如何用 OCR 翻譯掃描 PDF（並保留版面）
加入 Chrome 
TABLE OF CONTENTS
翻譯掃描 PDF 不是單一工作——而是先做 OCR，再重建版面。掃描這一步沒處理好，再厲害的翻譯工具也救不回那一頁。
為什麼掃描 PDF 會讓慣用的「保留版面」流程失靈
原生數位 PDF 本身就儲存了可選取的文字，（通常）也帶有結構。掃描 PDF 則大多是一頁頁的照片。在任何翻譯工具能把文字換成另一種語言之前，OCR 引擎必須先從像素中猜出這些字，接著還得靠另一套機制把譯文放回欄位、表格與邊界之中。
正是這道兩段式流程，讓「OCR + 保留版面」感覺起來和翻譯原生 PDF 並保留格式截然不同。Google Cloud 的文件翻譯說明講得很直白：掃描 PDF 通常比原生 PDF 流失更多格式，尤其是密集表格、多欄頁面與帶標籤的圖表。OCR 能把字串救回來；但要從像素重建出精緻的設計，是另一件更難的工作。
本文鎖定的是兩者的交集——如何判斷檔案類型、如何整理掃描品質、如何設定務實的版面期待，以及如何跑一套實用的 OCR→翻譯流程——而不是再寫一篇方法總覽（那部分請看2026 年如何翻譯掃描 PDF），也不是工具大評比（需要挑產品時，請看掃描 PDF 最佳 OCR 工具或掃描 PDF 最佳翻譯工具）。
如何分辨純圖片、原生與混合型 PDF
請在上傳任何檔案之前先做這件事。用錯流程（對原生檔跑 OCR，或對掃描檔只做純文字解析）不只浪費時間，還會製造錯誤。
| 類型 | 在 PDF 檢視器中的快速測試 | 該怎麼做 |
|---|---|---|
| 原生（數位原生） | 你可以反白並複製真正的文字；搜尋找得到詞句 | 優先採用文字層解析。不要強制整頁 OCR——那等於用猜測取代精確文字 |
| 純圖片／掃描 | 反白時整頁被當成一張圖片（或完全選不到）；搜尋找不到有用內容 | 準備走 OCR。版面品質會跟著掃描品質走 |
| 可搜尋掃描 | 頁面看起來像照片，但搜尋／複製偶爾可用 | 圖片底下可能已經藏有不可見的 OCR 文字。挑幾頁測試——若隱藏層內容錯亂或不完整，請重新 OCR，不要直接採信 |
| 混合型 | 部分頁面可選取，部分只有圖片（常見於整包掃描加數位封面） | 逐頁分流。假設「全部原生」或「全部掃描」的工具，會導致漏譯或過度 OCR |
實用檢查（不需要特殊軟體）：
- 打開第 1 頁、中間頁與最後一頁，分別試著反白其中一句。
- 用「尋找」搜尋畫面上看得到的一個特殊詞。完全找不到 → 就當它是掃描檔（或文字層已損壞）。
- 放大到 200%。字母邊緣模糊、有像素顆粒，通常代表這是紙張的照片；線條銳利清晰，通常代表原生檔。
- 留意混合型陷阱：數位封面加掃描內文，或原生報告中夾了一頁翻拍附錄。要逐段判斷，不能只看第一頁。
若你手上還有 Word／Google Docs／InDesign 原始檔，請直接翻譯那份原始檔，再匯出新的 PDF。對已平面化的掃描檔做 OCR 只是備案——對版面至關重要的案子來說，並不是理想做法。
OCR 前的掃描品質檢查清單
OCR 準確度與版面存活率靠的是同一組輸入條件。各家廠商的建議（例如 RWS Language Weaver 的 PDF 處理說明、Pairaphrase 的 OCR 前置作業）最終都指向同樣的門檻：
| 因素 | 目標值 | 為什麼重要 |
|---|---|---|
| 解析度 | 內文文字 ≥ 300 DPI；極小註腳或密集表格可到約 600 DPI | 低於約 150–200 DPI 時，典型誤判會增加（rn→m、0→O）。提高 DPI 有助於小字；但超過某個程度後，多半只是讓檔案變大 |
| 歪斜／方向 | 頁面直立且方正；統一為直式或橫式 | 歪斜的手機翻拍與方向不一致的頁面，會打亂行偵測與閱讀順序。部分 API 提供旋轉校正——但從上游先修好還是比較好 |
| 對比 | 乾淨淺色背景上的深色文字；避免死黑死白的黑白處理或灰濛濛的灰階 | 對比過高或過低，都會讓細筆畫糊成色塊或鬼影。對於淡墨，灰階通常比激進的二值化處理更好 |
| 遮擋物 | 內文上沒有印章、明顯浮水印、摺痕、背面透印或手寫字跡 | 任何覆蓋在字形上的東西，都會被 OCR 當成「文字」而捏造出來，或被直接跳過 |
| 版面一致性 | 在能控制掃描方式時，讓同一份檔案內的頁面範本盡量相似 | 把多欄雜誌頁和簡單信件混在同一次 OCR 處理，會損害版面切分 |
| 手寫字與文字翻拍 | 預期結果會偏弱 | 手寫筆記、白板翻拍與地圖仍然很難處理；請規劃人工擷取或人工校對 |
| 語言 | 盡可能一份檔案只用一種主要語言；在 OCR 工具中設定語言提示 | 當搜尋範圍被限縮時，字典與字集模型的表現會更好 |
若能重新掃描： 用平台式或饋紙式掃描器，設定 300 DPI 以上，輸出 PDF（而不是一堆模糊的 JPEG），把頁面擺正，若黑邊會干擾區域偵測就裁掉，並讓亮度保持適中。若無法重新掃描： 用 PDF／OCR 工具做歪斜校正、裁掉打孔邊界，並接受複雜報告的模糊傳真件在翻譯後仍需一輪清理。
「OCR + 保留版面」實際上能做到什麼
請依文件的長相來設定標準，而不是依行銷文案。
通常表現良好
- 單欄信件、區塊簡單的發票，或標題清楚的報告，其乾淨、高 DPI、擺正的掃描檔
- 標誌與照片維持為圖片，而鄰近的圖說被翻譯
- 簡單頁面上，欄位與邊界大致能保住
通常需要人工檢查
- 用線條而非真正表格物件構成的表格——文字膨脹後，儲存格邊界會偏移
- 兩欄或三欄的雜誌頁；側欄；引言放大字
- 表單、印章與簽名混在內文之中
- 譯入後會變長的目標語言（例如許多歐洲語言相對英文）——即使 OCR 完美，為原文語言設計的圖文框還是會溢出
表現偏弱，或超出純 OCR→PDF 的範圍
- 手寫字、對比過低的複寫紙、歪斜的手機翻拍
- 標籤本身就是圖案一部分的密集標示圖表
- 要求像素級精準的印刷型錄——請改用可編輯的原始檔
誠實提醒：OCR 給你的是詞語與框線。OCR 之後的「保留版面」，指的是工具把譯文字串放進那些區域（或重建出相似的頁面），並不代表保證與掃描檔長得一模一樣。請優先選擇會回傳可預覽的重建 PDF 的工具，而不是只吐出一堆純文字。若要了解買家檢查清單中「保留格式」該包含什麼（表格、字型、圖片、頁面版面），請參考這篇搭配文章：翻譯 PDF 並保留版面。如果你的檔案本來就是原生 PDF（文字可選取），請改用 OpenL 的 PDF 翻譯工具 做保留版面的翻譯，而不是走掃描 OCR 這條路。
實作步驟：掃描 PDF → OCR → 兼顧版面的翻譯
- 判斷檔案類型，用上面的測試。真正原生的頁面就跳過 OCR。
- 整理掃描檔，照著檢查清單處理（DPI、歪斜、對比、遮擋物）。若檔案低於約 200 DPI 且紙本還在，請重新掃描。
- 選擇流程
- OCR 加翻譯一次完成——掃描乾淨、版面需求中等時（對外分享給客戶、內部審閱），一次上傳即可。
- 先 OCR 再翻譯——當術語或法律用語很重要時：先產出可搜尋／可編輯的中間檔，修正 OCR 錯誤（人名、數字、表格儲存格），再進行翻譯。
- 設定語言與字集提示在 OCR 或文件工具中。語言包設錯，會悄悄拖垮 CJK、阿拉伯文、西里爾文與混用字集的頁面。
- 以重建版面為前提進行翻譯——選擇能輸出帶結構的 PDF（或 DOCX）的文件流程，而不是只有聊天式段落。
- 先抽查難處理的頁面——每一個表格、每一個多欄跨頁、頁首／頁尾，以及任何有印章或圖表的頁面。
- PDF 走不通時就往上求救——若版面攸關重大（印刷、法規申報），請索取可編輯的原始檔。
當你希望在乾淨掃描上跑 OCR，同時在同一個地方預覽版面，這是一條順手的產品路線：OpenL 的掃描文件翻譯工具，位於 doc.openl.io。可以用它在一份樣本上判斷是否合用；整份文件的處理需要付費，因為運算量很大。iOS Doc Translator app 則讓你在離開桌機時，也能處理裝置端的文件與 OCR 相關流程。
付費前先預覽
在還沒看過 OCR 與版面品質之前就為整包掃描檔付費，正是買家最後卡在一堆不能用檔案裡的原因。
- 先確認這個檔案真的是掃描檔（或哪些頁面是）。
- 上傳具代表性的樣本——包含一頁簡單的與一頁困難的（表格或雙欄）。
- 優先選擇能看到版面的免費或有限預覽，而不是只給字數報價。在 doc.openl.io/translate/scanned-document 上，你可以在決定處理整份檔案前，先檢視每日免費預覽。
- 檢查 OCR 的破綻：人名錯亂、欄位被合併、表格中的數字顛倒、側欄遺失。
- 到這個時候才為整份文件付費——而且對外分享前，仍要檢查首頁／末頁以及每一個表格。
Sources
- Translate documents — Google Cloud Translation — 官方說明指出掃描 PDF 比原生 PDF 流失更多格式；原生與掃描內容混用的注意事項；掃描 PDF 翻譯的方向處理
- PDF processing guidelines — RWS Language Weaver — 最低 300 dpi、歪斜／對比、手寫限制，以及 MT 前的版面一致性
- How to Extract Text From Scanned PDFs Reliably — OCRByte — 原生文字的備援、歪斜校正、對比、語言提示，以及兼顧版面的 OCR 檢查清單
- Highest quality scanned document translation with OCR — Pairaphrase — 遮擋物移除與 300–600 DPI 重新掃描建議
- Detect Scanned PDF Document — UniDoc — 判斷掃描 PDF 與文字 PDF 的啟發式規則，以及可搜尋掃描的邊界情況
- Scanned Document Translator — OpenL Doc — 乾淨掃描的 OCR、以版面為導向的輸出，以及付費前的免費預覽
