链载Ai

标题: 直接爆了，阿里这个翻译智能体，竟能做到前后排版一致，确实太实用了！ [打印本页]
作者: 链载Ai    时间: 3 天前
标题: 直接爆了，阿里这个翻译智能体，竟能做到前后排版一致，确实太实用了！

中英互译现在早已不是难事，但能做到翻译前后排版不乱，还是很有挑战。即便使用最强大模型，翻译结果也只能是这样：
给一张图片，翻译后，输出一堆文字，不直观。
经过一段时间探索，终于发现一个很好用的翻译智能体。它就是阿里通义的翻译智能体，使用它能做到下面效果：
输入一张图片，翻译前后，能做到排版一致，即便这种复杂的多文本框图片结构的排版，一样可以。
下面说下具体的操作步骤。
1 图片翻译
传送门：https://www.tongyi.com/
进入官网：
然后点击上图中「翻译」，如箭头所示，点击后进入下面界面：
自动识别语言，目标语言默认为中文。下面是想要翻译图片，目标翻译为中文，所以无需调整：
直接拖拽图片到聊天框中：
然后直接按下发送按钮，得到译文排版图：
点击上图中图片，就会看到下面排版图，前后一致：
为了展示更清楚的效果，特意截图分开，再单独展示下：
翻译后：
不仅翻译准，关键是排版到位。真的挺牛！
有这种需求的老铁，尽快收藏起来。
2 文档翻译
通义翻译智能体，不仅能处理图片，还能玩文档翻译，也能做到排版一致，下面来演示。

扔一个35页的PDF，如下图所示：


第一页如下图所示：

35页大概2-3分钟处理完成，点击右上角 「还原排版」，第一页翻译后的结果：

说实话，当我第一次使用时，确实把我震撼到了。排版能做到这么精准吻合，不容易的。

3 排版原理

把一页 PDF 想像成摆满“文字盒子”的画板：每一段话、标题其实都是一个有位置和大小的矩形框（bbox）。

Python包比PyMuPDF 具有能力，把这些框逐个读出来（拿到坐标、宽高、原文字、字体信息等），然后对“框里的文字”做分段翻译，最后再还原回去，大概示例代码如下：

importfitzdoc=fitz.open("input.pdf")forpageindoc:blocks=page.get_text("blocks")forbinblocks:rect=fitz.Rect(b[:4])src_text=b[4]tgt_text=translate(src_text)#你的翻译函数page.insert_textbox(rect,tgt_text,fontname="helv",fontsize=12,color=(0,0,0),align=0)doc.save("translated.pdf")


排版难点在于，同一句子翻译前后长度会有差异，有时候会很大。


一般来说，如果中英文长度差很多，就在这个盒子里自动换行、微调字号或字距，让文本刚好塞满不溢出。


说起来容易，真正做好，需要打磨。


总结


这篇文章介绍了翻译后保持原始排版不乱的完整方案与实践体验，介绍了阿里通义翻译智能体在这方面很强。


通义翻译智能体其在图片与多页 PDF 上，不仅翻译准确，还能让译文排版与原文高度一致。


背后的排版原理，将 PDF 视为由多个文字矩形框组成，通过提取每个框的坐标、字体和内容，逐块翻译后再回填到原位置。





欢迎光临 链载Ai (https://www.lianzai.com/) Powered by Discuz! X3.5