文档翻译的分水岭:从“译得准”到“排得回”

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：

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。