DeepL مقابل ChatGPT لترجمة المستندات: إخراج الملفات، وقوائم المصطلحات، والمراجعة

معظم مقارنات DeepL مقابل ChatGPT تلصق الجمل نفسها في كلا الأداتين وتقيّم النتائج. هذا يجيب عن سؤال على مستوى الجملة. إذا كان لديك مستند كامل، فإن أول فرق هو ما تحصل عليه في المقابل. تُرجع ترجمة الملفات من DeepL نسخة مترجمة من ملفك بالتنسيق نفسه. يقرأ ChatGPT ملفك، وبشكل افتراضي، يجيب بنص في المحادثة. قد يعرض إنشاء ملف، لكن صفحة المساعدة الخاصة بالتحميلات من OpenAI لا تصف إرجاع نسخة مترجمة من ملفك الأصلي. هذا الفرق الواحد يحدد معظم ما يلي: ما إذا كانت العناوين والجداول والحواشي والتعليقات ستبقى، وكيف تفرض المصطلحات، وأين يذهب وقت مراجعتك.

إجابة مختصرة، كما تم التحقق منها في 21 أكتوبر 2026:

• استخدم DeepL عندما يكون المُخرَج هو المستند نفسه (ملف DOCX أو PPTX أو PDF سيفتحه شخص ما ويستخدمه)، ويناسب حدود كل ملف في خطتك، ويمكنك فرض المصطلحات باستخدام قائمة مصطلحات.
• استخدم ChatGPT عندما يكون المُخرَج هو الفهم أو اتخاذ قرار: ملخص لمستند بلغة أجنبية، أو صياغات بديلة لفقرة صعبة، أو مناقشة مصطلحات، أو رأي ثانٍ في ترجمة لديك بالفعل.
• استخدم كليهما للمستندات الأكثر أهمية: ترجم الملف باستخدام أداة ملفات، ثم خذ فقط المقاطع الصعبة إلى ChatGPT للمراجعة.

لم نجرِ مسابقة جودة لهذا المقال، ولا نسمّي فائزًا في جودة الترجمة. تغطي المقارنة أدناه الجوانب الآلية. هذه موثقة في صفحات المساعدة الخاصة بكل بائع، وهي تتغير أقل من جودة النموذج. في النهاية يوجد اختبار DOCX صغير يمكنك تشغيله على كلتا الأداتين باستخدام حساباتك الخاصة.

ما تفعله كل أداة بمستند تم تحميله

صفان هما الأهم عند الاختيار.

صف المخرجات. تحتفظ ترجمة ملف DeepL بالملف الأصلي حول نصك. توجد الأنماط والجداول وبنية المستند في النسخة المُعادة، لذا تكون مراجعتك في الغالب متعلقة باللغة. أما رد ChatGPT فهو نص. للحصول على مستند، يجب على شخص ما إعادة إدراج ذلك النص في التصميم الأصلي. في إعادة البناء هذه تضيع البنية، كما يوضح الاختبار أدناه. تصف صفحة التحميلات في ChatGPT العمل مع محتويات الملف (التلخيص، المقارنة، الاستخراج، إعادة كتابة مستند قصير). ولا تصف إعادة نسخة مترجمة من الملف الأصلي.

صف الصور. إذا كان ملف PDF الخاص بك عبارة عن مسح ضوئي، أو كان المحتوى الأساسي في الصور، فإن ChatGPT في معظم الخطط يقرأ طبقة النص الرقمي ويتخطى الصور المضمنة. ملف PDF الممسوح ضوئيًا بدون طبقة نصية لا يمنحه تقريبًا أي شيء للعمل به. في هذه الحالة، اقرأ أولاً استخراج النص من PDF مقابل OCR واختر أداة تقوم بتشغيل OCR.

الحدود: أيها ستصل إليه فعلاً

بالنسبة لـ DeepL، عادةً ما يحدد الحد الأقصى لعدد الأحرف لكل ملف الأمر قبل حجم الملف. يقبل حساب DeepL المجاني 100,000 حرف لكل ملف Word أو PDF. وتقبل خطتا Pro Individual وTeam مليون حرف، وتقبل خطة API Developer 500,000 حرف. يتجاوز الكتاب كامل الطول الحد الأقصى المجاني، لذا يجب تقسيمه، ويستهلك كل جزء إحدى ترجمات الملفات الشهرية الخاصة بك. يعمل دليل حدود ترجمة المستندات في DeepL على كتاب من 400 صفحة في كل خطة، بما في ذلك الحد الأدنى لرسوم واجهة API البالغ 50,000 حرف لكل ملف PDF أو DOCX.

لاحظ أيضًا: في DeepL، يعود الملف المترجم بحساب مجاني (بدون اشتراك) غير قابل للتحرير. تنص مقالة تنسيقات الملفات على أنك تحتاج إلى خطة Pro لتحرير الملف المترجم. إذا كنت تخطط لتصحيح المخرجات في Word، فاختبر بالخطة التي ستستخدمها فعلاً.

بالنسبة لـ ChatGPT، حدود التحميل سخية: 512 ميغابايت لكل ملف و2 مليون رمز لكل مستند نصي. حد التحميل ليس القيد. القيد هو أن الترجمة تعود كردود دردشة، والمستند الطويل يعني العديد من الأدوار، والتي عليك بعد ذلك تجميعها والتحقق من وجود فجوات. هذه تكلفة سير عمل لن تراها في أي صفحة حدود، وتزداد مع طول المستند. يغطي دليل ChatGPT للترجمة أين ينكسر هذا مع الكتب الكاملة.

قوائم المصطلحات: مفروضة على ملف مقابل مطلوبة في موجه

المصطلحات هي المجال الذي يختلف فيه الأداتان أكثر، وتفوّتها اختبارات مستوى الجملة تمامًا.

في DeepL، قائمة المصطلحات هي قائمة مصطلحات مرتبطة بالترجمة. يمكنك تطبيق ما يصل إلى خمس قوائم مصطلحات على ترجمة ملف. تحميل قائمة مصطلحات موجودة كملف CSV يعمل في خطط Team وBusiness وEnterprise (والخطط القديمة Advanced وUltimate)، وفقًا لـ صفحة تحميل قوائم المصطلحات من DeepL. التنسيق هو عمودان لكل سطر، على سبيل المثال seat,Lizenz. يجب أن يتطابق زوج اللغات في قائمة المصطلحات مع الترجمة التي تشغلها.

في ChatGPT، تحصل على نفس التأثير بكتابة قائمة المصطلحات في تعليماتك ("ترجم seat إلى Lizenz، وليس Sitz أبدًا"). هذا مرن: يمكنك شرح سبب تثبيت مصطلح ما، وإعطاء سياق، وطلب من النموذج الإشارة إلى أي جملة لا يتناسب معها المصطلح. لكن التعليمات طلب، وليست قاعدة ملزمة، وعلى مدى محادثة طويلة عليك التحقق من أنها ظلت قائمة. أيًا كانت الأداة التي تستخدمها، تحقق من المصطلحات بعد الترجمة. تحسبها لك مجموعة الاختبار أدناه.

إذا لم تكن لديك قائمة مصطلحات بعد، فابدأ بـ بناء قائمة مصطلحات للترجمة. فهي تساعد كلا الأداتين.

اختبار ذهاب وإياب لملف DOCX يمكنك تشغيله على كلتا الأداتين

بدلاً من درجة جودة، أنشأنا ملفًا صغيرًا يوضح أين يمكن أن تخطئ ترجمة المستندات، ونصًا برمجيًا يتحقق مما عاد. كل شيء يعمل باستخدام مكتبة Python القياسية.

• يبني make_docx_fixture.py الملف docx-roundtrip-source.docx: دليل إداري إنجليزي من صفحة واحدة بمستويين من العناوين، وجدول 3×3، ومصطلح غامق، وارتباط تشعبي، وحاشية، وتعليق مراجع، ورأس وتذييل.
• يحتوي glossary-en-de.csv على ثلاثة مصطلحات من الإنجليزية إلى الألمانية مع فخ معروف: seat تعني هنا ترخيص مستخدم مدفوع، لذا ينبغي أن تكون Lizenz وليس Sitz. يستخدم الملف تخطيط الرفع ثنائي الأعمدة الخاص بـ DeepL.
• يقارن check_docx_roundtrip.py الملف المصدر بملف مترجم. يحصي 12 سمة بنيوية ويقارن عدد مصطلحات المسرد.

للتحقق من أن أداة الفحص نفسها تعمل، أنشأنا مثالاً مُصطنعاً، docx-roundtrip-pasted-example.docx (بُني بواسطة make_pasted_example.py). يحتوي على ترجمتنا الألمانية للصفحة، ملصقة كفقرات عادية في مستند جديد. هكذا عادةً ما يستقر النص المنسوخ من نافذة دردشة في Word. إنه ليس ناتجاً من DeepL أو ChatGPT. في جملة واحدة كتبنا Sitz عن قصد. مخرجات الفحص المسجلة:

structure                   source  output  result
paragraphs                      15       9  CHANGED
heading paragraphs               3       0  CHANGED
tables                           1       0  CHANGED
table cells                      9       0  CHANGED
bold runs                        1       0  CHANGED
hyperlinks                       1       0  CHANGED
external link targets            1       0  CHANGED
footnote references              1       0  CHANGED
footnote texts                   1       0  CHANGED
comments                         1       0  CHANGED
header text present              1       0  CHANGED
footer text present              1       0  CHANGED

glossary terms: source count -> target count in output
  workspace -> Arbeitsbereich: 6 -> 5, untranslated 0  check
  seat -> Lizenz: 8 -> 6, untranslated 0  check
  admin -> Administrator: 7 -> 6, untranslated 0  check

12 structure row(s) changed

كل نص المتن موجود، لكن جميع السمات البنيوية الـ12 مفقودة. صفوف المسرد مُعلَّمة أيضاً، ولأسباب مختلفة. Lizenz ناقصة بمقدار اثنين: أصبحت إحدى seat Sitz، والحاشية التي احتوت seat أخرى مفقودة. Arbeitsbereich ناقصة بمقدار واحد لأن الترويسة فُقدت، وAdministrator ناقصة بمقدار واحد لأن التذييل فُقد. هذا هو مغزى الاختبار: يمكن أن يُقرأ المستند جيداً تماماً ومع ذلك يكون المُخرَج النهائي خاطئاً.

لتشغيله على الأدوات الحقيقية:

1. شغّل python3 make_docx_fixture.py (أو نزّل الملف المصدر).
2. DeepL: ارفع ملف DOCX في مترجم الملفات، اختر الإنجليزية→الألمانية، طبّق المسرد إذا كانت خطتك تسمح بذلك، ونزّل النتيجة.
3. ChatGPT: ارفع نفس ملف DOCX واطلب ترجمة ألمانية تستخدم مصطلحات المسرد الثلاثة. احفظ النتيجة بالطريقة التي ستسلّمها بها فعلاً، سواء كان ذلك ملفاً يقدمه ChatGPT أو نصاً ملصقاً في Word.
4. شغّل python3 check_docx_roundtrip.py docx-roundtrip-source.docx <translated>.docx glossary-en-de.csv على كل نتيجة.

يحصي السكربت البنية، لا الجودة. اقرأ كلا المخرجين أيضاً. يمكن أن يحتوي ملف يجتاز كل صف على ترجمة خاطئة، وفحص المسرد يطابق السلاسل الفرعية، لذا فإن مركباً ألمانياً مثل Administratorlizenz يُحتسب لصالح Lizenz ويمكن أن يخفي مصطلحاً مفقوداً. تعامل مع علامة المسرد، أو غيابها، كمكان للبحث، لا كحكم نهائي.

أي أداة لأي مستند

سير العمل المدمج للمستندات المهمة: ترجم الملف بأداة تعيد الملف. ثم ابحث عن المقاطع التي يكون المعنى فيها موضع شك: التعريفات، والتحذيرات، والتلاعب اللفظي، وأي شيء سيتصرف القارئ بناءً عليه. خذ هذه فقط إلى ChatGPT مع النص المصدر والنص المترجم. اطلب قائمة بالمشكلات قبل أن تطلب إعادة الصياغة، حتى ترى ما تغير ولماذا. يوضح دليل التحرير اللاحق كيفية التخطيط لهذه المراجعة.

عندما يكون المستند كتابًا كاملًا

كلتا الأداتين عامتا الغرض. بالنسبة لكتاب كامل، فإن المشكلات العملية هي المذكورة أعلاه على نطاق أوسع: حدود كل ملف وعدد الملفات الشهرية في DeepL، والجولات العديدة في المحادثة للتجميع في ChatGPT. كما أن الحفاظ على اتساق الأسماء والمصطلحات عبر الفصول أمر صعب في كلتا الأداتين.

BookTranslator مصمم لهذه الحالة. ترفع ملف EPUB أو DOCX أو PDF كاملًا وتحصل على ملف مترجم. لمهام EPUB وDOCX يمكنك تفعيل مسرد تلقائي يتتبع الأسماء والمصطلحات الرئيسية عبر الكتاب (غير متاح لمهام PDF). يعتمد التسعير على عدد الكلمات، وترى السعر النهائي قبل الدفع. إنه ليس بديلاً عن المراجعة للنصوص عالية المخاطر، وما زلت تتحقق من النتيجة: يعمل سكريبت الذهاب والإياب أعلاه على ملفات DOCX أخرى أيضًا، بما في ذلك مخرجات BookTranslator. إذا كان ملفك مستند Word، فابدأ من مترجم DOCX. بالنسبة لملف PDF، استخدم مترجم PDF. للحفاظ على تخطيط Word سليمًا بشكل عام، راجع ترجمة مستند Word دون فقدان التنسيق.