本文部分内容参考自账号「沉浸式翻译」


沉浸式翻译团队最近开源了他们PDF翻译工具——「BabelDOC PDF」 。BabelDOC 在很大程度上解决了 PDF 机翻中出现的排版乱码、串行等不可用的「老大难」 问题，可以直接输出对版的精准 PDF。

产品发布后，BabelDOC 一举冲进了 Github 全站全开发语言 Trending 榜的前三。

随后，BabelDOC 又上新了多语种支持功能，支持使用拉丁字母的语言翻译成简体中文、繁体中文、日文和韩文。同时，上线了中、日、韩三国文字之间的互译功能。

目前，免费用户每月可享 1000 页解析额度及 GLM-4-FLASH 翻译。Pro 用户最多可享受每月 10000 页解析额度，可以使用 DeepSeek 翻译模型。


Founder Park 正在搭建「AI 产品市集」社群，邀请从业者、开发人员和创业者，扫码加群： 

进群后，你有机会得到：

  • 最新、最值得关注的 AI 新品资讯； 

  • 不定期赠送热门新品的邀请码、会员码；

  • 最精准的AI产品曝光渠道

如果你想提交自己的产品，点击文末的「阅读原文」即可。


01 

BabelDOC 是如何实现「精准翻译+版式对版」 的？


我们先来看 BabelDOC 实现的效果。BabelDOC 能够完整地提取并翻译 PDF 中内嵌图表、脚注、公式等非文本元素，能实现译文与源文件之间像素级版式对齐。同时，BabelDOC 能够自动识别学术论文/招股书/行业白皮书等专业文档结构，确保翻译后布局与数据可视化效果，同原文档高度一致。

在技术方面，首先，BabelDOC 会完整地解析 PDF 的内容，包括读取文件头尾来了解 PDF 的结构、读取图片/文字等元素。在处理以上步骤后，BabelDOC PDF 引入了「AI 布局识别」技术，来辨认文本的布局、段落结构，以及一些复杂的内容排版情况，例如图片、表格和数学公式，并「记忆」下来。

接着，在布局识别完成后，提取文本并交给大语言模型进行翻译。

然后，把翻译好的文字同上面识别记录下来的排版情况进行比对，智能匹配对应的字体、行距等样式，确保文本能够适应新的布局。

当遇到图片和复杂公式时，BabelDOC PDF 会对其进行识别和解析。富文本的文字部分进行对应的翻译，公式则以原封不动地以字符形式保留。

最后，通过智能渲染的方式，将翻译好的文字调整好大小尺寸，将上面所提到的数学公式、图片、表格等重新排版一遍，写入新文档。

由此，做好翻译和排版复原 PDF 文档完成。



02 

PDF 翻译为什么那么复杂？

要了解 BabelDOC  PDF，我们需要花一点时间了解 PDF （Portable Document Format），这个堪称数字出版历史上最有影响的发明之一。

PDF 文档源自行业内响当当的 Adobe 公司，是该公司联合创始人约翰·沃诺克（John Warnock）于上世纪 90 年代初发明的，目的是为了解决文档不同设备上显示效果不一致的问题。PDF 问世后增加了大量交互、加密等功能，并于 2008 年被国际标准化组织（ISO）采纳为国际标准（ISO 32000-1:2008）。相比于常见的 。DOCX 格式文档，PDF 在可编辑性上略逊一筹，但有自己独特的优势，可以参考下表：

这些优缺点都源自 PDF 的文件结构。PDF 的文件结构可以理解为「一张充满二进制代码和文本的纸」，其架构如同枝繁叶茂的大树，结构是这样构成的——

  • 大树的根部是「文件头尾」：包含一系列二进制代码，让读文件的程序（包括 BabelDOC PDF）将其识别为二进制文件，而不是纯文本，并给出交叉引用表等资源的位置。

  • 大树的末端枝干是 Page Tree，又称「页面树」：每个分支代表 PDF 中的一个页面，记录了图片、文字等元素的「引用」情况

  • 大树的主干分叉部分是「交叉引用表」：当读文件的程序遇到交叉引用表，就如同看到了什么信息存放在哪里（页面树）的指路牌，可以顺藤摸瓜找到对应的信息

  • 大树的叶子、花朵、果实是「资源」：包含了组成文档所需的各种细节，如具体的字体、图像、颜色空间等

  • 大树的导管系统是「内容流」：记录了 PDF 页面的绘制指令，描述了程序如何在页面上还原出文本、图像等元素。

所以当一个程序打开 PDF 文档时，我们可以大致把打开的过程想象为下图的流程——

当然，这只是个形象的比喻，实际上的过程比这个复杂很多，大家能理解基本的原理就好。


更多阅读
Qwen 3 发布，开源正成为中国大模型公司破局的「最优解」
做浏览器、买Chrome、争AI OS，Perplexity也想「上牌桌」
Arc浏览器创始人专访：复盘Arc得失，想用Dia重新定义AI浏览器
王登科：我的朋友谢扬，他的Fellou，以及这个时代的创业者
OpenAI教你做Agent：2025年，评估标准和如何产品化是Agent的重点

转载原创文章请添加微信：founderparker

内容中包含的图片若涉及版权问题，请及时与我们联系删除