Jak przetłumaczyć skan PDF

Skan wygląda jak zwykły plik PDF, ale w środku jest tylko obraz kartki. Nie ma w nim tekstu, który można zaznaczyć, skopiować albo wysłać do tłumacza. Dlatego tłumaczenie skanu wymaga dodatkowego kroku: rozpoznania tekstu z obrazu, czyli OCR. Ten wpis pokazuje, jak to działa, od czego zależy jakość i jak przygotować skan, żeby wynik był dobry bez długich poprawek.

Skan czy PDF z tekstem, jak to sprawdzić

Zanim zaczniesz, ustal, z czym masz do czynienia. Otwórz plik i spróbuj zaznaczyć fragment tekstu myszą. Jeśli zaznacza się pojedyncze słowa, plik ma warstwę tekstową i nie potrzebuje OCR. Jeśli zaznacza się cała strona jako obraz albo nic się nie zaznacza, to skan. Drugi sposób to użycie wyszukiwarki w przeglądarce PDF: wpisz słowo, które na pewno jest w dokumencie. Brak wyników oznacza skan.

Zdarzają się też pliki mieszane: część stron ma tekst, część jest obrazem, na przykład wklejone zdjęcie tabeli. W takich plikach rozpoznawanie dotyczy tylko stron lub fragmentów będących obrazem.

Jak działa OCR

OCR analizuje obraz, wykrywa linie i znaki, a potem zamienia je na tekst. Dobry proces robi to z uwzględnieniem układu: rozpoznaje kolumny, nagłówki, listy i tabele, tak aby po tłumaczeniu dokument odpowiadał strukturą oryginałowi. Słaby proces zwraca ciąg znaków w kolejności, w jakiej je znalazł, i dopiero człowiek przywraca porządek.

W Globalnie rozpoznawanie tekstu jest częścią procesu. Wgrywasz skan jak każdy inny PDF, a my rozpoznajemy tekst, tłumaczymy go i odtwarzamy układ strony. Skany z OCR obsługują wszystkie plany.

Od czego zależy jakość rozpoznania

Jak przygotować dobry skan krok po kroku

1. Użyj skanera płaskiego, jeśli to możliwe. Zdjęcie telefonem wystarcza, o ile kartka leży na płaskiej, jasnej powierzchni i jest równo oświetlona.
2. Ustaw rozdzielczość na 300 dpi. Wyższa rzadko poprawia wynik, a zwiększa rozmiar pliku.
3. Wybierz tryb czarno-biały lub skala szarości dla tekstu. Kolor zostaw, gdy ważne są kolorowe elementy.
4. Ułóż kartkę prosto. Jeśli skan wyszedł krzywo, wyprostuj go przed wysłaniem.
5. Kadruj tak, by marginesy były widoczne, ale bez zbędnego tła wokół kartki.
6. Złóż strony w jeden plik w prawidłowej kolejności i sprawdź, czy żadna nie jest odwrócona.
7. Zapisz jako PDF. Nie wysyłaj wielu pojedynczych zdjęć, jeśli możesz je połączyć.

Tabele w skanach

Tabele to najtrudniejszy element. Linie siatki bywają blade, a liczby w kolumnach są blisko siebie. Dla jakości rozpoznania pomaga kilka zasad.

• Skanuj tabele w orientacji, w której są wydrukowane, bez obracania.
• Jeśli tabela jest szeroka, zeskanuj ją w poziomie na jednej stronie, a nie dwóch.
• Po rozpoznaniu sprawdź kolumny z liczbami: przecinek dziesiętny i separator tysięcy mogą zostać źle odczytane.
• Waluty, jednostki i numery pozycji potraktuj jako elementy do wyrywkowej kontroli.

W podglądzie strona przy stronie możesz porównać oryginał z tłumaczeniem i poprawić komórki w edytorze, zanim pobierzesz plik.

Typowe problemy i jak sobie z nimi radzić

Znaki diakrytyczne i podobne litery

W polskim, czeskim, słowackim czy węgierskim ogonki i akcenty bywają mylone. Zwróć uwagę na nazwiska, adresy i nazwy własne. Warto dodać je do glosariusza, żeby w całym dokumencie zapisywały się jednakowo.

Numery i kody

Cyfra 0 i litera O, jedynka i duże I, 5 i S to klasyczne pomyłki. Numery faktur, kody produktów, numery seryjne i IBAN sprawdzaj ręcznie z oryginałem.

Pismo odręczne

Rozpoznawanie pisma odręcznego jest znacznie mniej pewne niż druku. Jeśli dokument zawiera odręczne adnotacje, traktuj ich odczyt jako sugestię i weryfikuj z oryginałem.

Pieczęcie i stemple

Okrągłe pieczęcie mają tekst po okręgu i często nakładają się na treść. Odczyt będzie niepełny, więc jeśli treść pieczęci jest istotna, sprawdź ją osobno.

Zdjęcia i rysunki w skanie

Rysunki techniczne z opisami wymagają uwagi: tekst na rysunku może być rozpoznany, ale jego położenie wymaga kontroli po tłumaczeniu, bo nowy tekst bywa dłuższy.

Po tłumaczeniu, co sprawdzić

1. Liczbę stron. Powinna się zgadzać z oryginałem.
2. Nagłówki i numerację punktów.
3. Wszystkie liczby, daty, kwoty, kody i numery.
4. Nazwy własne: osób, firm, produktów, ulic.
5. Tabele: czy każdy wiersz ma wszystkie komórki.
6. Elementy graficzne i podpisy pod rysunkami.

Kiedy skan nie jest dobrym punktem wyjścia

Jeśli masz dostęp do pliku źródłowego (Word, Excel, eksport z systemu), tłumacz właśnie jego. Plik edytowalny zawiera tekst i strukturę, więc wynik jest dokładniejszy niż po rozpoznaniu obrazu. Skan jest rozwiązaniem, gdy nie masz niczego poza papierem lub zdjęciem, na przykład przy starszych umowach, dokumentach od kontrahentów czy materiałach archiwalnych.

Pamiętaj też, że skan dokumentu urzędowego, który ma być złożony w urzędzie z poświadczeniem, nie zastąpi tłumaczenia przysięgłego. Takich nie wykonujemy, więcej w wpisie o tłumaczeniach przysięgłych i zwykłych.

Przykład z praktyki, skan umowy od kontrahenta

Kontrahent przysyła skan umowy ramowej na dziesięciu stronach, podpisanej i opieczętowanej. Treść jest drukowana, ale w stopce widnieje odręczna parafa, a na stronie siódmej znajduje się tabela z cenami. Proces wygląda następująco. Wgrywasz plik, wskazujesz język źródłowy i docelowy oraz ton formalny. Tekst jest rozpoznawany, tłumaczony i składany w układ przypominający oryginał. W podglądzie porównujesz stronę siódmą i sprawdzasz, czy każda cena stoi we właściwym wierszu. Parafę i pieczęć traktujesz jako elementy graficzne, których nie tłumaczysz. Całość zajmuje tyle, ile potrzeba na kontrolę tabeli, bo reszta dokumentu wymaga tylko szybkiego przeglądu.

Skan z telefonu, czy to wystarczy

Zdjęcia robione telefonem dają dobre wyniki, jeśli zadbasz o światło i kadr. Najczęstsze błędy to cień własnej ręki, rozmycie przy słabym oświetleniu i perspektywa, w której górna część kartki wydaje się węższa od dolnej. Większość aplikacji do skanowania na telefonie ma tryb dokumentu, który prostuje kartkę i poprawia kontrast. Używaj go zamiast zwykłego aparatu. Jeśli dokument liczy wiele stron, zrób skany jeden po drugim, bez przekładania, i od razu sprawdź, czy żadna strona nie wyszła nieostra, bo ponowne skanowanie po czasie bywa niemożliwe.

Wskazówki dla zespołów

• Ustalcie jeden standard skanowania w firmie: rozdzielczość, tryb, format nazwy pliku.
• Prowadźcie glosariusz nazw własnych, które często pojawiają się w skanach.
• Wprowadźcie kontrolę próbki: sprawdzajcie dwie lub trzy strony z każdej partii dokumentów.
• Przechowujcie oryginalny skan razem z tłumaczeniem, żeby można było wrócić do źródła.

Rozmiar pliku i liczba stron

Skany zajmują więcej miejsca niż zwykłe PDF-y, bo każda strona jest obrazem. Dziesięciostronicowy skan w wysokiej rozdzielczości łatwo przekracza kilkanaście megabajtów. Limity rozmiaru pliku zależą od planu: 30 MB w planie Start, 100 MB w planie Firma i 250 MB w planie Eksport. Gdy plik jest zbyt duży, zmniejsz rozdzielczość do 300 dpi, wybierz skalę szarości albo podziel dokument na części według rozdziałów. Pamiętaj, że przy podziale trzeba utrzymać te same ustawienia i ten sam glosariusz we wszystkich częściach.

Przydatne strony

Przetłumacz plik z poziomu strony tłumaczenie dokumentów, przeczytaj o tłumaczeniu PDF na polski i o tym, jak to działa. Pytania o limity plików i formaty znajdziesz w FAQ, a koszty w cenniku.