OCR и перевод часто подают как одно действие, но отвечают они на разные вопросы. OCR спрашивает: «Какой текст на этой странице?» Перевод спрашивает: «Что этот текст значит на другом языке?» Обработка документа добавляет третий вопрос: «В каком порядке нужно читать текст, заголовки, иллюстрации и примечания?»
Это различие объясняет знакомую неудачу: перевод звучит естественно, но говорит что-то странное. Языковая система могла получить неверное слово, потерянный символ или абзацы в неправильной последовательности. Более удачный запрос не восстановит надёжно исходную информацию, которую изначально извлекли неправильно.
Разделяйте распознавание, структуру и смысл
Представьте сканированную страницу, где OCR прочитал 10 mg как IO mg. Переводчик может воспроизвести неверные буквы или принять их за имя. На этапе перевода нельзя установить дозировку лишь потому, что перевод звучит гладко. Чтобы разрешить неоднозначность, нужно исходное изображение.
Теперь представьте статью в две колонки. Каждое слово распознано верно, но при извлечении строки из двух колонок чередуются. Проблема в порядке чтения, а не в орфографии. Перевод может превратить объединённый текст в грамматически правильные фразы, потеряв при этом логику рассуждения.
Поэтому практический процесс включает несколько задач:
| Этап | Что он делает | Что стоит проверить |
|---|---|---|
| Съёмка | Получить читаемые изображения страниц | Мелкий шрифт виден, поля не обрезаны |
| OCR | Извлечь текст с изображений | Символы, числа и знаки совпадают со страницей |
| Восстановление структуры | Упорядочить абзацы, колонки, заголовки и примечания | Текст продолжается в нужной последовательности |
| Перевод | Передать смысл на целевой язык | Имена, уточнения и связи сохранены |
| Вывод и проверка | Получить пригодный файл | Навигация, примечания, таблицы и важные фрагменты работают |
Интегрированный инструмент может выполнить эти этапы в рамках одной задачи. Но при проверке результата различать их по-прежнему полезно.
По-разному подходите к текстовым PDF и сканам
В текстовом PDF выделите абзац и вставьте его в редактор. Убедитесь, что символы и порядок осмысленны. Выделяемый текст — хороший признак, но встроенные шрифты или повреждённый текстовый слой всё равно могут давать неожиданные символы.
Для скана сначала осмотрите изображение страницы. Проверьте размытость, перекос, тени от переплёта и обрезанный текст. Если исходный скан плохой, качество распознавания упирается в физический предел. Повышение разрешения уже размытого изображения не вернёт утраченные детали букв.
Смешанный PDF требует обеих проверок. Часть страниц может содержать живой текст, а вставки или приложения — быть изображениями. Проверьте несколько мест, а не судите о всей книге по одной странице.
PDF Craft принимает PDF-файлы для обработки и предлагает конвертацию в EPUB или Markdown; для этих результатов перевод можно включить по желанию. Вывод в PDF — это задача перевода. Проверяйте фактическую конфигурацию: вход через определённую маркетинговую страницу не выбирает за вас формат результата и параметры перевода.
Решайте, когда промежуточная проверка стоит дополнительного шага
Интегрированная задача «OCR и перевод» удобна для читательской копии, если вы можете сверить результат с оригиналом. Отдельная проверка распознавания полезна, когда в документе есть важные величины, необычная лексика или вёрстка, которая может вызвать структурные ошибки.
В отдельном процессе сначала выполните конвертацию без перевода, затем просмотрите извлечённое содержимое в подходящей программе чтения или редакторе. Сравните заголовки, абзацы, переходящие через страницы, а также таблицу или примечание. Исправьте проблемы исходника в подходящем редакторе, прежде чем использовать этот материал в дальнейшем маршруте перевода.
Не предполагайте, что каждый сервис предоставляет редактируемый промежуточный результат или принимает этот отредактированный формат как новый вход. Веб-интерфейс PDF Craft предназначен для запуска задач; возможность редактировать распознанный текст перед переводом не гарантируется. Проверяйте поддерживаемые входы для следующего этапа, а не считайте конвертацию, редактирование и повторную загрузку взаимозаменяемыми.
Если вы пропускаете промежуточную проверку, сделайте итоговую проверку более тщательной. Сравнивайте любой подозрительный переведённый фрагмент напрямую с изображением страницы. Записывайте исходное местоположение, чтобы отличать ошибку распознавания от решения переводчика.
Выбирайте результат исходя из дальнейшего использования
EPUB подходит, когда цель — продолжать читать с настраиваемым размером текста. Вы хотите, чтобы абзацы перестраивались, оглавление работало, а примечания оставались связаны с основным текстом. Эти проверки описаны в руководстве по конвертации сканированного PDF в EPUB.
Markdown удобен, когда нужен редактируемый текст для исследовательских заметок, цитат или дальнейшей обработки. Проверяйте формулы и таблицы, а не ждите, что печатная страница будет воспроизведена в точности. См. PDF в Markdown для исследований.
Перевод PDF подходит, когда требуется результат именно в формате PDF. После перевода проверьте, как размещается текст, взаимное расположение иллюстраций и плотные участки вёрстки. Не делайте вывод о поддержке двуязычного PDF по двуязычным опциям для других форматов.
Двуязычный результат в EPUB упрощает проверку смысла: исходный фрагмент стоит перед переводом. Но он не сверяет OCR с изображением страницы: если распознанный источник изначально был неверен, проблема может остаться скрытой в обоих показанных фрагментах.
Проверяйте стыки между этапами
Просмотрите переход между страницами, переход между колонками и ссылку на сноску. Именно в этих местах разумные по отдельности результаты могут соединиться неправильно. В статье об обработке сносок объясняется, почему на странице могут быть все слова, а примечание при этом привязано не туда.
Затем проверьте значения и язык вместе. Проверьте число и единицу измерения, отрицание и утверждение, к которому оно относится, а также ссылку на рисунок и подпись к нему. Для важной цитаты вернитесь к исходной странице, а не полагайтесь только на извлечённую или переведённую версию.
Чтобы начать, загрузите свой PDF в PDF Craft, выберите формат результата и явно включите перевод, если он нужен. Обработка оплачивается по факту использования; актуальные тарифы — на странице «Цены». Сохраните оригинал, скачанный результат и достаточно сведений о местоположении, чтобы последующая проверка была простой.