Ein gescanntes PDF ist viel schwieriger zu übersetzen als ein textbasiertes PDF. Ein textbasiertes PDF enthält maschinenlesbaren Text, während ein gescanntes PDF Bilder enthält, die wiederum Text enthalten.
Um eine gescannte PDF-Datei zu übersetzen, müssen Sie zuerst den Text aus diesen Bildern präzise extrahieren. Erst dann können Sie es übersetzen.
Wie übersetzt man also ein gescanntes PDF? Schauen wir uns zunächst an, was ein PDF zu einem „gescannten“ PDF macht.
Was ist ein gescanntes PDF?
Einfach ausgedrückt enthält ein gescanntes PDF Bilder eines Dokuments anstelle von maschinenlesbarem Text.
Eine textbasierte PDF-Datei ist einfach zu handhaben. Selbst als Nutzer können Sie den Text auswählen, hervorheben, kopieren, eine Suche darin durchführen und ihn bearbeiten.
Gescannte PDFs hingegen sind Bilder, die durch das Scannen oder Fotografieren physischer Dokumente erstellt wurden. Sie können den Text nicht auswählen, kopieren oder bearbeiten. Deshalb haben es Übersetzer mit gescannten PDFs schwer.
Wie übersetzt man also ein PDF, das aus Bildern statt aus Text besteht? Hier kommt OCR ins Spiel.
Was ist optische Zeichenerkennung (OCR)?
Optische Zeichenerkennung (OCR) ist eine Technologie, die Text, Zeichen und Elemente in Bildern erkennt und in ein maschinenlesbares Format umwandelt.
Um ein beliebiges gescanntes PDF zu übersetzen, benötigen Sie zunächst OCR, um den Inhalt zu erkennen und in maschinenlesbaren Text umzuwandeln. Sobald Sie den Text haben, können Sie ihn in Ihre Zielsprache übersetzen.
Ein Qualitäts-PDF-Übersetzer liefert nicht nur genaue Übersetzungen, sondern verfügt auch über eine OCR von hoher Qualität. Je höher die OCR-Qualität, desto besser erkennt sie Inhalte in gescannten Seiten. Schlechtes OCR bedeutet eine ungenaue Inhaltserkennung, was wiederum zu Fehlern bei der Übersetzung führt.
Premium-PDF-Übersetzer rekonstruieren auch die in den gescannten Seiten erkannte PDF-Formatierung, einschließlich Tabellen, Kopfzeilen und anderer visueller Elemente.
Wie man ein gescanntes PDF übersetzt (Schritt-für-Schritt-Anleitung)
Hier ist eine detaillierte Schritt-für-Schritt-Anleitung zum Übersetzen einer gescannten PDF-Datei:
Schritt 1: Wählen Sie eine Übersetzung-Plattform mit integrierter OCR
Wir haben bereits verschiedene PDF-Übersetzungstools miteinander verglichen. Für eine hochpräzise Übersetzung von Geschäftsdokumenten eignen sich Premium-Tools wie Smartcat am besten.
Der PDF-Übersetzer von Smartcat verfügt über eine integrierte OCR, bietet Support für über 280 Sprachen und behält die ursprüngliche Formatierung des Dokuments bei, sodass er gescannte PDFs präzise verarbeitet.
Schritt 2: Upload der gescannten PDF
Prüfen Sie zuerst die Qualität der gescannten PDF-Datei. Das Löschen von Scans erleichtert es OCR, Text präzise zu erkennen. Für beste Ergebnisse scannen Sie mit einer Auflösung von mindestens 300 DPI.
Stellen Sie außerdem sicher, dass die gescannten Seiten löschen, lesbaren Text, minimales visuelles Rauschen und einen guten Kontrast zwischen Text und Hintergrund aufweisen. Sobald Sie mit der Scan-Qualität zufrieden sind, führen Sie den Upload der gescannten PDF-Datei zum Übersetzer durch.
Schritt 3: Die Quelle und die Zielsprachen auswählen
Wählen Sie die Ausgangssprache des gescannten PDFs und die Zielsprachen aus, in die es übersetzt werden soll. Sie können mehrere Zielsprachen auswählen, und Smartcat übersetzt das PDF in alle davon.
Schritt 4: Auf Übersetzen klicken
Klicken Sie weiter auf die Schaltfläche „Übersetzen“. Smartcat verwendet OCR, um den Text und die Formatierung in den gescannten Seiten zu erkennen, extrahiert diese und übersetzt den Text anschließend mithilfe von KI.
Schritt 5: Überprüfen Sie die Übersetzung im Smartcat-Editor
Sobald die KI-Übersetzung fertig ist, überprüfen Sie den übersetzten Inhalt.
Für gescannte PDFs benötigen Sie zwei Ebenen von Qualitätsprüfungen:
OCR-Genauigkeit. Suchen Sie nach Fehlern bei der OCR-Erkennung. OCR verwechselt häufig bestimmte Zeichen wie 0 mit O, 1 mit I oder rn mit m, prüfen Sie daher auf diese grundlegenden Extraktions-Fehler.
Übersetzungsgenauigkeit. Überprüfen Sie die Übersetzung von Fachbegriffen, Markennamen und kulturellen Nuancen, die die KI-Übersetzung möglicherweise übersehen hat.
Schritt 6: Laden Sie Ihre übersetzte PDF-Datei herunter
Sobald Sie die Übersetzung überprüft und fertiggestellt haben, laden Sie die PDF-Dateien für jede Zielsprache herunter.
Wie man die OCR-Genauigkeit vor der Übersetzung eines gescannten PDFs verbessert
Die Übersetzungsqualität hängt teilweise von der Qualität des per Upload hochgeladenen PDFs ab. Ein löschen, hochauflösender Scan liefert bessere Ergebnisse als ein unleserlicher, niedrigauflösender.
Hier sind einige Möglichkeiten, um bessere OCR-Ergebnisse zu erzielen:
1. Verwenden Sie hochauflösende Scans
Die Scanauflösung beeinflusst die OCR-Genauigkeit und somit die Qualität der Übersetzung erheblich. Niedrige Auflösungen erschweren die Textextraktion und führen zu Fehlern.
Eine gute Scanauflösung beginnt bei 300 DPI. Stellen Sie daher sicher, dass Ihr gescanntes PDF diesen Wert erfüllt. Wiederholte Kompression verringert die Auflösung noch weiter, vermeiden Sie sie daher.
2. Schiefe Seiten gerade ausrichten
Ordentlich, horizontal ausgerichteter Text verbessert die OCR-Genauigkeit. Schräg eingescannte Seiten erschweren die Erkennung von Zeichen und Zeilen, da eine Schiefstellung das gescannte Bild verzerrt.
Vermeiden Sie es, Seiten schräg einzuscannen. Halten Sie die Kamera beim Fotografieren von Dokumenten parallel zur Seite.
3. Kontrast und Beleuchtung verbessern
Für eine höhere Genauigkeit sollte die OCR in der Lage sein, die PDF-Elemente leicht vom Hintergrund zu unterscheiden.
Ein gut gescanntes PDF bedeutet dunklen Text auf einem sauberen, hellen Hintergrund. Verblasster Text, dunkle Hintergründe sowie verfärbte oder gemusterte Seiten führen zu schlechten Scans. Dasselbe ist anzuwenden auf fotografierte Dokumente: Vermeiden Sie Schatten auf dem Text.
4. Vermeiden Sie unscharfe Bilder und Bildrauschen
Verschwommene Zeichen und visuelles Rauschen verwirren die OCR und erschweren die Inhaltsextraktion. Stempel, Unterschriften, handschriftliche Anmerkungen, Knicke, Flecken und sich überlagernde visuelle Elemente beeinträchtigen alle eine genaue Erkennung.
Häufige Probleme beim Übersetzen von gescannten PDFs
Hier sind die häufigsten Probleme, auf die Sie beim Übersetzen eines gescannten PDFs stoßen könnten, und wie Sie diese beheben können.
Problem | Wahrscheinliche Ursache | Was zu tun ist |
|---|---|---|
Fehlender Text | OCR konnte einen Teil der Seite nicht erkennen | Überprüfen Sie den Scan und scannen Sie Abschnitte von geringer Qualität erneut |
Falsche Zeichen | Verschwommener Scan oder Scan mit niedriger Auflösung | Verwenden Sie eine klarere Quelle mit höherer Auflösung |
Falsche Übersetzung | OCR-Fehler oder Übersetzungsfehler | Vergleichen Sie den extrahierten Text der Quelle zuerst mit dem Scan |
Zerbrochene Tische | Komplexe Dokumentstruktur | Überprüfen Sie die Tabelle und das Layout manuell |
Nicht übersetzter Bildtext | Der Übersetzer bietet keinen Support für OCR oder Bild-Übersetzung | Verwenden Sie eine OCR-fähige Plattform für Übersetzung wie Smartcat |
Falsche Lesereihenfolge | Mehrspaltiges oder komplexes Layout | Extrahierte Segmente mit der Quelle abgleichen |
Textüberlauf | Die Übersetzung ist länger als die Quelle | Passen Sie das übersetzte Layout vor der Veröffentlichung an |
FAQs
Kann Google Translate ein gescanntes PDF übersetzen?
Google gibt an, dass Text in Bildern und gescannten PDF-Seiten zwar im Ausgabe-Dokument erscheinen kann, aber nicht übersetzt wird. Es übersetzt möglicherweise leicht erkennbaren Text in Bildern, aber es gibt keine Garantie dafür, dass Google Translate ein gescanntes PDF übersetzt.
Can ChatGPT translate a scanned PDF?
ChatGPT and other LLMs can work with scanned PDFs and translate them to a decent level. For a professional-grade PDF translation with OCR, high accuracy, and format preservation, a dedicated translator is a much better choice.
What resolution is best for OCR?
For reasonably good text detection in scanned pages, most platforms recommend a minimum resolution of 300 DPI.
Resolution is just one factor, though. Straight pages, good contrast, low visual noise, and clearly printed text also help produce better results.
Can OCR translate handwritten PDFs?
OCR übersetzt Text nicht selbst; es erkennt Text, damit ein Übersetzungssystem ihn verarbeiten kann.
Handschrift ist für OCR im Allgemeinen schwerer zu erkennen als gedruckter Text, insbesondere wenn sie kursiv oder unleserlich ist. Aber wenn die Handschrift lesbar ist, kann OCR den Text erkennen und extrahieren.
Ist es sicher, vertrauliche gescannte PDFs online per Upload hochzuladen?
Der Datenschutz hängt von der Plattform für die Übersetzung ab, auf die Sie Ihren Upload von gescannten PDFs vornehmen. Plattformen auf Unternehmensebene wie Smartcat bieten Datenverschlüsselung und andere Maßnahmen zum Schutz vertraulicher Informationen in Dokumenten nach dem Upload.
Achten Sie beim Upload gescannter PDFs mit sensiblen Daten also auf eine zuverlässige Plattform für Übersetzung wie Smartcat.
