR предотвращает ошибку перевода. Третий этап: перевод и проверка. Запустите машинный перевод проверенного текста OCR. Попросите рецензента сравнить перевод с оригинальным сканом на наличие важных документов. Рабочий процесс Translate PDF для отсканированных документов отдает приоритет качеству распознавания, поскольку качество перевода не может превышать качество переводимого текста.
WukongPDF Инструменты оптического распознавания символов обрабатывают отсканированные документы и добавляют текстовые слои с возможностью поиска. Вывод OCR PDF становится источником для перевода. Точность перевода зависит от точности OCR.
Когда человеческий перевод — лучший выбор
Для документов, точность которых имеет решающее значение, а качество сканирования низкое, профессиональный перевод, выполняемый человеком, может быть более экономически эффективным, чем машинный перевод плюс обширная коррекция человеком. Человек-переводчик читает отсканированные страницы напрямую, полностью минуя этап оптического распознавания символов. Переводчик устраняет двусмысленности, которые OCR может неправильно истолковать и которые затем усугубятся машинным переводом. Решение между машинным и человеческим переводом отсканированного PDF-файла должно основываться на качестве сканирования, требуемой точности и доступном бюджете на проверку.
Рабочий процесс перевода Scanned PDF не является принципом «все или ничего». Документы с преимущественно чистыми сканами и несколькими проблемными страницами могут быть обработаны с помощью машинного перевода для чистых страниц и человеческого перевода для сложных.
Использование показателей достоверности OCR для проверки перевода
Механизмы оптического распознавания символов присваивают оценку достоверности каждому распознанному символу и слову. Низкие оценки достоверности указывают на неопределенность и являются маркерами потенциальных ошибок. При подготовке результатов OCR к переводу сосредоточьте внимание человека на областях с низкой достоверностью. Абзац, в котором каждое слово имеет 99-процентную достоверность, требует минимального пересмотра. Предложение, в котором несколько слов получили оценку ниже 90 процентов, требует пристального внимания.
Подход к проверке, основанной на доверии, распределяет человеческие усилия там, где они имеют наибольший эффект. Вместо того чтобы единообразно просматривать весь результат оптического распознавания символов, рецензент ориентируется на те области, которые с наибольшей вероятностью содержат ошибки. Результатом является более высокая эффективная точность при том же времени проверки. Доверительные данные OCR PDF доступны во многих инструментах OCR. Используйте его для определения приоритетов рабочей нагрузки по проверке.
Выбор систем перевода для разных языковых пар
Качество машинного перевода существенно различается в зависимости от языковой пары. С английского на испанский, французский или немецкий язык получается беглый результат, подходящий для делового использования, с небольшим обзором. С английского на китайский, японский или арабский язык требуется более тщательный анализ, поскольку структурные различия между языками значительнее. С английского на финский, венгерский или турецкий языки со сложной грамматической структурой, значительно отличающейся от английского, выдают наибольшую вероятность ошибок.
Сопоставьте систему перевода с языковой парой. Некоторые движки специально оптимизированы для определенных языковых комбинаций. Если ваш документ требует перевода на несколько языков, используйте лучший движок для каждой пары, а не один движок для всех. Качество Translate PDF для каждого целевого языка будет таким же хорошим, как и качество движка, который его создал. WukongPDF обрабатывает документы для подготовки перевода. Выбор механизма перевода определяет качество вывода.
Сохранение исходного форматирования после перевода
Перевод меняет длину текста. Переведенный абзац почти никогда не бывает такой же длины, как оригинал. Когда переведенный текст помещается обратно в исходный макет документа, он выходит за пределы или заполняет доступное пространство. Сохранение исходного форматирования требует либо корректировки макета для соответствия переводу, либо признания того, что переведенный документ будет отличаться от оригинала.
Для документов, форматирование которых имеет решающее значение, рассмотрите возможность предоставления перевода в виде отдельного документа рядом с оригиналом, а не пытайтесь вписать переведенный текст в исходный макет. Исходный PDF-файл сохраняет форматирование. Документ перевода предоставляет содержание на целевом языке. Читатель ссылается на оба. Выбор Translate PDF между встроенным переводом и сопутствующим документом зависит от того, является ли приоритетом целостность форматирования или двуязычное удобство.