將相同的 PDF 上傳到通用翻譯器（如 Google Translate）和文件專用翻譯工具（如 WukongPDF 的內建翻譯器），結果會有所不同。有時差異是微妙的：這裡是單字選擇，那裡是句子結構。有時它們是戲劇性的：一個翻譯讀起來就像自然的人類寫作，而另一種讀起來就像一台機器在每個句子中掙扎。這些差異不是隨機錯誤或錯誤。它們源自於每個翻譯系統所做的基本設計選擇，即如何平衡速度與準確性、流暢性與字面保真度以及文件結構保留與純語言翻譯之間的平衡。了解這些差異的原因有助於您為每個文件選擇正確的工具，並以適當的信任等級解釋輸出。
通用翻譯器和文件專用翻譯器之間的根本區別
Google Translate、DeepL 和 Microsoft Translator 等通用翻譯引擎旨在翻譯任何上下文中的文字：網頁、聊天訊息、電子郵件、社交媒體帖子，當然還有文件。他們的訓練資料來自開放的互聯網，涵蓋廣泛的寫作風格、領域和品質水準。這種廣度給了他們非凡的彈性。他們幾乎可以翻譯出你交給他們的任何內容，從餐廳菜單到法律合約。但同樣的廣度也是它們的限制。因為它們沒有針對任何特定域進行最佳化，所以它們也沒有針對任何特定域進行最佳化。通用翻譯員對商業文件中預期的法律術語、醫學術語、技術規範或正式語域沒有特殊的理解。它對待合約的方式與對待部落格評論的方式相同：使用相同的統計模型將文字從一種語言轉換為另一種語言。
文件專用翻譯工具採用了根本不同的方法。它們是專門為翻譯文件而設計的，其整個處理流程都是圍繞該工作流程構建的。他們知道 PDF 不僅僅是文字流，而是包含標題、段落、表格、說明文字、頁首、頁尾和頁碼的結構化文件。它們不僅保留單詞，還保留文件結構：標題層次結構、段落分隔符號、表格單元格中文字的位置以及正文和標題之間的關係。文件專業翻譯人員將合約視為合同，保留賦予文件法律特徵的條款編號、簽名區塊和正式語氣。 WukongPDF 的翻譯 PDF 工具基於文檔優先的理念構建，在文檔上下文中處理文本，而不是將其提取到非結構化流中。
訓練資料如何以不同方式塑造翻譯輸出
教授翻譯引擎如何翻譯的訓練資料對其輸出的特徵有著巨大的影響。通用引擎是在大量網路爬行語料庫上進行訓練的，其中包括從新聞文章和維基百科條目到論壇討論和產品評論的所有內容。這種不拘一格的訓練飲食產生了一個多功能的引擎，但有時產生的翻譯對於正式文件來說太隨意，或者對於慣用表達來說過於直白。引擎已經看到瞭如此多不同類型的文本，以至於除非您明確告訴它，否則它無法可靠地檢測到哪個語體適合您的特定文檔，即使如此，它在長文檔中保持一致的正式語氣的能力也是有限的。
文件專用引擎通常使用特定領域的語料庫來補充其一般培訓：翻譯的合約、技術手冊、學術論文、政府文件和商業信函的集合。這種集中培訓產生的引擎在其目標領域內更加可靠。它更有可能正確翻譯法律術語，保留商業溝通中預期的正式語域，並在長文件中保持術語的一致性。代價是，文件專用引擎可能在遠遠超出其訓練領域的內容上表現不佳，例如休閒對話或創意寫作。但對於大多數人實際需要翻譯的文檔來說，專注領域是一個明顯的優勢。
文檔結構保存為差異化因素
也許通用翻譯器和文件專用翻譯器之間最明顯的區別是它們如何處理翻譯文字周圍的文件結構。通用翻譯器通常將 PDF 中的所有文字提取到線性流中，將其翻譯為單個區塊，然後嘗試將翻譯後的文字放回每個頁面上的原始位置。這種方法通常會破壞文字與其上下文之間的關係：標題可能會失去粗體格式，表格單元格可能會溢出，因為翻譯後的文字比原始文字長，標題可能會與其描述的圖像分離。翻譯可能在語言上準確，但結構受損，需要手動重新格式化，這可能比檢查翻譯品質本身花費更長的時間。
文件專用翻譯器在其佈局上下文中翻譯文字。每個文字區塊都是獨立翻譯的，保留其在頁面結構中的位置。標題樣式保持不變，表格結構保持不變，文字和圖像之間的空間關係保持不變。翻譯後的文檔看起來與原始文檔相似，只是語言不同。這種結構保真度不僅僅是美學上的。結構被保留的文件可以立即被接收者使用。在翻譯過程中結構被破壞的文件需要額外的工作才能達到其預期目的。平行評估翻譯的PDF比較過程應該以與語言準確性相同的權重來評估結構保真度。
處理影像和掃描內容中的嵌入文字
不同類型的翻譯器之間的一個特別顯著的差異是它們如何處理僅以像素形式存在於 PDF 中的文本，例如圖像中嵌入的文字、圖表標籤和掃描頁面上的內容。通用翻譯器通常完全忽略基於圖像的文本，因為其文本提取管道僅處理可選的字元運行。翻譯後的文件帶有目標語言的正文，但所有圖像標題、圖表標籤和嵌入的標註仍採用來源語言。相較之下，文件專用翻譯器通常包括 OCR 預處理步驟，在翻譯開始之前從圖像中提取文本，從而實現更完整的翻譯，涵蓋文件的文本層和圖像層。
對於某些文件類型，完整性差異尤其顯著。僅處理投影片文字但每個圖表和嵌入插圖仍保留原始語言的翻譯簡報是半成品翻譯，會讓不會說原始語言的讀者感到困惑。如果翻譯後的技術手冊的正文採用目標語言，但每個原理圖標籤仍採用來源語言，則幾乎無法使用。 翻譯 PDF工具能否存取圖像和文字圖層中的文本，決定了翻譯的文檔是完整的還是僅部分翻譯。
為您的文件選擇正確的翻譯器
通用翻譯器和文件專用翻譯器之間的選擇應由文件的內容類型、其預期用途以及結構保真度對最終結果的重要性決定。下表總結了需要考慮的關鍵因素。
| 係數 | 通用翻譯器 | 文檔專業翻譯 |
|---|---|---|
| 常見文本的語言準確性 | 非常適合一般內容；可能難以掌握專業術語 | 整體不錯；在訓練有素的領域內更了解特定領域的術語 |
| 文檔結構保存 | 有限的;文字通常被提取為扁平流並重新放置 | 強的;在版面配置上下文中進行翻譯，保留標題、表格和間距 |
| 圖像嵌入文字處理 | 通常被忽略；僅處理可選擇的文本 | 通常包括 OCR 預處理以捕獲圖像和掃描中的文本 |
| 音域和音調的一致性 | 長文檔中可能會在正式和休閒之間搖擺不定 | 在法律、商業和技術等訓練有素的領域內更加一致 |
| 最適合 | 快速理解文件內容；非正式分享 | 專業配送；文件的外觀和功能必須與原始文件相似 |
對於許多實際目的，最好的方法是將這兩種工具結合起來。使用通用翻譯器初步了解文件內容。然後使用文件專業翻譯人員產生最終的、精美的翻譯，保留原始文件的結構和專業外觀。這兩種工具在翻譯工作流程中發揮互補的作用，了解它們各自的優勢可以讓您在發揮最佳性能的地方使用它們。
工作流程的其他注意事項
本文所述的技術解決了跨不同工具、平台和格式處理 PDF 時出現的特定挑戰。每個挑戰都有一個解決方案，植根於理解 PDF 格式如何處理特定類型的內容或所涉及的轉換。持續應用這些技術可以將 PDF 任務從令人沮喪的障礙轉變為管理良好的文件工作流程中的例行步驟。
更深入地了解 PDF 行為的價值超出了此處涵蓋的特定場景。當您將來遇到新的 PDF 挑戰時，詢問 PDF 格式如何儲存和處理相關內容的診斷方法將引導您找到解決方案。格式複雜但合乎邏輯，解釋一種行為的原則通常可以解釋其他行為。
文件準備是對您的作品如何被接受的投資。正確顯示、乾淨轉換並專業呈現其內容的 PDF 反映了您在創建它時所投入的精力。本文所述的額外步驟，無論是配置匯出設定、預處理頁面或驗證輸出質量，都不是負擔。它們是有效的文檔和產生的問題多於解決的問題的文檔之間的區別。