스캔한 PDF를 OCR로 번역하고 레이아웃을 유지하는 방법
TABLE OF CONTENTS
스캔한 PDF 번역은 하나의 작업이 아니라 OCR을 먼저 하고 그다음 레이아웃을 다시 구성하는 일입니다. 스캔 상태가 잘못되면 어떤 번역기로도 그 페이지를 살릴 수 없습니다.
스캔한 PDF가 흔히 말하는 “레이아웃 유지” 경로를 깨는 이유
디지털로 만들어진 PDF는 선택 가능한 텍스트와 (대개) 구조 정보를 이미 저장하고 있습니다. 반면 스캔한 PDF는 대부분 페이지 사진입니다. 번역기가 단어를 다른 언어로 옮기려면 먼저 OCR 엔진이 픽셀에서 그 단어를 추측해야 하고, 그다음 무언가가 번역문을 단, 표, 여백에 다시 배치해야 합니다.
이 2단계 연결 구조 때문에 “OCR + 레이아웃 유지”는 네이티브 PDF를 번역하면서 서식을 보존하는 것과 다르게 느껴집니다. Google Cloud의 Document Translation 문서도 이를 분명히 밝힙니다. 스캔한 PDF는 네이티브 PDF보다 서식이 더 많이 손실되는 경향이 있으며, 특히 밀도 높은 표, 다단 페이지, 레이블이 붙은 차트에서 그렇습니다. OCR은 문자열을 복원하지만, 픽셀에서 깔끔한 디자인을 다시 구성하는 것은 두 번째이자 더 어려운 작업입니다.
이 가이드는 그 교차점, 즉 파일을 분류하고, 스캔을 준비하고, 레이아웃 기대치를 솔직하게 설정하고, 실용적인 OCR→번역 워크플로우를 실행하는 방법을 다룹니다. 또 하나의 방법 비교 글이 아니며(2026년에 스캔한 PDF를 번역하는 방법에서 확인할 수 있습니다), 도구 대결 글도 아닙니다(제품을 골라야 할 때는 스캔한 PDF를 위한 최고의 OCR 도구나 최고의 스캔 PDF 번역기를 참고하세요).
이미지 전용, 네이티브, 혼합 PDF를 구별하는 방법
무엇이든 업로드하기 전에 이 작업을 먼저 하세요. 잘못된 파이프라인(네이티브 파일에 OCR을 돌리거나, 스캔본에 텍스트 전용 파싱을 적용하는 것)은 시간을 낭비하고 오류를 끌어들입니다.
| 유형 | PDF 뷰어에서의 간단한 확인 방법 | 할 일 |
|---|---|---|
| 네이티브(디지털 생성) | 실제 단어를 선택하고 복사할 수 있으며 검색으로 문구가 찾아집니다 | 텍스트 레이어 파싱을 우선하세요. 전체 페이지 OCR을 강제로 적용하지 마세요. 정확한 텍스트를 추측으로 바꾸게 됩니다 |
| 이미지 전용 / 스캔본 | 선택하면 페이지 전체가 하나의 이미지로 강조됩니다(또는 아무것도 선택되지 않습니다). 검색해도 쓸 만한 결과가 없습니다 | OCR을 계획하세요. 레이아웃 품질은 스캔 품질을 따라갑니다 |
| 검색 가능한 스캔본 | 페이지가 사진처럼 보이지만 검색과 복사가 가끔 됩니다 | 이미지 아래에 보이지 않는 OCR 텍스트가 이미 있을 수 있습니다. 몇 페이지만 테스트해 보세요. 숨은 레이어가 깨졌거나 불완전하면 믿지 말고 다시 OCR을 하세요 |
| 혼합 | 일부 페이지는 선택 가능하고 일부는 이미지 전용입니다(패킷 스캔에 디지털 표지가 붙은 경우 흔함) | 페이지별로 경로를 정하세요. “전부 네이티브” 또는 “전부 스캔”을 가정하는 도구는 번역을 덜 하거나 OCR을 과하게 합니다 |
실용적인 확인 방법(특별한 소프트웨어가 필요하지 않습니다):
- 1페이지, 중간 페이지, 마지막 페이지를 엽니다. 각 페이지에서 문장 하나를 선택해 보세요.
- 화면에 보이는 고유한 단어로 찾기를 실행합니다. 결과가 없으면 스캔본으로(또는 텍스트 레이어가 깨진 것으로) 간주하세요.
- 200%로 확대합니다. 글자가 부드럽고 픽셀이 보이면 보통 종이를 찍은 사진이고, 벡터가 선명하면 보통 네이티브입니다.
- 하이브리드 함정을 주의하세요. 디지털 표지에 스캔 본문이 붙은 경우, 또는 네이티브 보고서에 사진으로 찍은 부록 하나가 붙은 경우입니다. 첫 페이지만 보고 판단하지 말고 섹션별로 분류하세요.
Word / Google Docs / InDesign 원본이 아직 있다면 그 원본을 번역하고 새 PDF로 내보내세요. 평탄화된 스캔본에 OCR을 하는 것은 대체 수단이며, 레이아웃이 중요한 작업에서 이상적인 경로는 아닙니다.
OCR 전 스캔 품질 점검 목록
OCR 정확도와 레이아웃 유지 여부는 같은 입력값에 달려 있습니다. 업체 가이드(예: RWS Language Weaver의 PDF 처리 노트, Pairaphrase의 OCR 준비 자료)도 같은 최소 기준으로 수렴합니다.
| 항목 | 목표 | 중요한 이유 |
|---|---|---|
| 해상도 | 본문 텍스트는 300 DPI 이상, 아주 작은 각주나 밀도 높은 표는 최대 ~600 DPI | ~150–200 DPI 아래에서는 전형적인 혼동(rn→m, 0→O)이 늘어납니다. DPI가 높으면 작은 글자에 도움이 되지만, 일정 수준을 넘으면 대부분 파일 크기만 늘어납니다 |
| 기울어짐 / 방향 | 페이지가 똑바르고 반듯하며, 세로 또는 가로 방향이 일관됨 | 기울어진 휴대폰 사진과 뒤섞인 회전은 줄 탐지와 읽기 순서를 흐트러뜨립니다. 일부 API는 회전 보정을 제공하지만, 원본 단계에서 고치는 편이 여전히 낫습니다 |
| 대비 | 깨끗하고 밝은 배경에 어두운 텍스트, 검정이 뭉갠 흑백이나 바랜 회색은 피함 | 대비가 너무 높거나 너무 낮으면 가는 획이 덩어리나 잔상으로 변합니다. 흐린 잉크에는 공격적인 이진화보다 그레이스케일이 종종 더 낫습니다 |
| 방해물 | 본문 텍스트 위에 도장, 짙은 워터마크, 접힌 자국, 비침, 손글씨가 없어야 함 | 글자 모양을 가리는 것은 무엇이든 OCR이 만들어 내거나 건너뛰는 “텍스트”가 됩니다 |
| 레이아웃 일관성 | 스캔을 통제할 수 있다면 한 파일 안의 페이지 템플릿을 비슷하게 유지 | 다단 잡지 페이지와 단순한 편지가 한 번의 OCR에 섞이면 세그멘테이션이 나빠집니다 |
| 손글씨 및 텍스트 사진 | 결과가 약할 것으로 예상 | 손글씨 메모, 화이트보드 사진, 지도는 여전히 어렵습니다. 수동 추출이나 사람 검수를 계획하세요 |
| 언어 | 가능하면 파일당 주 언어 하나, OCR 도구에 언어 힌트 설정 | 검색 공간이 제한되면 사전과 문자 모델이 더 잘 작동합니다 |
다시 스캔할 수 있다면: 평판 또는 자동 급지 스캐너로 300 DPI 이상에서 스캔하고, 부드러운 JPEG 여러 장이 아니라 PDF로 출력하고, 페이지를 반듯하게 펴고, 영역 탐지를 방해하면 검은 테두리를 제거하고, 밝기를 적당하게 유지하세요. 다시 스캔할 수 없다면: PDF/OCR 유틸리티로 기울기를 보정하고, 펀치 구멍 여백을 잘라내고, 복잡한 보고서를 흐릿하게 팩스로 받은 파일은 번역 후 정리 작업이 필요하다는 점을 받아들이세요.
“OCR + 레이아웃 유지”가 현실적으로 할 수 있는 일
기준은 마케팅 문구가 아니라 문서의 형태로 정하세요.
보통 강한 경우
- 한 단 칼럼의 편지, 단순한 블록으로 된 인보이스, 제목이 명확한 보고서를 깨끗하고 높은 DPI로 똑바르게 스캔한 경우
- 로고와 사진은 이미지로 남고 주변 캡션만 번역되는 경우
- 단순한 페이지에서 단과 여백이 대략적으로 유지되는 경우
검토가 자주 필요한 경우
- 실제 표 객체가 아니라 선으로 그린 표 — 텍스트가 늘어나면 셀 경계가 밀립니다
- 2단 또는 3단 잡지, 사이드바, 풀 인용문
- 본문 텍스트와 섞인 양식, 도장, 서명
- 길어지는 대상 언어(예: 영어 대비 많은 유럽 언어) — OCR이 완벽해도 원문 언어 기준으로 맞춘 프레임은 넘칩니다
약하거나 순수 OCR→PDF 범위를 벗어나는 경우
- 손글씨, 대비가 낮은 카본지, 기울어진 휴대폰 사진
- 레이블이 아트워크의 일부인 밀도 높은 차트
- 픽셀 단위까지 완벽해야 하는 인쇄용 브로슈어 — 편집 가능한 원본을 선호하세요
솔직한 점검: OCR이 주는 것은 단어와 상자입니다. OCR 후의 “레이아웃 유지”는 도구가 번역된 문자열을 그 영역에 배치한다는(또는 비슷한 페이지를 다시 만든다) 뜻입니다. 스캔본과 똑같은 쌍둥이를 보장한다는 뜻은 아닙니다. 단순한 텍스트 덤프만이 아니라 미리 볼 수 있는 재구성된 PDF를 돌려주는 도구를 선호하세요. 구매 체크리스트에서 “서식 유지”가 무엇을 의미해야 하는지(표, 글꼴, 이미지, 페이지 레이아웃)는 함께 보는 가이드 PDF 번역 및 레이아웃 유지를 참고하세요. 파일이 이미 네이티브 PDF(선택 가능한 텍스트)라면 스캔 OCR 경로 대신 OpenL의 PDF 번역기로 레이아웃 유지 번역을 사용하세요.
실전 단계: 스캔한 PDF → OCR → 레이아웃 인식 번역
- 파일을 분류하세요 — 위의 테스트를 사용합니다. 진짜 네이티브 페이지에서는 OCR을 건너뜁니다.
- 스캔을 준비하세요 — 점검 목록(DPI, 기울기, 대비, 방해물)을 사용합니다. 파일이 ~200 DPI 미만이고 종이가 아직 있다면 다시 스캔하세요.
- 경로를 선택하세요
- 올인원 OCR + 번역 — 스캔이 깨끗하고 레이아웃 요구가 보통 수준일 때(고객 공유, 내부 검토) 한 번 업로드합니다.
- OCR 우선, 그다음 번역 — 용어나 법적 문구가 중요할 때: 검색과 편집이 가능한 중간 파일을 만들고, OCR 오류(이름, 숫자, 표 셀)를 고친 뒤 번역합니다.
- 언어와 문자 힌트 설정 — OCR 또는 문서 도구에서 설정합니다. 언어 팩이 틀리면 CJK, 아랍어, 키릴 문자, 혼합 문자 페이지가 조용히 나빠집니다.
- 레이아웃 재구성을 염두에 두고 번역하세요 — 채팅식 문단만이 아니라 구조가 있는 PDF(또는 DOCX)를 출력하는 문서 파이프라인을 고르세요.
- 어려운 페이지부터 표본 점검하세요 — 모든 표, 모든 다단 면, 머리글과 바닥글, 도장이나 그림이 있는 페이지를 확인합니다.
- PDF가 막다른 길이면 에스컬레이션하세요 — 레이아웃이 핵심인 경우(인쇄, 규제 제출) 편집 가능한 원본을 요청하세요.
깨끗한 스캔본에 OCR을 적용하고 한곳에서 레이아웃 미리보기까지 원할 때의 가벼운 제품 경로: doc.openl.io의 OpenL 스캔 문서 번역기입니다. 표본으로 적합성을 판단해 보세요. 전체 문서 실행은 연산량이 많아 유료입니다. iOS Doc Translator 앱은 데스크톱을 벗어나 있을 때 기기 내 문서 및 OCR 중심 흐름을 다룹니다.
결제 전에 미리 보기
OCR + 레이아웃 품질을 보기 전에 스캔 패킷 전체에 비용을 지불하면 쓸 수 없는 파일을 떠안게 됩니다.
- 파일이 실제로 스캔본인지(또는 어느 페이지가 그런지) 확인합니다.
- 대표 표본을 업로드하세요 — 쉬운 페이지 하나와 어려운 페이지 하나(표 또는 2단)를 포함합니다.
- 단어 수 견적만이 아니라 레이아웃을 보여주는 무료 또는 제한 미리보기를 선호하세요. doc.openl.io/translate/scanned-document에서는 전체 파일을 결제하기 전에 매일 무료 미리보기를 검토할 수 있습니다.
- OCR 징후를 확인하세요: 깨진 이름, 합쳐진 단, 표에서 뒤바뀐 숫자, 빠진 사이드바.
- 그다음에야 전체 문서를 결제하고, 외부에 공유하기 전에 첫 페이지와 마지막 페이지, 모든 표를 여전히 검토하세요.
Sources
- Translate documents — Google Cloud Translation — 스캔한 PDF가 네이티브 PDF보다 서식을 더 많이 손실한다는 공식 설명, 네이티브와 스캔 콘텐츠가 섞였을 때의 주의사항, 스캔한 PDF 번역 시 방향 고려 사항
- PDF processing guidelines — RWS Language Weaver — 최소 300 dpi, 기울기와 대비, 손글씨 한계, MT 전 레이아웃 일관성
- How to Extract Text From Scanned PDFs Reliably — OCRByte — 네이티브 텍스트 대체 경로, 기울기 보정, 대비, 언어 힌트, 레이아웃 인식 OCR 점검 목록
- Highest quality scanned document translation with OCR — Pairaphrase — 방해물 제거와 300–600 DPI 재스캔 지침
- Detect Scanned PDF Document — UniDoc — 스캔 PDF와 텍스트 PDF를 구별하는 휴리스틱과 검색 가능한 스캔의 경계 사례
- Scanned Document Translator — OpenL Doc — 깨끗한 스캔용 OCR, 레이아웃 지향 출력, 결제 전 무료 미리보기
