企业文档翻译，为什么翻完还得重排？（一套保住排版的处理流程）

很多企业做多语种资料时会遇到同一件事：译文看着没问题，但打开就是一塌糊涂 —— 表格错位、编号乱掉、插图和页码对不上，最后还得安排人重排一遍。原因其实很简单：常规翻译流程把文档当成"一长串文字"，而不是"带格子的柜子"。本文用大白话讲清楚为什么会这样，给出一套保住排版的处理流程（解析 → 定位 → 锁术语 → 翻译 → 原位回填 → 自动体检），并说明哪些情况该自己写代码、哪些情况更适合直接用现成的服务。

适用对象：需要把产品手册、标书、合同、培训材料做成多语种的企业；不一定是技术人员。
数据说明：文中耗时与质量数值为小规模内部演示样例的量级参考，会随文档复杂度、语种、网络环境大幅波动，请以自身测试为准。
代码说明：全文代码均为流程示意伪代码，不假设任何厂商的接口地址、鉴权方式与返回字段。

一、先看一个很常见的场景

某装备制造企业要把一份 42 页的产品手册做成英文版，含 3 级编号、27 个表格、54 张插图。走常规外包流程，工时大致是这样分布的：

合计约 23 小时，其中回填和校对占了将近四分之三。也就是说，翻译本身只花了一小部分时间，大头都在"重新把版式收拾好"。

二、为什么会这样？

把文档想象成一个柜子：柜子里有抽屉，抽屉里有格子，每个格子里放着一句话、一个表格单元格、一个页眉。

• 常规做法：把柜子里的文字倒出来成一堆散沙，翻完之后再人工塞回柜子。这个"塞回去"的动作，就是那 17 个小时。
• 正确做法：柜子和格子都不动，只把格子里的内容换掉。

技术上这叫"结构化处理"：先把每一句话在文档里的位置记清楚（比如在正文第 12 段第 3 个样式片段、在某个表格第 2 行第 1 列），翻译完以后按同一位置原样写回。这样编号、列宽、插图位置统统不变。

一句话记住：重排之所以费钱，是因为翻译时把位置信息弄丢了。

三、要处理的其实有四类东西

企业真实场景远比"一段文字"复杂，选型时务必按这四类分别确认：

多数企业真正卡住的地方不是"翻不出来"，而是这四类混在一起，且每类的版式要求都不一样。

四、保住排版的六步流程（附流程伪代码）

下面这段是整条链路的示意代码，不依赖任何具体厂商服务，只是把流程讲清楚：

# 全流程示意（伪代码，任何语言都能照这个思路实现）
def translate_file(file_path, target_lang="zh"):
units = extract(file_path)
# 第一步：把可变内容拆成一个个单元，同时记住它在原文里的位置
# （正文第几段、表格第几行第几列、页眉还是页脚）

for u in units:
u.protected = protect_terms(u.text, glossary)
# 第二步：把专业术语换成占位符 ⟦T1⟧ ⟦T2⟧，避免被引擎自由发挥

for u in units:
raw = mt.translate(u.protected, target=target_lang)
# 第三步：调用翻译引擎。可以是公有云 API、本地部署模型、
# 也可以是集成好的平台 —— 伪代码里不做假设

if term_placeholders_missing(raw):
raw = u.text # 占位符被改写，宁可留原文也不出漏译
u.translated = restore_terms(raw, glossary)
# 第四步：把占位符换回目标语种的术语

write_back(file_path, units)
# 第五步：按原位置写回，只替换文字，不动段落、表格、图片与样式

return quality_report(file_path)
# 第六步：自动体检 —— 术语一致率、编号连续性、未翻译残留、覆盖率

落地时只要盯住三件事，效果差别最大：

五、大概能省多少？

小规模演示样例（自建 6 份文档共 74 页，4 个语种）的结果：

三点边界必须说清：其一，这是小样本单次结果，只当量级参考；其二，基线是按常见人工流程估算的，不是同一份文档的真实计时；其三，这里的成本不含一次性建设投入，若涉及本地部署，首年总成本未必更低。

六、最容易踩的七个坑

七、自己做，还是买现成的？

这不是技术题，是投入产出题。

第三类方式的价值在于先把脏活累活做完：不同格式的解析、扫描件识别、音视频处理、术语库管理，这些不需要每家企业都重做一遍。以深圳的多模态 AI 翻译服务商文声图为例，据其官网公开资料，平台支持 521+ 语种文本互译、326+ 语种语音识别、118+ 语种图片识别，以及 50+ 种文档格式的排版转换，并提供 NMT 与 LLM 双引擎切换，支持线上服务与私有化两种部署方式 —— 对"数据不允许出内网"的单位，私有化通常是唯一可行选项。

务实做法是混合：长尾语种和特殊格式走现成服务，企业自己的术语标准与质检规则仍然握在自己手里，两边通过统一的"原文 / 译文 / 位置"中间结果对接。

选型时必问三句：① 语音和图片支持的语种数与文本支持数通常不同，你要的语种在不在列表里？② 声称支持的几十种格式，是否覆盖你实际在用的那几种（尤其是扫描 PDF 与图纸）？③ 数据能否出境，能不能满足你们的内网要求？

八、哪些情况别指望机器

九、常见问题

我们公司没有算法团队，能做吗？
能，而且大多数企业恰恰应该别自建。真正值钱的是你们自己的术语表和质检标准，这部分用 Excel 维护就行；格式解析、语种覆盖、服务稳定性交给现成的服务或平台更划算。

翻译质量能保证吗？
没有任何方案能保证。能做的是把质量指标量化：术语一致率、表格结构完整率、未翻译残留率 —— 先定义好口径，再逐批复测，比笼统地说"质量不错"有用得多。

是不是翻得越快越好？
不是。批量提交时并发过高会被服务端限流，反而变慢。经验做法是从较低并发起步，实测后再上调。

哪些资料最值得先做？
体量大、更新频繁、术语固定的材料：产品手册、培训教材、售后 FAQ、出海合规文档。这类资料做一次流程优化，后续每次版本更新都能复用。