意扣
Equalang 笔记

扫描件 PDF 和拍照讲义怎么翻？先判断 OCR 还是图片原位翻译

意扣

导读

面对没有文本层的扫描合同、拍照讲义、表单和现场照片，直接复制往往无效。本文提供一套文件类型判断树，帮你快速决定该走 OCR 生成文本层、用图片原位翻译，还是改用人工录入，并说明不同翻译入口的实际边界。

关键词：扫描件PDF翻译, 拍照讲义翻译, OCR文字识别, 图片原位翻译, PDF文本层检查, 意扣, Equalang

拿到一份扫描版合同、手机拍下来的课堂讲义，或是现场拍摄的纸质表单，很多人第一步是用鼠标去框选文字、复制进翻译框，结果什么都选不中；或者把整张照片丢给图片翻译工具，却发现表格里的小字、手写批注和数字被误识别得面目全非。

问题出在文件底层属性不同：看着都是“一页字”，但原生 PDF、扫描图像 PDF 和手机现场照片的处理路径完全不一样。翻译前花 30 秒做一次文件类型判断，能省掉后面反复返工的时间。

第一步：30 秒判断你的文件属于哪一类

在决定用什么工具之前，先按下面三个动作检查文件：

  1. 看扩展名与来源：是手机相机刚拍的 JPG、PNG 照片，还是别人发来的 PDF 文档？
  2. 测文本层（针对 PDF）：用 PDF 阅读器打开文件，尝试用鼠标拖选一段正文，或按 Ctrl+F（Mac 按 Cmd+F）搜索一个常见词。能逐字选中、能搜到，说明有可用文本层；鼠标拖过去只拉出一个蓝框、或者整页像一张图被选中，说明这是纯图像扫描件（Image-only PDF）。根据美国国会图书馆数字格式说明（FDD000577），这类 PDF 本质上是把栅格图像封装进了 PDF 容器，内部不包含字符编码信息。
  3. 看字迹与排版复杂度：页面里主要是清晰印刷体，还是包含大量密集双语对照、竖排文字、极小批注、印章遮挡或手写体？
自制英文讲义页面：左侧无文字层无蓝色块，右侧用Tesseract添加文字层显示蓝色词块
自制讲义示例中，左侧纯图像扫描件无法读取字符，右侧经开源工具 Tesseract 补充文字层后整页 121 个词均呈现蓝色块，可被选中与检索。

第二步：文件类型与翻译方式判断树

做完检查后，直接对照下表选择处理路径，不必把所有文件都塞进同一个入口：

文件表现底层状态推荐处理路径为什么这么选
PDF 能正常选中文字，复制出来不是乱码含原生文本层或已完成高质量 OCR直接走 PDF 文档翻译可利用原有结构保留分栏、页眉页脚、图注、段落层级和可点击目录链接。
PDF 无法选中文字，但属于多页、字迹清晰的印刷讲义或文献纯图像扫描 PDF（无文本层）先做 OCR 识别生成可检索 PDF，再走文档翻译；若仅看单页大意，可转存图片走图片翻译多页文档需要连贯阅读和拼回跨页截断的句子；单页临时查看则用图片原位对照更快。
手机拍的单张讲义、菜单、路牌、展板照片（JPG/PNG 等）单张栅格图片，印刷体为主直接走图片/拍照原位翻译译文直接显示在原图对应位置，方便看着原图排版核对上下文。
扫描合同里的手写签名批注、模糊印章盖字、关键金额与表单小字低信噪比图像或手写笔迹主干印刷文字可机器辅助，关键数字、手写与模糊处必须人工核对或人工录入机器对潦草手写、密集双语混排和特殊排版数字容易漏译或误识别，不能直接当定稿用。

路径一：多页扫描件与含文本层 PDF 的处理方法

如果手头是多页讲义、学术材料或工程图纸 PDF，目标是顺畅通读全文，核心原则是尽量让文件以“带结构的 PDF”进入文档翻译流程。

1. 先检查并补齐 OCR 文本层

对于完全选不中文字的扫描版 PDF，如果页数较多，建议先用本地 PDF 工具或扫描软件执行一次光学字符识别（OCR），导出为带有隐藏文本层的可检索 PDF（Searchable PDF）。导完后抽查两处：

  • 复制两行正文到纯文本编辑器，看有没有把字母 l 识别成数字 1、把分栏文字左右串行。
  • 检查跨页的地方，确认正文字段没有和页眉页脚混在一起。

2. 用文档入口保留版面与对照阅读

当 PDF 具备可解析的结构时，走文档翻译比一页页截图翻译省力得多。以意扣（Equalang）的文件翻译入口为例，上传 PDF 后创建翻译任务，系统会保留原有的分栏、页眉页脚、图注和段落层级，原文加粗的词在译文对应位置也会加粗，且被分页截断的句子会先拼回完整再翻译。如果讲义或论文里带有合并单元格、多行表头、独立公式或行内公式，也不会直接变成乱码；遇到难处理的行内公式，还可以在任务中打开公式优化。

需要注意的是，文档翻译保留的是结构而非像素级克隆——由于中英文字符宽度不同，译文的字体、字号和换行会随译文长度自然变化。翻译完成后，可以在网站的翻译工作台（Translation workspace）里打开结果，左边原文、右边译文并排显示并支持同步滚动，方便边读边核对专业术语与图表数据。

翻译工作台双栏对照界面，左侧显示英文讲义原文，右侧显示中文译文
自制讲义在具备文字层后进入意扣翻译工作台，双栏并排保留了原图表格框线与排版结构。需注意译文个别位置字号大小不一，如表格内文字字号偏小。

路径二：单页拍照讲义与现场照片的原位翻译

如果你在教室、展厅或办事现场，手里只有手机拍下的几张 JPG、PNG 照片，或者只需要看懂扫描件里的某一页图表，专门去跑一遍 PDF OCR 反而繁琐。这时直接用图片原位翻译更合适。

操作步骤

  1. 桌面端处理已有照片或截图：打开意扣（Equalang）网站，从顶部「功能」菜单进入「拍照翻译」（英文界面为 Photo translation）。选好「翻译成」的目标语言后，直接点击「选择图片」、拖入图片、直接粘贴剪贴板截图，或点「用摄像头拍一张」（支持 JPG、PNG、WEBP、BMP 格式）。
  2. 手机端现场拍摄：在手机浏览器打开拍照翻译页面（首次使用需登录），点击「开始拍照」并允许浏览器使用相机，选好目标语言后对准讲义或表单拍下，拍摄后会自动开始翻译。
  3. 原图与译图切换核对：翻译完成后，译文会直接显示在图片原来的位置上。桌面完成页会并排显示原图和译图，支持缩放和下载译文文件；手机端也可以在原图与译图之间来回切换查看。
自制讲义扫描图原位翻译完成页，左侧为英文原图，右侧为中文译图
自制讲义扫描图经拍照翻译后双图并排展示，译文落在原图对应位置并保留表格线。但字号整体变小，且表头 Good 被误译为「好的」，需要人工修正。

图片原位翻译的真实边界

把文字直接嵌回图片原位，优势是“位置直观”，但你必须了解它的物理局限，不能拿它当修图软件或高精度排版工具：

  • 字体与换行会改变：原位翻译的目标是让人看懂内容，译文的字体、字号匀称度和换行位置会与原图有明显差别，不会长得和原图印刷字体一模一样。
  • 格式与小字限制：如果遇到单次 WebP 图片任务失败，可以先转为标准 JPG 重试。

路径三：哪些情况必须停下来人工录入或复核？

无论用哪种 OCR 或图片翻译工具，遇到以下四类内容时，机器输出结果只能作为“定位线索”，绝不能省略人工逐字核对：

  1. 手写内容与浅色背景告示：手写笔迹连笔多、字形不固定。在意扣（Equalang）的真实照片测试中，白底浅字的手写告示或潦草批注容易识别不全，讲义空白处的手写笔记建议直接人工整理。
  2. 密集双语混排与竖排数字：当同一张图里既有密集的原文又有外文、或是传统的竖排文字时，版面切分容易受干扰，可能出现局部译文重复、原文残留，或者把竖排数字误读（例如测试中曾出现将竖排“八〇〇円”附近误识别为“80 Yen”的情况）。
  3. 脱离上下文的多义短词：表单或清单里的孤立短词缺乏语境，机器可能按字面常用意去翻（例如把餐饮单里的配菜栏目标题“Sides”直译成“侧面”）。专业讲义里的缩写和表头短词，必须对照原图人工修正。
  4. 合同金额、公差与法律条款：哪怕工程图纸或合同表格的整体结构都对上了，只要涉及金额、小数点位数、公差符号（如 ±0.005）和责任界定，都必须拿着原件逐项人工复核，必要时直接人工录入关键字段。

总结：按场景选对入口

处理扫描件和照片时，记住这套最简分工：

  • 要读长篇、留结构、看公式表格：先确认或补齐 PDF 文本层，再用意扣（Equalang）的文档翻译入口处理，利用并排工作台对照阅读。
  • 要看单张照片、快速获知图内位置大意：直接用拍照翻译上传图片或现场拍下，原图与译图切换着看。
  • 涉及手写字迹、密集混排小字与关键数字：用工具快速扫清大意后，关键处留给人眼核对。

参考资料