把俄語 PDF 譯成英語並保留版式
TABLE OF CONTENTS
一份俄語合約、發票或研究論文，即便譯成了通順的英語，只要表格塌掉、雙欄併成一條文字流，或半份掃描件變成亂碼，就只算做完了一半。
把俄語 PDF 譯成英語有兩個彼此獨立的失敗點。第一是能否讀出西里爾文：基於文字的 PDF 裡本來就有真實字元，但掃描版 PDF 只是頁面的圖片，必須先用針對俄語訓練的 OCR，翻譯才能開始。第二是把英語放回原位：英語通常佔用的空間與俄語不同，所以表格、分欄、頁首和印章，正是粗心工具弄壞版面的地方。
本指南涵蓋這兩點。先判斷你拿到的是哪種 PDF，確認西里爾文辨識正確，用具備版式意識的工具翻譯，並在為整份檔案付費前，先檢查最容易壞的頁面。
步驟 1：判斷俄語 PDF 是文字版還是掃描版
打開 PDF，試著用游標選中一個俄語單字，再複製貼上到文字編輯器裡。
| 發生了什麼 | 意味著什麼 | 該怎麼做 |
|---|---|---|
單字反白，並貼上成可讀的西里爾文（例如 Договор） | 基於文字的 PDF | 直接翻譯；不需要 OCR |
| 什麼都選不中，或整頁被當成一張圖選中 | 掃描／圖片 PDF | 需要支援俄語的 OCR |
貼上成 Äîãîâîð 這類亂碼，或空方框 | 文字層字型編碼損壞 | 當作掃描件處理，讓 OCR 重新讀頁 |
第三種情況常讓人措手不及。較舊的俄語 PDF 往往使用遺留編碼或自訂字型，所以螢幕上看起來正常，底層字元卻是錯的。無論翻譯器多好，對那一層做機器翻譯都會得到一堆胡話。
步驟 2：確認西里爾文 OCR 讀得對
如果檔案是掃描件，OCR 品質決定後續一切。錯一個字母就會變成錯一個詞，而英語輸出還會自信地錯下去。
先檢查掃描品質。 若能重新掃描，盡量用 300 DPI，擺正歪斜頁面，並避免斜角拍的手機照片。淡複印件和頁邊手寫批註，是俄語 OCR 最容易翻車的地方。
留意拉丁文–西里爾文形近字。 俄語有些字形與拉丁字母相像：А В Е К М Н О Р С Т Х，以及小寫 а е о р с у х。未設為俄語的 OCR 可能在同一個詞裡混用兩套字母。肉眼看著還行，對翻譯器卻成了未知詞。像 Tesseract 這類引擎會單獨提供俄語訓練模型（rus），正是為了這個原因。
抽查容易混淆的字母。 在一頁密文上，留意 ш/щ、ь/ъ/ы、и/й 和 е/ё。再檢查數字：金額、日期（12.03.2024）和文件編號上的 OCR 錯誤，往往最貴。
若想更有系統地了解純圖片檔案的 OCR，請看如何用 OCR 翻譯掃描版 PDF 並保留版式。
步驟 3：用具備版式意識的 PDF 翻譯器來譯
複製貼上進聊天框或網頁翻譯器，只會得到英語正文，文件本身全沒了。要保留版式，應使用能在每一頁原位重寫文字的工具。
- 上傳原始 PDF。 用來源檔，不要用截圖或重新另存的列印件。OpenL Doc Translator for PDF 接受基於文字和掃描版 PDF，上限 80 MB，會對圖片文字跑 OCR，並設計為保留表格、圖片、字型與頁面版式。
- 把語言設為 Russian → English。 明確指定來源語言，而不是依賴自動偵測，有助於處理同時含英語品牌名或拉丁縮寫的混排頁。
- 產生免費預覽。 OpenL 會給出保留格式的譯文免費預覽，讓你在付費前先判斷效果。
步驟 4：檢查最容易壞的頁面
不要只看封面頁來判斷預覽。打開最難做對的那些頁：
| 頁面元素 | 檢查什麼 | 常見的俄語 → 英語問題 |
|---|---|---|
| 表格 | 表頭仍在正確欄上方；數字在正確儲存格裡 | 冗長的俄語複合表頭變成短英語（或反過來），儲存格重排 |
| 雙欄版式 | 閱讀順序仍是左欄 → 右欄 | 分欄被逐行併成一段 |
| 數字與日期 | 1 234,56 和 12.03.2024 的慣例處理一致 | 小數逗號或日在前的日期被悄悄改掉，或留下歧義 |
| 印章、鋼印、簽名 | 仍在頁面原位 | 圖片被推到頁末或遺失 |
| 縮寫 | ООО、ИНН、г.、руб. 處理合理 | 仍留西里爾文，或錯誤展開 |
| 字型 | 英語文字乾淨顯示，沒有方框 | 原字型只涵蓋西里爾文時發生字型替換 |
文字長度會變。W3C 關於翻譯中文字大小的說明解釋了為何短標籤變化最大。那通常意味著表格儲存格更緊或更鬆，而不是結構壞了。關於還該檢查什麼，見文件翻譯中表格會發生什麼。
步驟 5：按量付費並下載
預覽看起來沒問題後，再下載完整檔案。OpenL Doc Translator 對完整翻譯按文件量計積分收費。沒有無限次完整文件下載的免費試用。免費預覽就是你在花任何錢之前測試檔案的方式。
下載後，再做最後一輪檢查：
- 在英語 PDF 裡搜尋殘留的西里爾文。未譯的短片段通常來自圖片內文字或不尋常字型。
- 把每張表格的合計與日期，對照俄語原文核對。
- 檢查姓名。俄語人名有多種常見羅馬化寫法（
Юрий→ Yuri / Yury / Iurii），請與護照或既往文件中的拼寫保持一致。
合約、法庭文件、病歷和簽證材料仍需要合格的人工譯者，往往還要認證譯者。保留版式的機器翻譯是很好的初稿，也是快速理解文件的方式。它不能代替認證。
快速決策指南
| 你的俄語 PDF 是… | 最佳做法 |
|---|---|
| 基於文字的報告或手冊 | 直接上傳；預覽表格最密的那一頁 |
| 掃描版合約或證書 | 盡量以 300 DPI 重新掃描；在預覽中核對數字與姓名的 OCR |
| 雙欄學術論文 | 下載前預覽帶分欄和腳註的一頁 |
| 貼上成亂碼的舊 PDF | 當作掃描件處理，讓文字被重新辨識 |
如果你對這門語言本身還不熟，我們的俄語語言指南講解了西里爾字母表，以及為什麼有些字母會同時絆倒人和機器。
準備好後，把你最擔心的那一頁上傳到 OpenL Doc Translator，檢查免費預覽。如果表格和分欄仍像原件，文件其餘部分通常也會跟上。
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
