翻译完不敢直接发:Word 格式为什么保不住
摘要:翻译完的文档,为什么不敢直接发给对方?文件能打开、字数也对得上,但加粗没了、表格串了、公式成了乱码——得自己先核一遍,才敢按发送。多数人的第一反应是换个模型再翻一遍,结果一样。问题不在翻译质量,在「把译文放回原处」这一步。这篇讲清楚:崩在哪些地方、回填为什么容易翻车(一个 6:8:13 的例子)、六项校验怎么卡住、你最后拿到四个什么文件,以及 27 段样本跑下来的真实结果。
相关技能:Office 保格式翻译 docx / xlsx 保格式翻译已经做成技能包,装进 AI 助手就能用,四个平台通用
打开文件的第一眼
文档翻完了,进度条走到底,文件生成。
打开一看:
该粗的地方变细了
表格里有两列串了行
页面底部的公式变成一堆看不懂的符号
这不是翻译错了——译文本身读得通。是格式没跟着译文一起放回去。
当时的想法是:这个模型翻得不行,换一个。
换了一个,加粗照样丢,表格照样串。又试了第三个。
到第三个才想明白:换引擎不解决这件事,因为引擎只负责换字。
崩在六个地方
把翻完的文档逐页对一遍,问题分两类——这个分类很重要,因为两类发现的时间点完全不同。
一眼就能看到的
加粗没了 整段译文塞进第一个片段,其余清空,最典型的错法
表格串行 合并单元格被拆开,或者两列内容互换了位置
公式成乱码 公式格被当文字改了,原本的计算关系也没了
翻几页才发现的
目录页码不对 分段重排后页码变了,目录还是原来那份
页眉页脚漏了 它们不在正文流里,抽取时容易整段跳过
段落断在中间 译文按字数硬切,一句话被劈成两段
第二类更麻烦。第一类打开就看见,最多重排一遍;第二类要翻到那儿、或者等对方指出,才知道出了问题。到那时候,返工的成本比第一次翻还高。
翻译其实有两个问题
第一个问题 这些字该换成什么 → 模型的事
第二个问题 换完的字放回哪里 → 这一步没有工具在管
跑机翻时通常只做了第一个:把文字抽出来、翻一遍、再塞回去。
「塞回去」看着简单,实际是整个流程里最容易翻车的地方——而且翻车了不容易发现。文件能打开,字数也对得上,只有仔细看才发现结构变了。
塞回去为什么难
一个 Word 段落由多个「片段」组成,每段有自己的格式:这段加粗、那段斜体、这段红色、那个词是上标。
一段话可能是这样:
「Visit 」+「our site」(加粗) +「 for details.」(正常)
三个片段,共 27 个字符,加粗只覆盖中间 8 个。
要把它翻成中文。译文是「访问我们的网站了解详情」,14 个字。
14 个字怎么分配给三段?
三种做法,只有一种对:
整段塞进第一个片段,其余清空 → 加粗没了(最常见的错法)
按字符数平均分 → 加粗位置漂移,粗在了别处
按原片段字符数比例切(6:8:13) → 加粗仍在原来的位置
第三种才保得住格式分配。前两种都会丢,只是丢法不同。
翻完还要验六项
回填做对了,也不代表没问题——所以要验。六项:
1 条数闭合 抽出来多少段,放回去就要多少段,不能有空译文 硬门禁
2 结构不变 段落数、表格行列、合并区域、节数都要对得上 硬门禁
3 格式不变 每段格式属性对得上,文字落在原来的片段里 硬门禁
4 不该动的没动 公式、图片、批注、域,一个都不能碰 硬门禁
5 残留源语言 还有没有没翻的句子 列清单
6 译文偏长 按显示宽度比,会不会撑破版面 列清单
前四项不过,不许交付;后两项列出位置,人来判断。
为什么前四项定成硬门禁:它们出错时文件表面上是正常的,错误藏在结构里。等对方打开才发现,返工成本等于重做一遍。
第 6 项为什么不自动缩字号:缩了之后对方拿到手还得改回来,不如把位置列出来,让人自己决定。
你会拿到四个文件
这一步是很多人没意识到的——交付的不只是一个译文。
译文文件 与原文同目录结构、同名文件,可以直接发给对方
术语表.csv 这份文档锁定的术语:原文 / 译文 / 状态(锁定或待定)
自检报告.md 六项校验逐项结果:哪几项过、哪几项列了清单
溢出与保留清单.csv 塞不下的地方、按原样保留的地方,逐条列位置
两条规矩:
原文件不覆盖 译文写在旁边,原文一个字节不动
不返回内容 返回路径,不返回全文——大文档在对话里会被截断
意义在于:翻完之后你是能核对它的,不用无条件相信。报告说条数闭合、结构不变,你可以抽一页对;说某处溢出,你可以直接翻到那一条。
27 段跑下来是什么样
一份 27 段的教案,跑完整条链路:
抽取 27 条 → 回填 27 条 → 六项校验,四项硬门禁全过 → 出报告
同一批实测里还有三个数字值得记:
去重省 46% 一批 20 条里 9 条重复(页眉页脚、表头、免责声明),只翻一次
300 段要分批 300 段 8.5 万 token 勉强,1500 段 42 万送不进去
术语表 10–25 条 三千字文档的正常量;超过 40 条说明把通用词塞进去了
第一条省的是钱和时间;第二条是硬限制,不知道就会在白等一次失败;第三条是判断标准——术语表越臃肿,锁定时越容易锁错。
术语只锁这份文档的
做翻译工具最容易犯的错,是先建一个庞大的行业词库。
实际上没人需要「法律行业所有术语」。用户要的是:我这份合同里那十几个词,全文一个叫法。
所以顺序是反过来的:
第一层 用户给的表 最高优先级,与行业惯例冲突也照用户的
第二层 领域种子词表 内置四类:外贸 / 投标 / 技术规格 / 法律条款
第三层 从这份文档里自抽 主力——专业名词、产品名、出现两次以上的词
自抽是主力,因为每份文档的关键词都不同:一份设备说明书里的术语,换一份合同就全变了。
不抽什么也要清楚:通用词(数据、用户、系统)、只出现一次的词、代码标识符和占位符,都不进表。
术语还会越用越像你的说法:你说「这个词我们要叫 XX」,它记下来;下次翻同类文档自动带出来。前提是交付时说一句「改完发我」——用户不会主动回传改稿。
它做不到什么
PPT 固定画布,英文缩成中文必然挤出框
扫描件 图片里的文字要先走 OCR,那是另一个工序
翻译质量 这个技能只管格式;译得好不好是模型的事,它不评判
法律效力 翻完可以看、可以交,但不做效力认定
文本框内的文字这类极端版式,会在报告里单独标出来,不假装处理好了。
常见问题
翻译完的 Word 加粗、表格都乱了,怎么改回来?
格式丢失是不可逆的——原文的结构信息在回填时被覆盖,事后只能人眼逐页对比再手工调。正确的做法是翻之前就保住结构:把每个段落的片段列表和格式属性记下来,译文按原字符比例切分回填。
为什么不能把整段译文直接塞进去?
一段话通常由多个片段组成,加粗、斜体、颜色只覆盖其中几个字。整段塞进第一个片段、其余清空,加粗位置就没了;平均分成几段,加粗会漂移。只有按原文各片段的字符数比例切,格式才落在原位。
术语表要建多大?
三千字文档,十到二十五条算合理。它的作用是「这份文档里反复出现的专业词,全文一个叫法」,不是覆盖整个行业。超过四十条通常说明把通用词也塞进去了,反而容易锁错。
机翻这个词容易让人误解,好像只有质量高低一个维度。实际上一份文档翻完,有两个结果要分开看:字换得对不对,和换完还能不能直接用。
第一个是模型的事,一直在进步。第二个没人管,很多人以为它不存在——直到打开文件那一刻。
而格式不是装饰。一份合同的表格是权利义务的对应关系,一份教案的加粗是重点标记。格式丢了,等于把结构信息一起丢了,剩下的只是一堆通顺的字。
这篇有用吗