วิธีแปล PDF ที่สแกนด้วย OCR (และรักษาเลย์เอาต์ไว้)

OpenL Team Oct 21, 2026
วิธีแปล PDF ที่สแกนด้วย OCR (และรักษาเลย์เอาต์ไว้)

TABLE OF CONTENTS

การแปล PDF ที่สแกนไม่ใช่งานเดียว — ต้องทำ OCR ก่อน แล้วจึงสร้างเลย์เอาต์ขึ้นใหม่ ถ้าสแกนมาไม่ดี ไม่มีตัวแปลใดกู้หน้าเอกสารนั้นได้

ทำไม PDF ที่สแกนจึงพังเส้นทาง “รักษาเลย์เอาต์” แบบปกติ

PDF ที่เกิดมาเป็นดิจิทัลเก็บข้อความที่เลือกได้และ (บ่อยครั้ง) โครงสร้างไว้แล้ว ส่วน PDF ที่สแกน กลับเป็นภาพถ่ายของหน้าเอกสารเป็นส่วนใหญ่ ก่อนที่ตัวแปลใดจะย้ายคำไปยังอีกภาษาหนึ่ง เครื่องยนต์ OCR ต้อง เดา คำเหล่านั้นจากพิกเซล แล้วยังต้องมีอีกขั้นตอนหนึ่งที่นำคำแปลกลับไปวางในคอลัมน์ ตาราง และขอบกระดาษ

ห่วงโซ่สองขั้นตอนนี้เองที่ทำให้ “OCR + รักษาเลย์เอาต์” รู้สึกต่างจาก การแปล PDF เนทีฟและคงรูปแบบเดิมไว้ คู่มือ Document Translation ของ Google Cloud ระบุตรง ๆ ว่า PDF ที่สแกนมีแนวโน้มสูญเสียรูปแบบมากกว่าไฟล์เนทีฟ โดยเฉพาะกับตารางที่ซับซ้อน หน้าหลายคอลัมน์ และแผนภูมิที่มีป้ายกำกับ OCR กู้คืนข้อความกลับมาได้ แต่การสร้างงานออกแบบที่เรียบร้อยขึ้นใหม่จากพิกเซลเป็นงานที่สองซึ่งยากกว่า

คู่มือนี้คือ จุดตัด — วิธีจำแนกไฟล์ของคุณ เตรียมไฟล์สแกน ตั้งความคาดหวังเรื่องเลย์เอาต์อย่างซื่อตรง และเดินเวิร์กโฟลว์ OCR→แปลที่ใช้ได้จริง — ไม่ใช่การสรุปวิธีแปลทั้งหมดอีกครั้ง (ดู วิธีแปล PDF ที่สแกนในปี 2026 สำหรับเรื่องนั้น) และไม่ใช่การแข่งขันเครื่องมือ (ดู เครื่องมือ OCR ที่ดีที่สุดสำหรับ PDF ที่สแกน หรือ ตัวแปล PDF ที่สแกนที่ดีที่สุด เมื่อคุณต้องการตัวเลือกผลิตภัณฑ์)

วิธีแยกแยะแบบภาพล้วน แบบเนทีฟ และแบบผสม

ทำสิ่งนี้ก่อนอัปโหลดอะไรทั้งสิ้น ไปป์ไลน์ที่ผิด (ทำ OCR กับไฟล์เนทีฟ หรือแยกข้อความล้วนจากไฟล์สแกน) จะเสียเวลาและเพิ่มข้อผิดพลาดเข้าไป

ประเภท การทดสอบเร็ว ๆ ในโปรแกรมอ่าน PDF สิ่งที่ควรทำ
เนทีฟ (เกิดมาเป็นดิจิทัล) เลือกข้อความและคัดลอกคำจริงได้ ค้นหาคำแล้วเจอ ใช้การแยกวิเคราะห์จากเลเยอร์ข้อความเป็นหลัก อย่า บังคับทำ OCR ทั้งหน้า — คุณจะแทนที่ข้อความที่แม่นยำด้วยการเดา
ภาพล้วน / สแกน การเลือกจะไฮไลต์ทั้งหน้าเป็นภาพเดียว (หรือไม่เลือกอะไรเลย) การค้นหาไม่เจออะไรที่มีประโยชน์ วางแผนทำ OCR คุณภาพเลย์เอาต์จะแปรตามคุณภาพการสแกน
สแกนที่ค้นหาได้ หน้าเอกสาร ดู เหมือนภาพถ่าย แต่การค้นหาหรือคัดลอกบางครั้งก็ใช้ได้ อาจมีข้อความ OCR ที่มองไม่เห็นซ่อนอยู่ใต้ภาพแล้ว ลองทดสอบสักสองสามหน้า — ถ้าเลเยอร์ที่ซ่อนอยู่เพี้ยนหรือไม่ครบ ให้ทำ OCR ใหม่แทนที่จะเชื่อมัน
ผสม บางหน้าเลือกข้อความได้ บางหน้าเป็นภาพล้วน (พบได้บ่อยในชุดเอกสารที่สแกนรวมกับปกดิจิทัล) แยกเส้นทางตามแต่ละหน้า เครื่องมือที่ถือว่า “เนทีฟทั้งหมด” หรือ “สแกนทั้งหมด” จะแปลขาดหรือทำ OCR เกินความจำเป็น

การตรวจสอบเชิงปฏิบัติ (ไม่ต้องใช้ซอฟต์แวร์พิเศษ):

  1. เปิดหน้าแรก หน้ากลาง และหน้าสุดท้าย ลองเลือกข้อความหนึ่งประโยคในแต่ละหน้า
  2. ใช้ฟังก์ชันค้นหาคำที่ไม่ซ้ำซึ่งคุณมองเห็นบนหน้าจอ ถ้าไม่เจอเลย → ให้ถือว่าเป็นงานสแกน (หรือเลเยอร์ข้อความเสีย)
  3. ซูมไปที่ 200% ตัวอักษรที่นุ่มและแตกเป็นพิกเซลมักหมายถึงภาพถ่ายกระดาษ ส่วนเวกเตอร์ที่คมชัดมักหมายถึงไฟล์เนทีฟ
  4. ระวังกับดักแบบผสม: ปกดิจิทัล + เนื้อหาที่สแกน หรือรายงานเนทีฟที่มีภาคผนวกหนึ่งหน้าเป็นภาพถ่าย ให้จำแนก เป็นรายส่วน ไม่ใช่ดูจากหน้าแรกเพียงหน้าเดียว

ถ้าคุณยังมีต้นฉบับ Word / Google Docs / InDesign อยู่ ให้แปลไฟล์นั้นแล้วส่งออกเป็น PDF ใหม่ การทำ OCR บนไฟล์สแกนที่แบนราบเป็นทางเลือกสำรอง — ไม่ใช่เส้นทางที่เหมาะกับงานที่เลย์เอาต์สำคัญ

เช็กลิสต์คุณภาพการสแกนก่อนทำ OCR

ความแม่นยำของ OCR และการที่เลย์เอาต์จะรอดพ้น ใช้ปัจจัยนำเข้าเดียวกัน คำแนะนำจากผู้ให้บริการ (เช่น บันทึกการประมวลผล PDF ของ RWS Language Weaver และการเตรียมไฟล์สำหรับ OCR ของ Pairaphrase) ชี้ไปที่เกณฑ์ขั้นต่ำเดียวกัน:

ปัจจัย เป้าหมาย เหตุผลที่สำคัญ
ความละเอียด ≥ 300 DPI สำหรับเนื้อหาหลัก สูงถึง ~600 DPI สำหรับเชิงอรรถตัวเล็กหรือตารางทึบ ต่ำกว่า ~150–200 DPI ความสับสนแบบคลาสสิกจะเพิ่มขึ้น (rn→m, 0→O) DPI ที่สูงขึ้นช่วยเรื่องตัวอักษรเล็ก แต่เกินจุดหนึ่งมักเพิ่มขนาดไฟล์เป็นหลัก
ความเอียง / การวางแนว หน้าเอกสารตั้งตรงและได้ฉาก สม่ำเสมอทั้งแนวตั้งหรือแนวนอน ภาพถ่ายจากมือถือที่เอียงและการหมุนที่ปนกันทำให้การตรวจจับเส้นและการเรียงลำดับการอ่านสับสน บาง API มีการแก้ไขการหมุนให้ — แต่การแก้ที่ต้นทางยังดีกว่า
คอนทราสต์ ตัวอักษรเข้มบนพื้นหลังสว่างที่สะอาด หลีกเลี่ยงขาวดำที่รายละเอียดถูกบีบหรือสีเทาที่จางเกินไป คอนทราสต์สูงหรือต่ำเกินไปทำให้เส้นบางกลายเป็นก้อนทึบหรือเป็นเงาจาง โทนเทามักให้ผลดีกว่าการทำไบนารีแบบดุดันกับหมึกที่จาง
สิ่งกีดขวาง ไม่มีตราประทับ ลายน้ำหนา รอยพับ รอยทะลุจากด้านหลัง หรือลายมือทับเนื้อหาหลัก สิ่งใดก็ตามที่ทับตัวอักษรจะกลายเป็น “ข้อความ” ที่ OCR แต่งขึ้นหรือข้ามไป
ความสม่ำเสมอของเลย์เอาต์ หน้าเอกสารมีเทมเพลตคล้ายกันในไฟล์เดียว เมื่อคุณควบคุมการสแกนได้ การผสมหน้านิตยสารหลายคอลัมน์เข้ากับจดหมายเรียบง่ายในการทำ OCR รอบเดียวทำให้การแบ่งส่วนเสียหาย
ลายมือและภาพถ่ายข้อความ คาดหวังผลลัพธ์ที่อ่อน โน้ตลายมือ ภาพไวต์บอร์ด และแผนที่ยังคงยาก ให้วางแผนดึงข้อมูลด้วยมือหรือให้มนุษย์ตรวจทาน
ภาษา ภาษาหลักภาษาเดียวต่อไฟล์เมื่อทำได้ ตั้งค่าคำใบ้ภาษาในเครื่องมือ OCR พจนานุกรมและแบบจำลองอักษรทำงานได้ดีขึ้นเมื่อจำกัดขอบเขตการค้นหา

หากสแกนใหม่ได้: ใช้เครื่องสแกนแบบแท่นเรียบหรือแบบป้อนกระดาษที่ 300 DPI ขึ้นไป ส่งออกเป็น PDF (ไม่ใช่กองไฟล์ JPEG ที่นุ่มนวล) จัดหน้าให้ตรง ลบขอบดำออกหากมันรบกวนการตรวจจับพื้นที่ และรักษาความสว่างให้ปานกลาง หากสแกนใหม่ไม่ได้: ทำ deskew ด้วยยูทิลิตี้ PDF/OCR ครอปขอบรูเจาะออก และยอมรับว่าภาพแฟกซ์ที่เบลอของรายงานซับซ้อนต้องมีการเก็บกวาดอีกรอบหลังการแปล

“OCR + รักษาเลย์เอาต์” ทำอะไรได้จริงบ้าง

ตั้งมาตรฐานจากรูปร่างของเอกสาร ไม่ใช่จากคำโฆษณา

มักทำได้ดี

  • ไฟล์สแกนที่สะอาด ความละเอียดสูง และตั้งตรง ของจดหมายคอลัมน์เดียว ใบแจ้งหนี้ที่มีบล็อกเรียบง่าย หรือรายงานที่มีหัวข้อชัดเจน
  • โลโก้และภาพถ่ายที่คงเป็นภาพไว้ ขณะที่คำบรรยายภาพข้าง ๆ ถูกแปล
  • การรักษาคอลัมน์และขอบกระดาษได้พอสมควรบนหน้าเอกสารง่าย ๆ

มักต้องตรวจทาน

  • ตารางที่สร้างขึ้นจากเส้นแทนที่จะเป็นออบเจ็กต์ตารางจริง — ขอบเซลล์จะเลื่อนเมื่อข้อความขยายตัว
  • นิตยสารสองหรือสามคอลัมน์ แถบด้านข้าง และคำพูดเด่นที่ดึงออกมา
  • แบบฟอร์ม ตราประทับ และลายเซ็นที่ปนกับเนื้อหาหลัก
  • ภาษาปลายทางที่ข้อความยาวขึ้น (เช่น หลายภาษายุโรปเทียบกับอังกฤษ) — กรอบที่กำหนดขนาดไว้สำหรับภาษาต้นทางจะล้นออกมาแม้ OCR จะสมบูรณ์แบบ

ทำได้อ่อนหรืออยู่นอกขอบเขตของ OCR→PDF แท้ ๆ

  • ลายมือ กระดาษคาร์บอนที่คอนทราสต์ต่ำ ภาพถ่ายจากมือถือที่เอียง
  • แผนภูมิที่มีป้ายกำกับหนาแน่นซึ่งป้ายเป็นส่วนหนึ่งของงานภาพ
  • โบรชัวร์สิ่งพิมพ์ที่ต้องเป๊ะระดับพิกเซล — แนะนำให้ใช้ต้นฉบับที่แก้ไขได้

ตรวจสอบความจริงกันหน่อย: OCR ให้ คำและกรอบ แก่คุณ “การรักษาเลย์เอาต์” หลัง OCR หมายถึงเครื่องมือวางข้อความที่แปลแล้วลงในพื้นที่เหล่านั้น (หรือสร้างหน้าคล้ายเดิมขึ้นใหม่) มัน ไม่ได้ หมายถึงสำเนาที่เหมือนต้นฉบับสแกนทุกประการ ให้เลือกเครื่องมือที่คืน PDF ที่สร้างใหม่และคุณดูตัวอย่างได้ ไม่ใช่แค่ข้อความล้วนที่เทออกมา สำหรับความหมายที่ “การรักษารูปแบบ” ควรมีในเช็กลิสต์ของผู้ซื้อ (ตาราง ฟอนต์ รูปภาพ เลย์เอาต์หน้า) โปรดดูคู่มือที่เกี่ยวข้อง: แปล PDF และรักษาเลย์เอาต์ หากไฟล์ของคุณเป็น PDF เนทีฟ อยู่แล้ว (เลือกข้อความได้) ให้ใช้ ตัวแปล PDF ของ OpenL สำหรับการแปลแบบรักษาเลย์เอาต์แทนเส้นทาง OCR สำหรับไฟล์สแกน

ขั้นตอนปฏิบัติ: PDF ที่สแกน → OCR → การแปลที่คำนึงถึงเลย์เอาต์

  1. จำแนกไฟล์ ด้วยการทดสอบข้างต้น ข้าม OCR ในหน้าที่เป็นเนทีฟจริง ๆ
  2. เตรียมไฟล์สแกน โดยใช้เช็กลิสต์ (DPI ความเอียง คอนทราสต์ สิ่งกีดขวาง) สแกนใหม่หากไฟล์ต่ำกว่า ~200 DPI และยังมีกระดาษต้นฉบับอยู่
  3. เลือกเส้นทาง
    • OCR + แปลแบบครบวงจร — อัปโหลดครั้งเดียวเมื่อไฟล์สแกนสะอาดและความต้องการด้านเลย์เอาต์อยู่ในระดับปานกลาง (การแชร์ให้ลูกค้า การตรวจทานภายใน)
    • OCR ก่อน แล้วจึงแปล — เมื่อคำศัพท์เฉพาะหรือถ้อยคำทางกฎหมายสำคัญ: สร้างไฟล์กลางที่ค้นหาและแก้ไขได้ แก้ข้อผิดพลาดจาก OCR (ชื่อ ตัวเลข เซลล์ตาราง) แล้วจึงแปล
  4. ตั้งค่าคำใบ้ภาษาและอักษร ในเครื่องมือ OCR หรือเครื่องมือเอกสาร ชุดภาษาที่ผิดจะลดคุณภาพหน้าเอกสารภาษา CJK อาหรับ ซีริลลิก และหน้าผสมอักษรอย่างเงียบ ๆ
  5. แปลโดยคำนึงถึงการสร้างเลย์เอาต์ใหม่ — เลือกไปป์ไลน์เอกสารที่ส่งออกเป็น PDF (หรือ DOCX) พร้อมโครงสร้าง ไม่ใช่แค่ย่อหน้าแบบแชท
  6. สุ่มตรวจหน้าที่ยากที่สุดก่อน — ทุกตาราง ทุกหน้าสเปรดหลายคอลัมน์ หัวและท้ายกระดาษ และทุกหน้าที่มีตราประทับหรือรูปภาพ
  7. ยกระดับเมื่อ PDF เป็นทางตัน — หากเลย์เอาต์เป็นเรื่องสำคัญที่สุด (งานพิมพ์ การยื่นเอกสารตามกฎระเบียบ) ให้ขอต้นฉบับที่แก้ไขได้

เส้นทางผลิตภัณฑ์แบบนุ่มนวลเมื่อคุณต้องการ OCR บนไฟล์สแกนที่ชัดเจนพร้อมตัวอย่างเลย์เอาต์ในที่เดียว: ตัวแปลเอกสารที่สแกนของ OpenL บน doc.openl.io ใช้ทดลองกับตัวอย่างเพื่อประเมินความเหมาะสม การแปลเอกสารทั้งฉบับเป็นบริการแบบชำระเงินเพราะใช้พลังประมวลผลสูง แอป iOS Doc Translator รองรับเวิร์กโฟลว์บนอุปกรณ์และการทำงานที่เน้น OCR เมื่อคุณไม่ได้อยู่หน้าเดสก์ท็อป

ดูตัวอย่างก่อนจ่ายเงิน

การจ่ายเงินทั้งชุดเอกสารที่สแกนก่อนได้เห็นคุณภาพ OCR + เลย์เอาต์ คือวิธีที่ผู้ซื้อติดอยู่กับไฟล์ที่ใช้ไม่ได้

  1. ยืนยันว่าไฟล์เป็นงานสแกนจริง (หรือหน้าใดบ้างที่เป็น)
  2. อัปโหลด ตัวอย่างที่เป็นตัวแทน — ให้มีหน้าหนึ่งที่ง่ายและหน้าหนึ่งที่ยาก (ตารางหรือสองคอลัมน์)
  3. เลือก ตัวอย่างฟรีหรือแบบจำกัดที่แสดงเลย์เอาต์ ไม่ใช่แค่ใบเสนอราคาตามจำนวนคำ บน doc.openl.io/translate/scanned-document คุณสามารถดูตัวอย่างฟรีรายวันก่อนตัดสินใจแปลทั้งไฟล์
  4. ตรวจสัญญาณจาก OCR: ชื่อเพี้ยน คอลัมน์ถูกรวม ตัวเลขในตารางสลับ แถบด้านข้างหายไป
  5. จากนั้นจึงจ่ายเงินสำหรับเอกสารทั้งฉบับ — และยังต้องตรวจหน้าแรกและหน้าสุดท้ายรวมถึงทุกตารางก่อนแชร์ออกภายนอก

Sources

  • Translate documents — Google Cloud Translation — บันทึกอย่างเป็นทางการว่า PDF ที่สแกนสูญเสียรูปแบบมากกว่าไฟล์เนทีฟ ข้อควรระวังเมื่อเนื้อหาเนทีฟและสแกนปนกัน และแนวทางสำหรับการแปล PDF ที่สแกน
  • PDF processing guidelines — RWS Language Weaver — ขั้นต่ำ 300 dpi ความเอียงและคอนทราสต์ ข้อจำกัดของลายมือ และความสม่ำเสมอของเลย์เอาต์ก่อนทำ MT
  • How to Extract Text From Scanned PDFs Reliably — OCRByte — ทางเลือกสำรองเมื่อมีข้อความเนทีฟ การทำ deskew คอนทราสต์ คำใบ้ภาษา และเช็กลิสต์ OCR ที่คำนึงถึงเลย์เอาต์
  • Highest quality scanned document translation with OCR — Pairaphrase — การลบสิ่งกีดขวางและคำแนะนำการสแกนใหม่ที่ 300–600 DPI
  • Detect Scanned PDF Document — UniDoc — ฮิวริสติกสำหรับแยก PDF ที่สแกนกับ PDF ที่มีข้อความ และกรณีขอบของไฟล์สแกนที่ค้นหาได้
  • Scanned Document Translator — OpenL Doc — OCR สำหรับไฟล์สแกนที่ชัดเจน ผลลัพธ์ที่เน้นเลย์เอาต์ และตัวอย่างฟรีก่อนชำระเงิน

Related Posts

ตัวแปลไฟล์ Excel ที่ดีที่สุดในปี 2026

ตัวแปลไฟล์ Excel ที่ดีที่สุดในปี 2026

เปรียบเทียบเครื่องมือแปลไฟล์ Excel สำหรับเวิร์กบุ๊กที่ต้องคงสูตร ตัวเลข และการจัดรูปแบบเอาไว้ ดูว่าเครื่องมือใดเหมาะกับไฟล์ .xlsx เต็ม การอัปโหลดฟรี หรือเซลล์ไม่กี่เซลล์ภายใน Excel

2026/11/14
วิธีแปลมังงะบนโทรศัพท์

วิธีแปลมังงะบนโทรศัพท์

แปลฟองคำพูดในหน้ามังงะที่คุณมีสิทธิ์ถือครองโดยถูกต้องตามกฎหมาย: ถ่ายภาพหน้าจอช่องให้ชัด ใช้ OCR บนโทรศัพท์ แล้วอ่านบทสนทนาโดยไม่ต้องลุกจากโซฟา

2026/11/7
แปล PDF ภาษารัสเซียเป็นอังกฤษและรักษาเลย์เอาต์ไว้

แปล PDF ภาษารัสเซียเป็นอังกฤษและรักษาเลย์เอาต์ไว้

แปล PDF รัสเซียเป็นอังกฤษโดยไม่สูญเสียตาราง คอลัมน์ หรือเลย์เอาต์หน้า: ตรวจ Cyrillic OCR บนไฟล์สแกน ดูตัวอย่างหน้าที่ยากที่สุดฟรี แล้วจ่ายเครดิตตามปริมาณ

2026/11/2