# OCR 识别出错，翻译跟着错——先检查这几处

把误译追溯到扫描文本，检查人名、数字、符号和复杂版面，并判断是该重做 OCR 还是重新翻译。

一句译文可以语法通顺，意思却完全相反。如果 OCR 把“not permitted”读成了“now permitted”，翻译很可能就把这条错误的指令原样带进另一种语言。译者根本没见过你在扫描页上看到的那个词。

结果看着可疑时，把三样东西放在一起比对：页面图像、识别出的原文、译文。这样能分清是识别出了错，还是翻译做了取舍，也免得你花钱把没问题的环节重做一遍。

## 顺着流程追查错误

OCR 从页面图像中还原文字和文档结构，翻译再基于这些还原出来的内容工作。两个环节都可能出错，而版面错误和拼写错误一样要命。

设想一个双栏页面。每个词都识别正确，但右栏的句子被插进了左栏的段落。译者拿到的论证已经讲不通了。再怎么润色英文，也补不回丢失的语序。

动手修改前，先做一次简短诊断：

| 你发现的情况           | 大概该查哪里  |
| ---------------- | ------- |
| 人名与扫描件上看到的不一致    | 字符识别    |
| 词都对，顺序不对         | 版面与阅读顺序 |
| 原文正确，意思却变了       | 翻译      |
| 译文本身正确，导出后注释标记丢了 | 输出结构或渲染 |

同一段文字里可能同时存在多个问题。拼写改对了，并不说明段落顺序也没错。

## 人名、数字和符号单独过一遍

普通行文丢一个字母有时还看得懂，但计量单位、编号或人名未必。仔细看 `0/O`、`1/l/I`、负号、小数点、上标和带变音符号的字母。对一个反复出现的人名，既搜正确拼写，也搜几种可能的误读写法。

看表格不能只看数值。数字识别正确但放错了表头，照样是错的。把行标题、列标题、单位和相关注释放在一起核对。遇到公式，逐一比对下标、指数、括号和运算符；周围段落读着顺，并不能证明公式没被改坏。

准备一张小问题表，记下页码、原文片段、发现的错误和更正内容。例如：“PDF 第 38 页，表 2：0.4 前的负号缺失。”这比笼统写一句“这一章需要再看看”有用得多。

## 抽查难处理的页面，别只看开头

至少检查一页普通页面，再检查文档中出现的每一种版面：分栏、密集注释、表格、带标注的示意图，以及字迹模糊或印刷破损的页面。还要挑一处句子跨页的地方，看看前后两页衔接得对不对。

在每处跨页处读完一整段。确认页眉没有混进正文句子，脚注也没有打断正文。然后对照同一段文字的译文。如果译文里多出了原文没有的行为主体、结论或限定条件，就要继续查。

抽查只是先筛出问题，不能保证全书都没事。同一个错误反复出现时，就把所有带有该特征的页面都查一遍。比如正文里重复出现了标题，就该搜索整个输出文件，而不是只删掉第一处。

## 判断是重做 OCR，还是直接改识别文本

如果很多页模糊、倾斜、被裁切或顺序错乱，尽量先换一份更好的原件。拿同一张看不清的图像重新识别，很可能得到同样的结果。保留旧结果，给新一次识别另起一个文件名，方便对比。

如果识别基本可靠、错误只是零星几处，可编辑的 Markdown 副本在自己的编辑器里改起来可能更省事。修改时把每处更正和原页面对应起来。这是手动流程；不要以为 PDF Craft 提供 OCR 校对界面，也不要以为它会在已有任务中自动套用你的修改。

[PDF Craft 的 PDF 转换工作区](https://pdfcraft.ai/zh-CN/pdf-craft/)可以生成用于阅读的 EPUB，也可以生成用于编辑的 Markdown。转换本身不需要翻译，只有你需要时才开启翻译。如果想单独核对识别结果，先拿到一份未翻译的输出。之后再翻译或重跑，是另一次处理，需要单独决定；重复耗时较长的任务前，请先查看[价格](https://pdfcraft.ai/zh-CN/pricing/)。

改好原文后，在已知出错的位置把新译文和旧译文对比一遍。然后检查前后句子：改对的人名或否定词，可能牵动代词、性数一致，甚至整段解释。把问题表和原文、最终结果存在一起，下次复查时就有据可查，不必凭记忆。