Отсканированный PDF-файл гораздо сложнее перевести, чем текстовый PDF-файл. Текстовый PDF-файл содержит машиночитаемый текст, тогда как отсканированный PDF-файл содержит изображения, которые, в свою очередь, содержат текст.
Чтобы перевести отсканированный PDF-файл, сначала необходимо точно извлечь текст из этих изображений. Только тогда вы сможете сделать его перевод.
Итак, как перевести отсканированный PDF-файл? Для начала давайте разберемся, что делает PDF-документ «отсканированным».
Что такое отсканированный PDF?
Проще говоря, отсканированный PDF-файл содержит изображения документа, а не машиночитаемый текст.
С текстовым PDF-файлом легко работать. Даже как пользователь, вы можете выбрать текст, выделить его, скопировать его, выполнить поиск по нему и редактировать его.
Отсканированные PDF-файлы, с другой стороны, представляют собой изображения, созданные путем сканирования или фотографирования физических документов. Вы не можете выбрать, скопировать или редактировать текст. Вот почему у переводчиков возникают трудности с отсканированными PDF-файлами.
Итак, как перевести PDF-файл, состоящий из изображений, а не из текста? Именно здесь в игру вступает Оптическое распознавание символов.
Что такое оптическое распознавание символов (Оптическое распознавание символов)?
Оптическое распознавание символов (Оптическое распознавание символов) — это технология, которая обнаруживает текст, символы и элементы на изображениях и преобразует их в машиночитаемый формат.
Чтобы перевести любой отсканированный PDF-документ, вам сначала потребуется Оптическое распознавание символов, чтобы обнаружить содержимое и преобразовать его в машиночитаемый текст. Как только у вас будет текст, вы сможете сделать его перевод на свой язык перевода.
Качественный PDF-переводчик не только обеспечивает точный перевод, но и обладает высоким качеством Оптического распознавания символов. Чем выше качество Оптическое распознавание символов, тем лучше определяется содержимое на отсканированных страницах. Плохое Оптическое распознавание символов означает неточное определение контента, что, в свою очередь, приводит к ошибкам перевода.
Премиум-переводчики PDF также восстанавливают форматирование PDF, обнаруженное на отсканированных страницах, включая таблицы, заголовки и другие визуальные элементы.
Как перевести отсканированный PDF (пошаговое руководство)
Вот подробное пошаговое руководство по переводу отсканированного PDF:
Шаг 1: Выберите платформу для перевода со встроенным Оптическим распознаванием символов
Мы уже сравнивали различные инструменты для перевода PDF ранее. Для высокоточного перевода деловых документов лучше всего подходят инструменты премиум-класса, такие как Smartcat.
PDF-переводчик от Smartcat оснащен встроенной функцией «Оптическое распознавание символов», имеет поддержка более 280 языков и сохраняет исходное форматирование документа, поэтому он точно обрабатывает отсканированные PDF-файлы.
Шаг 2: Загрузка отсканированного PDF
Сначала проверьте качество отсканированного PDF-файла. Четкие сканы облегчают Оптическое распознавание символов для точного обнаружения текста. Для достижения наилучших результатов выполняйте сканирование с разрешением не менее 300 DPI.
Также убедитесь, что отсканированные страницы содержат разборчивый текст, который удалось очистить, минимальный визуальный шум и хороший контраст между текстом и фоном. Как только вы будете удовлетворены качеством сканирования, выполните загрузку отсканированного PDF в переводчик.
Шаг 3: Выбрать язык оригинала текста и язык перевода
Выбрать исходный язык отсканированного PDF-файла и языки перевода, на которые вы хотите выполнить перевод. Вы можете выбрать несколько языков перевода, и Smartcat переведет PDF-файл на все эти языки.
Шаг 4: Нажмите «Перевести»
Далее нажмите кнопку «Перевести». Smartcat использует Оптическое распознавание символов для обнаружения текста и форматирования на отсканированных страницах, извлекает их, а затем выполняет перевод текста с помощью ИИ.
Шаг 5. Проверьте перевод в редакторе Smartcat Editor
Как только машинный перевод будет готов, проверьте переведенный контент.
Для отсканированных PDF-файлов вам понадобятся два уровня проверки качества:
Точность оптического распознавания символов. Ищите ошибки в обнаружении с помощью оптического распознавания символов. Оптическое распознавание символов часто ошибочно принимает определенные символы, например 0 за O, 1 за I или rn за m, поэтому проверяйте наличие таких базовых ошибок извлечения.
Точность перевода. Проверьте перевод технических терминов, названий брендов и культурных нюансов, которые машинный перевод мог упустить.
Шаг 6: Скачайте ваш переведенный PDF-файл
Как только вы проверите и завершите перевод, скачайте файлы PDF для каждого языка перевода.
Как повысить точность Оптического распознавания символов перед переводом отсканированного PDF-файла
Качество перевода частично зависит от качества загруженного PDF-файла. Качественный скан высокого разрешения дает лучший результат, чем неразборчивый скан низкого разрешения, поэтому документ следует очистить.
Вот несколько способов улучшить результаты Оптического распознавания символов:
1. Используйте сканы высокого разрешения
Разрешение сканирования существенно влияет на точность Оптического распознавания символов и, следовательно, на качество перевода. Низкое разрешение затрудняет извлечение текста и приводит к ошибкам.
Хорошее разрешение сканирования начинается от 300 DPI, поэтому убедитесь, что ваш отсканированный PDF-файл соответствует этому требованию. Повторное сжатие еще сильнее снижает разрешение, поэтому избегайте его.
2. Выравнивание перекошенных страниц
Аккуратно и горизонтально выровненный текст повышает точность Оптического распознавания символов. Страницы, отсканированные под углом, затрудняют обнаружение символов и строк, поскольку перекос искажает отсканированное изображение.
Избегайте сканирования страниц под углом. При фотографировании документов держите камеру параллельно странице.
3. Улучшите контрастность и освещение
Для более высокой точности Оптическое распознавание символов должно легко отличать элементы PDF от фона.
Хорошо отсканированный PDF-документ — это темный текст на чистом светлом фоне. Выцветший текст, темный фон, а также обесцвеченные или узорчатые страницы приводят к низкому качеству сканирования. То же самое можно применить к сфотографированным документам: избегайте теней на тексте.
4. Избегайте размытых изображений и визуального шума
Размытые символы и визуальный шум сбивают Оптическое распознавание символов с толку и затрудняют извлечение содержимого. Штампы, подписи, рукописные пометки, сгибы, пятна и накладывающиеся друг на друга визуальные элементы препятствуют точному распознаванию.
Распространенные проблемы при переводе отсканированных PDF-файлов
Вот наиболее распространенные проблемы, с которыми вы можете столкнуться при переводе отсканированного PDF-файла, и способы их решения.
Проблема | Вероятная причина | Что делать |
|---|---|---|
Пропущенный текст | Оптическое распознавание символов не смогло распознать часть страницы | Проверьте скан и повторно отсканируйте участки низкого качества |
Некорректные символы | Размытый скан или скан низкого разрешения | Используйте более четкий оригинал текста с более высоким разрешением |
Неправильный перевод | Ошибка Оптического распознавания символов или ошибка перевода | Сначала сравните извлеченный оригинал текста со сканом |
Сломанные столы | Сложная структура документа | Выполните рецензирование таблицы и макета вручную |
Непереведенный текст изображения | Переводчик не имеет поддержки Оптического распознавания символов или перевода изображений | Используйте платформу для перевода с поддержкой функции «Оптическое распознавание символов», такую как Smartcat |
Неправильный порядок чтения | Многоколоночный или сложный макет | Сверьте извлеченные сегменты с оригиналом текста |
Переполнение текста | Перевод длиннее, чем оригинал текста | Скорректируйте переведенный макет перед публикацией |
FAQs
Может ли Google Переводчик перевести отсканированный PDF-документ?
Google заявляет, что текст внутри изображений и отсканированных страниц PDF может отображаться в итоговом документе, но не переводится. Он может перевести легко различимый текст на изображениях, но нет никакой гарантии, что Google Переводчик сможет сделать перевод отсканированного PDF-документа.
Может ли ChatGPT перевести отсканированный PDF-файл?
ChatGPT и другие LLM могут работать со сканированными PDF-файлами и выполнять их перевод на достойный уровень. Для профессионального перевода PDF с помощью функции Оптическое распознавание символов, высокой точностью и сохранением форматирования специализированный переводчик является гораздо лучшим выбором.
Какое разрешение лучше всего подходит для Оптического распознавания символов?
Для достаточно качественного распознавания текста на отсканированных страницах большинство платформ рекомендует минимальное разрешение 300 DPI.
Однако разрешение — лишь один из факторов. Ровные страницы, хороший контраст, низкий уровень визуального шума и четко напечатанный текст также являются Помощью в получении лучших результатов.
Может ли Оптическое распознавание символов переводить рукописные PDF-файлы?
Оптическое распознавание символов само по себе не переводит текст; оно распознает текст, чтобы система перевода могла его обработать.
Рукописный текст, как правило, сложнее поддается оптическому распознаванию символов, чем печатный, особенно если он написан курсивом или неразборчиво. Но если почерк разборчив, Оптическое распознавание символов может обнаружить и извлечь текст.
Безопасна ли загрузка конфиденциальных отсканированных PDF-файлов в интернет?
Защита данных зависит от платформы для перевода, на которую осуществляется загрузка ваших отсканированных PDF-файлов. Платформы корпоративного уровня, такие как Smartcat, предлагают шифрование данных и другие меры для защиты конфиденциальной информации в документах после загрузки.
Поэтому, выполняя загрузку отсканированных PDF-файлов с конфиденциальной информацией, выбирайте надежную платформу для перевода, такую как Smartcat.
