Чтобы перевести PDF и сохранить структуру, сначала определите, содержит ли он настоящий текст или только сканы. Затем извлеките заголовки, абзацы, таблицы и подписи, переведите их по отдельным логическим блокам и соберите новый файл. Полностью автоматический процесс нужно проверять постранично, потому что PDF хранит внешний вид, а не всегда смысловую структуру.
Текстовый PDF и скан
Если слова выделяются курсором, файл обычно содержит текстовый слой. У скана каждая страница является изображением, поэтому требуется оптическое распознавание. Плохой наклон, блики и низкое разрешение создают ошибки ещё до перевода.
Некоторые файлы имеют невидимый слой OCR поверх скана. Его качество нужно проверить: визуально страница выглядит верно, а копируемый текст может быть испорчен.
Как сохранить структуру
Извлекайте содержимое вместе с номерами страниц и типами блоков. Не отправляйте весь документ одной бесформенной строкой. Заголовки, сноски и колонки требуют отдельного порядка чтения.
Таблицы переводят по ячейкам, сохраняя числа и единицы. Формулы обычно оставляют без изменения, а подписи переводят. После перевода текст может стать длиннее и выйти за рамки, поэтому нужна повторная вёрстка.
Как работать с терминологией
Создайте глоссарий имён, аббревиатур и устойчивых терминов. Переводите разделами, передавая модели этот список. Просите помечать неразборчивые места, а не угадывать.
Для договора, инструкции или медицинского документа сверяйте каждое обязательство и предупреждение со специалистом.
Безопасность и проверка
PDF может содержать персональные данные, коммерческую тайну и скрытые вложения. Перед загрузкой проверьте разрешение и условия сервиса. Не запускайте неизвестные активные элементы.
Сравните количество страниц, заголовков, таблиц и иллюстраций. Проверьте номера, даты, десятичные разделители, ссылки внутри документа и переносы слов. Поиск по нескольким ключевым терминам помогает найти непереведённые участки.
Нейросеть ускоряет перевод, но сохранение PDF – отдельная задача извлечения и вёрстки. Надёжный процесс не пытается магически перевести картинку целиком, а разделяет распознавание, перевод, сборку и визуальную проверку.
Определите, есть ли в PDF текстовый слой
Если слова выделяются курсором, переводчик обычно получает готовый текст. Сканированные страницы сначала проходят OCR. Ошибка распознавания в имени, числе или отрицании затем будет переведена как будто она была в оригинале.
Для сложного скана проверяют несколько страниц извлечённого текста до обработки всего файла. Таблицы, колонки и сноски особенно часто читаются в неверном порядке.
Документ делят по смысловым границам
Большой PDF не всегда помещается в контекст модели. Его переводят по разделам, сохраняя заголовки и небольшой соседний фрагмент. Общие принципы работы с объёмом описаны в статье о том, как нейросеть анализирует длинные документы.
Номер страницы и название раздела фиксируют вместе с переводом. Это позволяет быстро вернуться к оригиналу при сомнении.
Глоссарий создают до первого раздела
Технический термин, должность и название функции должны переводиться одинаково по всему файлу. В таблице глоссария указывают исходную форму, утверждённый вариант и исключения. Если значение неясно, модель оставляет пометку, а не выбирает молча.
Основы языкового этапа подробнее раскрывает материал о том, как нейросеть переводит текст. Для юридического или медицинского документа одного языкового редактора недостаточно – нужен специалист по предмету.
Формат восстанавливают отдельно
После извлечения теряются шрифты, переносы, подписи и положение рисунков. Надёжнее сначала получить проверенный перевод, затем собрать макет и связать каждый фрагмент с исходной страницей. Автоматическая замена текста внутри PDF может не вместить более длинную русскую фразу.
Номера пунктов, ссылки, единицы и подписи к рисункам сравнивают с оригиналом. Перемещённое предупреждение способно изменить смысл даже при правильных словах.
Особого внимания требуют таблицы
Ячейка может зависеть от заголовка сразу на двух уровнях. Если таблица извлечена построчно, эта связь исчезает. Перед переводом структуру превращают в понятный формат и проверяют объединённые ячейки.
Числа обычно не переводят, но формат десятичного разделителя и даты может меняться. Значение сверяют, а отображение адаптируют только по правилам документа.
Как проверить готовый перевод
Имена, даты, суммы, отрицания и условия «если» просматривают вручную. Несколько случайных страниц сравнивают строка за строкой. Обратный машинный перевод может подсветить грубую потерю, но не является доказательством точности.
Финальный PDF открывают на компьютере и телефоне, проверяют поиск, копирование, оглавление и читаемость шрифта. Если документ должен быть доступным, порядок чтения и альтернативные описания рисунков проверяют отдельно.
Закрытый файл нельзя загружать куда угодно
Договор, рукопись и медицинская запись могут содержать конфиденциальные сведения и охраняемый текст. До загрузки выясняют условия хранения и допустимость сервиса, удаляют лишние страницы и метаданные.
Нейросеть ускоряет перевод PDF, когда процесс разделён на извлечение, перевод, предметную проверку и верстку. Удобная кнопка не отменяет ни ошибок OCR, ни ответственности за смысл итогового документа.
Печатный оригинал сохраняют рядом с новой версией
Переведённый PDF может выглядеть официально, хотя некоторые строки были распознаны или интерпретированы неверно. Для ответственного использования прикладывают исходник и указывают, что перевод машинный и прошёл определённый уровень проверки. Читатель должен иметь возможность открыть нужную страницу оригинала.
