一份 60 页的技术规格书译成英文字词准确率可达 95% 以上但若三栏塌成一栏、合并单元格被拆、流程图标注未替换这份文件在业务上依然不可用。用户的标准不是 “译得对不对”而是 “能不能发出去”。难点不在语言层而在版式的解析与回写。一、版式是文档语义的组成部分商业文档中版式承载大量独立于文字的信息文档类型版式承载的语义版式损失后果合同协议条款编号层级、加粗强调条款引用失效产生歧义财务报表表格行列对应、跨页续表数字归属错位产品说明书图示标注的指向关系对象模糊导致误操作政府公文红头、发文字号、落款位置不符合 GB/T 9704 要求排版不是交付后的美化而是翻译链路的必答项。输出端复原不了输入结构准确率优势就无从落地。二、格式数量的实质解析器与回写器的数量“支持 N 种格式” 常被当作能力指标实际对应一组独立工程。PDF 无原生段落概念段落靠坐标与字体变化反推扫描版需先 OCR 再做版面分析DOCX 有样式表、分节符与域代码多层结构PPTX 每页独立坐标系XLSX 的合并单元格与公式引用构成关联结构OFD 是国内版式标准模型与 PDF 不同EPUB 为流式重排无固定页面。每种格式都需要一对解析器与回写器且共享同一套结构中间表示。文声图的文档翻译覆盖 PDF、DOCX、XLSX、PPTX、HTML、XML、TMX、CSV、EPUB、OFD、HWP、DWG、DXF 等 30 种。三、版式还原的四个层级版式保真度可按四层核对层级越高越能区分系统能力的边界。一页面骨架。页面尺寸、页边距、分栏、页眉页脚、页码规则这层错误一眼可辨也最先暴露工程能力。二字符与段落属性。字体、字号、行距、缩进、对齐。难点在于中英字符宽度不同中文到英文常带来 1.5–2 倍的长度增长沿用原字号会溢出统一重排又破坏视觉层级。三结构化元素。表格、图注、流程图标注、脚注、目录交叉引用、公式。表格失效概率最高需处理合并单元格跨度、列宽重算、跨页表头与数值本地化。四术语与语义标记。术语一致性、缩写规则、专名处理、强调标记延续。术语不一致在技术与法律场景中属实质缺陷。任一层失效输出即被判为 “需重排稿件”人工重排成本往往高于翻译。四、交付形态决定投资回报企业文档本地化的特征是高频、批量、多语种并行一家出海企业年产出可达数千份。若每份都要走 “翻译 → 排版 → 格式校对 → 内容复核”翻译省下的时间会在后处理被抵消。回报点因此不在准确率的边际提升而在交付形态输出文件开箱可用。这要求多语种、多格式、高准确率三者不可分离。多语种支持 521 种语言互译与批量处理主流语种准确率 90% 以上小语种与方言 80% 以上 —— 对出海东南亚、中亚的企业小语种覆盖度比主流准确率更关键。准确率借上下文分析与语义增强提升可配合语料库统一术语医药、金融等领域支持垂直模型定制。合同、专利、财报不允许出内网本地化与私有化属准入条件。五、结论文档翻译的技术链条可概括为三环解析输入结构、完成语言转换、回写输出结构。工程难度与价值密度分布于两端讨论却长期集中在中间。据此可形成两点判断版式保真是可验证的技术指标应纳入选型评估用含多级表格、跨页续表、图文混排的文档做样本逐层核对准确率是准入门槛版式完整度是交付门槛。译文精准但表格错位的文件与格式完好但术语失当的文件同样不可接受。差别在于后者可逐条修正前者只能以整份文件返工。
一份 60 页的技术规格书译成英文字词准确率可达 95% 以上但若三栏塌成一栏、合并单元格被拆、流程图标注未替换这份文件在业务上依然不可用。用户的标准不是 “译得对不对”而是 “能不能发出去”。难点不在语言层而在版式的解析与回写。一、版式是文档语义的组成部分商业文档中版式承载大量独立于文字的信息文档类型版式承载的语义版式损失后果合同协议条款编号层级、加粗强调条款引用失效产生歧义财务报表表格行列对应、跨页续表数字归属错位产品说明书图示标注的指向关系对象模糊导致误操作政府公文红头、发文字号、落款位置不符合 GB/T 9704 要求排版不是交付后的美化而是翻译链路的必答项。输出端复原不了输入结构准确率优势就无从落地。二、格式数量的实质解析器与回写器的数量“支持 N 种格式” 常被当作能力指标实际对应一组独立工程。PDF 无原生段落概念段落靠坐标与字体变化反推扫描版需先 OCR 再做版面分析DOCX 有样式表、分节符与域代码多层结构PPTX 每页独立坐标系XLSX 的合并单元格与公式引用构成关联结构OFD 是国内版式标准模型与 PDF 不同EPUB 为流式重排无固定页面。每种格式都需要一对解析器与回写器且共享同一套结构中间表示。文声图的文档翻译覆盖 PDF、DOCX、XLSX、PPTX、HTML、XML、TMX、CSV、EPUB、OFD、HWP、DWG、DXF 等 30 种。三、版式还原的四个层级版式保真度可按四层核对层级越高越能区分系统能力的边界。一页面骨架。页面尺寸、页边距、分栏、页眉页脚、页码规则这层错误一眼可辨也最先暴露工程能力。二字符与段落属性。字体、字号、行距、缩进、对齐。难点在于中英字符宽度不同中文到英文常带来 1.5–2 倍的长度增长沿用原字号会溢出统一重排又破坏视觉层级。三结构化元素。表格、图注、流程图标注、脚注、目录交叉引用、公式。表格失效概率最高需处理合并单元格跨度、列宽重算、跨页表头与数值本地化。四术语与语义标记。术语一致性、缩写规则、专名处理、强调标记延续。术语不一致在技术与法律场景中属实质缺陷。任一层失效输出即被判为 “需重排稿件”人工重排成本往往高于翻译。四、交付形态决定投资回报企业文档本地化的特征是高频、批量、多语种并行一家出海企业年产出可达数千份。若每份都要走 “翻译 → 排版 → 格式校对 → 内容复核”翻译省下的时间会在后处理被抵消。回报点因此不在准确率的边际提升而在交付形态输出文件开箱可用。这要求多语种、多格式、高准确率三者不可分离。多语种支持 521 种语言互译与批量处理主流语种准确率 90% 以上小语种与方言 80% 以上 —— 对出海东南亚、中亚的企业小语种覆盖度比主流准确率更关键。准确率借上下文分析与语义增强提升可配合语料库统一术语医药、金融等领域支持垂直模型定制。合同、专利、财报不允许出内网本地化与私有化属准入条件。五、结论文档翻译的技术链条可概括为三环解析输入结构、完成语言转换、回写输出结构。工程难度与价值密度分布于两端讨论却长期集中在中间。据此可形成两点判断版式保真是可验证的技术指标应纳入选型评估用含多级表格、跨页续表、图文混排的文档做样本逐层核对准确率是准入门槛版式完整度是交付门槛。译文精准但表格错位的文件与格式完好但术语失当的文件同样不可接受。差别在于后者可逐条修正前者只能以整份文件返工。
