Загрузите один и тот же PDF-файл в универсальный переводчик, такой как Google Translate, и в специализированный инструмент перевода документов, такой как встроенный переводчик WukongPDF, и результаты будут разными. Иногда различия незаметны: выбор слова здесь, структура предложения там. В других случаях они драматичны: один перевод читается как естественное человеческое письмо, а другой читается так, как будто машина с трудом обрабатывает каждое предложение. Эти различия не являются случайными ошибками или ошибками. Они возникают в результате фундаментального выбора дизайна, сделанного каждой системой перевода, относительно того, как сбалансировать скорость и точность, беглость и буквальность, а также сохранение структуры документа и чисто лингвистический перевод. Понимание того, почему существуют эти различия, поможет вам выбрать правильный инструмент для каждого документа и интерпретировать выходные данные с соответствующим уровнем доверия.
Фундаментальные различия между универсальными и специализированными переводчиками документов
Системы перевода общего назначения, такие как Google Translate, DeepL и Microsoft Translator, предназначены для перевода текста в любом контексте: веб-страницы, сообщения чата, электронные письма, сообщения в социальных сетях и, да, документы. Данные об их обучении взяты из открытого Интернета и охватывают огромный диапазон стилей письма, областей и уровней качества. Такая широта дает им замечательную гибкость. Они могут сносно перевести практически все, что вы им предложите, от меню ресторана до юридического контракта. Но та же широта является и их ограничением. Поскольку они не оптимизированы ни для какого конкретного домена, они также не оптимизированы для какого-либо конкретного домена. У переводчика общего назначения нет специального понимания юридической терминологии, медицинского жаргона, технических спецификаций или формального регистра, ожидаемого в деловых документах. Он рассматривает контракт так же, как комментарий в блоге: как текст, который нужно преобразовать с одного языка на другой с использованием той же статистической модели.
Инструменты перевода, специализирующиеся на документах, используют принципиально иной подход. Они разработаны специально для перевода документов, и весь их процесс обработки построен на этом рабочем процессе. Они понимают, что PDF — это не просто поток текста, а структурированный документ с заголовками, абзацами, таблицами, подписями, верхними и нижними колонтитулами и номерами страниц. Они сохраняют не только слова, но и структуру документа: иерархию заголовков, разрывы абзацев, расположение текста в ячейках таблицы и связь между основным текстом и подписями. Переводчик, специализирующийся на документах, рассматривает договор как договор, сохраняя нумерацию пунктов, блоки подписей и формальный тон, которые придают документу юридический характер. Инструмент Translate PDF WukongPDF построен на этой философии «документ-сначала», обрабатывая текст в контексте документа, а не извлекая его в неструктурированный поток.
Как обучающие данные по-разному формируют результат перевода
Обучающие данные, которые обучают систему перевода тому, как переводить, оказывают огромное влияние на характер ее результатов. Движки общего назначения обучаются на огромных массивах данных, просматриваемых в Интернете, которые включают в себя все: от новостных статей и записей в Википедии до дискуссий на форумах и обзоров продуктов. Эта эклектичная тренировочная диета создает универсальную машину, которая иногда производит переводы, которые слишком случайны для официальных документов или слишком буквальны для идиоматических выражений. Механизм видел так много разных типов текста, что не может надежно определить, какой регистр подходит для вашего конкретного документа, если вы явно не укажете это, и даже в этом случае его способность поддерживать последовательный формальный тон в длинном документе ограничена.
Специализированные на документах механизмы часто дополняют свою общую подготовку корпусами, специфичными для предметной области: сборниками переведенных контрактов, технических руководств, научных статей, правительственных документов и деловой переписки. Такое целенаправленное обучение создает двигатель, который более надежен в своих целевых областях. Скорее всего, вы правильно переведете юридический термин, сохраните формальный регистр, ожидаемый в деловом общении, и сохраните единообразие терминологии во всем длинном документе. Компромисс заключается в том, что механизм, специализирующийся на работе с документами, может хуже работать с контентом, находящимся далеко за пределами его области обучения, например, с обычным разговором или творческим письмом. Но для документов, которые действительно необходимо перевести большинству людей, ориентация на предметную область является явным преимуществом.
Сохранение структуры документа как отличительный фактор
Возможно, наиболее заметное различие между переводчиками общего назначения и переводчиками, специализирующимися на документах, заключается в том, как они обрабатывают структуру документа, окружающую переведенный текст. Переводчик общего назначения обычно извлекает весь текст из PDF-файла в линейный поток, переводит его как один блок, а затем пытается поместить переведенный текст обратно в исходные позиции на каждой странице. Такой подход часто нарушает связь между текстом и его контекстом: заголовок может потерять жирное форматирование, ячейка таблицы может переполниться, поскольку переведенный текст длиннее оригинала, а подпись может отделиться от изображения, которое она описывает. Перевод может быть лингвистически точным, но структурно поврежденным, что требует ручного переформатирования, которое может занять больше времени, чем проверка качества самого перевода.
Переводчик, специализирующийся на документах, переводит текст в контексте его макета. Каждый текстовый блок переводится независимо, сохраняя свое положение в структуре страницы. Стили заголовков сохраняются, структуры таблиц сохраняются, а пространственные отношения между текстом и изображениями остаются неизменными. Переведенный документ выглядит так же, как оригинал, только на другом языке. Эта структурная верность не просто эстетична. Документ, структура которого сохранена, может быть немедленно использован получателем. Документ, структура которого была повреждена при переводе, требует дополнительной работы, прежде чем он сможет служить своему прямому назначению. Процесс параллельной оценки переводов PDF Compare должен оценивать структурную точность с таким же весом, как и лингвистическую точность.
Обработка встроенного текста в изображениях и отсканированном содержимом
Особенно показательное различие между типами переводчиков заключается в том, как они обрабатывают текст, который существует только в виде пикселей в PDF-файле, например слова, встроенные в изображения, метки диаграмм и контент на отсканированных страницах. Транслятор общего назначения обычно полностью игнорирует текст на основе изображений, поскольку его конвейер извлечения текста обрабатывает только выбираемые серии символов. Переведенный документ поставляется с основным текстом на целевом языке, но со всеми подписями к изображениям, метками диаграмм и встроенными выносками на исходном языке. Переводчик, специализирующийся на документах, напротив, часто включает этап предварительной обработки OCR, который извлекает текст из изображений перед началом перевода, обеспечивая более полный перевод, охватывающий как текстовый слой, так и слой изображения документа.
Разница в полноте особенно значительна для определенных типов документов. Переведенная презентация, в которой был обработан только текст слайда, но все диаграммы, диаграммы и встроенные иллюстрации остались на исходном языке, представляет собой наполовину законченный перевод, который сбивает с толку читателей, не говорящих на исходном языке. Переведенное техническое руководство, основной текст которого находится на целевом языке, но каждая схематическая метка все еще находится на исходном языке, практически непригодно для использования. Способность инструмента Translate PDF обрабатывать текст как в изображениях, так и в текстовом слое определяет, является ли переведенный документ полным или лишь частично переведенным.
Выбор подходящего переводчика для вашего документа
Выбор между переводчиком общего назначения и переводчиком, специализирующимся на документах, должен определяться типом содержания документа, его предполагаемым использованием и важностью структурной точности конечного результата. В таблице ниже приведены ключевые факторы, которые следует учитывать.
| Фактор | Универсальный переводчик | Специализированный переводчик документов |
|---|---|---|
| Лингвистическая точность обычного текста | Отлично подходит для общего контента; могут возникнуть проблемы со специализированной терминологией | В целом хорошо; сильнее в терминологии, специфичной для предметной области, в обученных предметных областях |
| Сохранение структуры документа | Ограниченный; текст обычно извлекается в виде плоского потока и повторно помещается | Сильный; переводит в контексте макета, сохраняя заголовки, таблицы и интервалы |
| Обработка встроенного в изображение текста | Обычно игнорируется; обрабатывается только выбираемый текст | Часто включает предварительную обработку OCR для захвата текста в изображениях и сканах. |
| Регистрация и согласованность тона | Может колебаться между формальным и случайным в длинном документе. | Более единообразен в обученных областях, таких как юриспруденция, бизнес и техника. |
| Лучшее для | Быстрое понимание содержания документа; неофициальный обмен | Профессиональная дистрибуция; документы, которые должны выглядеть и функционировать как оригиналы |
Для многих практических целей лучший подход сочетает оба инструмента. Используйте переводчик общего назначения для первоначального понимания содержания документа. Затем воспользуйтесь услугами переводчика, специализирующегося на документах, и получите окончательный, безупречный перевод, сохраняющий структуру и профессиональный внешний вид исходного документа. Эти два инструмента выполняют взаимодополняющие роли в рабочем процессе перевода, и понимание их сильных сторон позволяет использовать каждый из них там, где он работает лучше всего.
Дополнительные рекомендации по рабочему процессу
Методы, описанные в этой статье, решают конкретные проблемы, возникающие при работе с PDF-файлами с использованием различных инструментов, платформ и форматов. У каждой проблемы есть решение, основанное на понимании того, как формат PDF обрабатывает конкретный тип контента или преобразование. Постоянное применение этих методов превращает задачи PDF из неприятных препятствий в рутинные шаги хорошо управляемого документооборота.
Ценность понимания поведения PDF на более глубоком уровне выходит за рамки описанных здесь конкретных сценариев. Когда в будущем вы столкнетесь с новой проблемой PDF, диагностический подход, заключающийся в том, как формат PDF хранит и обрабатывает соответствующий контент, поможет вам найти решение. Формат сложный, но логичный, а принципы, объясняющие одно поведение, часто объясняют другое.
Подготовка документов — это инвестиция в то, как будет принята ваша работа. PDF-файл, который отображается правильно, аккуратно конвертируется и профессионально представляет свое содержимое, отражает тщательность, которую вы вложили в его создание. Дополнительные шаги, описанные в этой статье, будь то настройка параметров экспорта, предварительная обработка страниц или проверка качества вывода, не являются обременительными. В этом разница между документом, который работает, и документом, который создает больше проблем, чем решает.