תרגום PDF רוסי לאנגלית תוך שמירה על הפריסה

חוזה, חשבונית או מאמר מחקר רוסי שתורגם לאנגלית שוטפת הוא רק חצי עבודה אם הטבלאות מתמוטטות, שתי העמודות מתמזגות לזרם אחד, או מחצית הסריקה חוזרת כג’יבריש.

לתרגום PDF רוסי לאנגלית יש שתי נקודות כשל נפרדות. הראשונה היא לקרוא את הקירילית בכלל: PDF מבוסס-טקסט כבר מכיל תווים אמיתיים, אבל PDF סרוק הוא רק תמונה של עמוד, והוא צריך OCR שאומן על רוסית לפני שכל תרגום יכול לקרות. השנייה היא להחזיר את האנגלית לאותו מקום: אנגלית בדרך כלל צריכה כמות מקום שונה מרוסית, ולכן טבלאות, עמודות, כותרות וחותמות הן המקומות שבהם כלי רשלני שובר את העמוד.

המדריך הזה מכסה את שתיהן. בררו איזה סוג PDF יש לכם, בדקו שהקירילית זוהתה נכון, תרגמו עם כלי שמודע לפריסה, ובדקו את העמודים שסביר ביותר שישברו לפני שאתם משלמים על הקובץ המלא.

שלב 1: בררו אם ה-PDF הרוסי שלכם הוא טקסט או סריקה

פתחו את ה-PDF ונסו לבחור מילה רוסית אחת עם הסמן, ואז העתיקו והדביקו אותה בעורך טקסט.

המקרה השלישי מפתיע אנשים. קובצי PDF רוסיים ישנים משתמשים לעיתים קרובות בקידודים ישנים או בגופנים מותאמים, כך שהטקסט נראה נכון על המסך אבל התווים שמתחת שגויים. תרגום מכונה של השכבה הזו נותן לכם שטויות, לא משנה כמה המתרגם טוב.

שלב 2: ודאו שה-OCR הקירילי קורא נכון

אם הקובץ שלכם הוא סריקה, איכות ה-OCR מחליטה על כל מה שבא אחר כך. אות שגויה הופכת למילה שגויה, והאנגלית יוצאת בביטחון שגויה.

בדקו קודם את איכות הסריקה. השתמשו בסריקה של 300 DPI אם אפשר לסרוק מחדש, יישרו עמודים מוטים, והימנעו מתמונות טלפון שצולמו בזווית. צילומים חיוורים והערות בכתב יד בשוליים הם המקומות שבהם OCR רוסי מתקשה ביותר.

שימו לב לדומים לטיניים–קיריליים. לרוסית יש צורות משותפות עם אותיות לטיניות: А В Е К М Н О Р С Т Х ואותיות קטנות а е о р с у х. OCR שלא מוגדר לרוסית יכול לערבב את שני האלפביתים בתוך מילה אחת. זה נראה בסדר לעין אבל הופך למילה לא מוכרת למתרגם. מנועים כמו Tesseract מספקים מודל מאומן נפרד לרוסית (rus) בדיוק מסיבה זו.

בדקו נקודתית אותיות שקל לבלבל. בעמוד צפוף אחד, חפשו ш/щ, ь/ъ/ы, и/й ו-е/ё. אחר כך בדקו את המספרים: שגיאות OCR בסכומים, תאריכים (12.03.2024) ומספרי מסמכים הן מסוג היקר.

אם אתם רוצים מדריך מעמיק יותר ל-OCR על קבצים שהם תמונה בלבד, ראו איך לתרגם PDF סרוק עם OCR ולשמור על הפריסה.

שלב 3: תרגמו עם מתרגם PDF שמודע לפריסה

העתקה והדבקה לתיבת צ’אט או למתרגם אינטרנט נותנות לכם טקסט באנגלית בלי אף חלק מהמסמך. כדי לשמור על הפריסה, השתמשו בכלי שכותב מחדש את הטקסט במקום בכל עמוד.

1. העלו את ה-PDF המקורי. השתמשו בקובץ המקור, לא בצילום מסך או בהדפסה שנשמרה מחדש. OpenL Doc Translator for PDF מקבל קובצי PDF מבוססי-טקסט וסרוקים עד 80 MB, מריץ OCR על טקסט בתמונה, ונבנה לשמירה על טבלאות, תמונות, גופנים ופריסת עמוד.
2. הגדירו את השפות ל-Russian → English. הגדרת שפת המקור במפורש, במקום להסתמך על זיהוי אוטומטי, עוזרת בעמודים מעורבים שמכילים גם שמות מותג באנגלית או קיצורים לטיניים.
3. צרו את התצוגה המקדימה החינמית. OpenL מציג תצוגה מקדימה חינמית של המסמך המתורגם עם העיצוב שלו, כדי שתוכלו לשפוט את התוצאה לפני שאתם משלמים.

שלב 4: בדקו את העמודים שסביר ביותר שישברו

אל תשפטו את התצוגה המקדימה לפי עמוד השער. פתחו את העמודים שהכי קשה לעשות נכון:

אורך הטקסט ישתנה. הערות W3C על גודל טקסט בתרגום מסבירות למה תוויות קצרות משתנות הכי הרבה. זה בדרך כלל אומר תאי טבלה צפופים יותר או רופפים יותר, לא מבנה שבור. למידע נוסף על מה לבדוק, ראו מה קורה לטבלאות במהלך תרגום מסמכים.

שלב 5: שלמו לפי נפח והורידו

כשהתצוגה המקדימה נראית נכון, הורידו את הקובץ המלא. OpenL Doc Translator גובה קרדיטים לפי נפח המסמך על התרגום המלא. אין ניסיון חינמי של הורדות בלתי מוגבלות של מסמך מלא. התצוגה המקדימה החינמית היא הדרך לבדוק קובץ לפני שמוציאים משהו.

אחרי ההורדה, עשו מעבר סופי:

1. חפשו ב-PDF באנגלית קירילית שנותרה. קטעים קצרים שלא תורגמו בדרך כלל מגיעים מטקסט בתוך תמונות או מגופנים חריגים.
2. השוו כל סכום טבלה ותאריך מול המקור הרוסי.
3. בדקו שמות. לשמות אישיים רוסיים יש כמה תעתיקים נפוצים (Юрий → Yuri / Yury / Iurii), אז התאימו לאיות שבדרכון או במסמכים קודמים.

חוזים, ניירות בית משפט, רשומות רפואיות ומסמכי ויזה עדיין צריכים מתרגם אנושי מוסמך, ולעיתים קרובות מתרגם מוסמך רשמית. תרגום מכונה ששומר על פריסה הוא טיוטה ראשונה טובה ודרך מהירה להבין את המסמך. הוא לא מחליף הסמכה.

מדריך החלטה מהיר

אם השפה עצמה חדשה לכם, מדריך השפה הרוסית שלנו מסביר את האלפבית הקירילי ולמה חלק מהאותיות מכשילות גם קוראים וגם מכונות.

כשתהיו מוכנים, העלו את העמוד שאתם הכי דואגים לגביו ל-OpenL Doc Translator ובדקו את התצוגה המקדימה החינמית. אם הטבלאות והעמודות עדיין נראות כמו המקור שלכם, שאר המסמך בדרך כלל יבוא בעקבותיהן.

Sources

• Traineddata files for Tesseract — tessdoc — Language-specific OCR models, including Russian (rus)
• Russian alphabet — Wikipedia — The 33-letter Cyrillic alphabet and letter forms
• Text size in translation — W3C Internationalization — Why translated text changes length and affects layout
• AI PDF Translator — OpenL Doc — Text and scanned PDF support, 80 MB limit, layout retention, free preview