英文PDF翻成中文,排版基本不变:PDF2ZH实测

翻完之后，能不能顺畅读下去

收到一份英文报告，最麻烦的常常不是英语。

正文分成两栏，图表夹在中间，底下还有小字注释。一段段复制到翻译工具里，段落顺序乱了，图表说明也找不回原来的位置。翻完一段，还得切回原文，重新确认自己读到了哪儿。

PDF2ZH 想解决的就是这件事：翻译 PDF 的时候，尽量把原来的排版一起留住，让原文和译文能对着看。

项目名是 PDFMathTranslate，仓库在 GitHub 上叫 PDFMathTranslate/PDFMathTranslate，目前 3.7 万多 star，AGPL-3.0 开源。

它做的事说起来很直白：把整份英文 PDF 翻成中文，尽量保留原来的排版，再输出成纯译文和双语对照两个版本。公式、图表、目录、批注都在“尽量保留”的范围里。这也是它和浏览器整页翻译最大的区别——后者给你一屏能读的字，前者给你一份还能继续用、还能发给别人的文档。

出身不算野路子。团队为它写过一篇论文，发在 EMNLP 2025 的系统演示环节，方法上主要靠版面检测模型判断“哪块是正文、哪块是图表、哪块是公式”，再按区块送去翻译、按原位排回来。

当前状态值得说两句。PyPI 上最新的稳定版是 1.9.11，2025 年 7 月发布；2.0 已经拆到另一个仓库 PDFMathTranslate-next，官方说那条线主要面向开发、不保证兼容，所以这次用的还是 1.9.11。使用形态给得挺全：命令行、浏览器图形界面、Docker、Zotero 插件都有；接的翻译服务二十多个，从 Google、Bing 到 DeepL、OpenAI、DeepSeek、通义。

这次我们拿一份真实的英文论文，从导入到导出走一遍，看看它在实际资料上能帮到哪一步。

上面是原始 PDF，下面是处理后的结果。图的位置、双栏的走向、图注的落点，基本都在原地。

样本是 arXiv 上公开的 Segment Anything 论文，原文 30 页，15.6 MB。我们另外存了前 8 页出来单独处理，7.0 MB——双栏正文、三张大图、一个对比表格、若干公式符号，技术资料里常见的排版它都有。

环境是 Windows、Python 3.12、pdf2zh 1.9.11，安装的 BabelDOC 依赖版本是 0.2.33。翻译服务选的是 Bing。

这里要补一句：本次走的是 pdf2zh 自带流程。命令行没加 babeldoc 参数，界面里的“Use BabelDOC”也没勾选，运行日志里记的是 babeldoc=False。BabelDOC 在这套环境里只提供了中文字体和版面模型，没有参与翻译流程。

这里要分清一件事：PDF2ZH 管的是“文档怎么排”，具体文字由翻译服务来译。 同一个文件，换个服务就是换一套译文，质量和收费都跟着变。这次选 Bing，是因为它不用配 API 密钥，本次也没有产生直接费用，路径最短。

官方给了三个入口：网页版 pdf2zh.com 不用安装，Windows 压缩包解压双击，或者用命令行安装。我们走的是第三条里带的图形界面——装好之后运行 pdf2zh -i，浏览器打开本地地址，界面是这样：

① 把 PDF 拖进虚线框，文件名和大小会显示出来； ② 翻译服务按前面说的选； ③ 源语言 English，目标语言简体中文； ④ 页数可以选全部，也可以只翻前几页； ⑤ 点 Translate。

页数这一项值得单独说。 第一次用别整本翻。先挑 5 到 10 页最典型的——有正文、有图表、有页脚的那种——看完结果，再决定要不要全量跑。

安装那一步补充一句。本文用的是 1.9.11，先按 uv 官方说明把 uv 装上，再执行这条，把版本锁住：

uv tool install --python 3.12 pdf2zh==1.9.11

装完运行 pdf2zh -i 启动。终端会打印一个本地地址，用浏览器打开就行；7860 端口被占用时地址会变，以终端显示的为准。我们试 pip 装的时候碰到过两次依赖版本打架，用 uv 建独立环境省事得多。

点下去之后界面会走进度。8 页处理完，从命令发出到文件落地用时 58 秒，日志里翻译循环本身是 49 秒。这组数字不含安装和第一次下载模型、字体的时间，也是在关掉翻译缓存后测的，只代表这台机器和这个文件。

结果给了两个文件：mono 是纯译文，7.2 MB；dual 是原文一页、译文一页交替排，14.1 MB。原文件 7.0 MB，生成的文件差不多是输入的两倍大。

到这儿流程算跑通了。但能导出，只说明工具没报错。接下来才是重点：它翻得对不对，排版保住了多少。

第一处，正文段落。

大部分段落读下来是通顺的。引用编号 [66]、[76, 71] 原样保留，§7、§B 这类章节标记还在，公式符号 32×32、0.5−δ 也没被拆坏。

但第 1 页出了个明显的岔子。

“摘要”这个标题译成了中文，下面整段正文却原封不动留着英文。同一页往下翻，“1. 引言”和后面的正文都是正常的中文。本次样本的摘要整段没有翻译。

第二处，术语和数字。

这是最需要逐条核对的地方。

同一个段落：34 秒降到 14 秒，“6.5 倍”“2 倍”这些都对；“120k images”译成“12 万张图像”，“4.3M masks”译成“430 万个掩码”，也对。

问题出在一个 20 上。原文 from 20 to 44 masks，译文里 2 落在上一行末尾、0 落在下一行开头，读起来像“从 2 个涨到 44 个”。这是排版断行造成的，截图里数字本身没有被替换。

术语那边更热闹。

第 6 页有个小节标题叫 Masks，讲的是分割掩码。译文把它译成了“口罩”——于是整段变成“我们的数据引擎生成了 11 亿个口罩，其中 99.1% 是完全自动生成的。因此，自动口罩的质量至关重要”。

前面几页同一个词一直译的“掩码”，到这里突然成了口罩。同一份文档里，mask 还有“掩模”的写法。

人名也没躲过。第 1 页作者署名里，Wan-Yen Lo 变成了“罗万燕”，Hanzi Mao 变成了“毛汉子”，directional lead 译成“四向铅”。

第三处，版式。

这一项得分最高。图片、表格、双栏的阅读顺序都在原位，图注跟着图走，页码也没丢。

细节上还有几处：表 1 的国名译成了中文，表 2 的表头和数据行却留着英文；斜体的 diversity、fully automatic 直接漏在中文句子里；左侧那条 arXiv 竖排水印被拆成了竖排的乱码字符。

先把边界说清楚：这次只测了英文文字型 PDF、只用了 Bing 一个服务、只有 1.9.11 一个版本。 换服务、换文件，结果可能差很远。

在这个范围内，PDF2ZH 确实帮上忙的地方是：不用再一段段复制粘贴，图表和双栏的位置基本能对上，双语的排法也方便回头核对原文。

需要人工接手的地方同样具体：术语要先过一遍，尤其是同一个词在不同段落被译成不同意思的情况；数字要抽查，特别是靠近行末换行的那几个；标题和摘要这类短段落要单独看，本次样本的摘要就整段没翻。

扫描件另算。本次只测了能选中文字的 PDF，没有测扫描件，结果不代表扫描件的处理效果。

还有一件和工作有关的事：文件要是公司内部资料，先确认所选翻译服务会不会把文本传到远端。Bing 这类在线服务，文本是要发出去的。

最后给一个直接的判断。

常读整份英文资料、又要对着图表理解正文的人，PDF2ZH 能省掉最烦的那一段手工活，但交出去之前得自己检查一遍。

如果只查一两段，直接选中文字翻译，通常比整份跑一遍省步骤。

工具值不值，最后看的是一件很具体的事：翻完之后，你能不能顺畅读下去，需要的时候还能方便地找回原文。

本次测试环境与结果，仅代表本文所用样本、版本和服务。

工具能替我们做的，从来不是“看懂”，而是把“来回找”的那部分时间还回来。剩下的判断，还是得自己做。

我们是一行人AI实验室，持续追踪 AI Agent 与新工具的真实体验，只写自己上手用过的。

欢迎关注「一行人AI实验室」公众号

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。

THANKS FOR READING