Cómo traducir un PDF manteniendo el formato

Respuesta rápida: Preserve la estructura significativa del documento, no cada coordenada

Para traducir un PDF sin perder el formato, primero determine si contiene texto seleccionable, imágenes escaneadas o ambos. Luego, pruebe la página representativa más difícil con un traductor de PDF consciente del diseño antes de procesar el archivo completo. Revise por separado el orden de lectura, el desbordamiento de texto, las tablas, las etiquetas de gráficos, las notas al pie, las fuentes y el texto de derecha a izquierda.

El objetivo no es lograr una identidad píxel por píxel. Una traducción puede mover un salto de línea o agregar una página y aun así preservar el documento correctamente. Falla cuando la información desaparece, se mueve a la fila incorrecta de una tabla, se vuelve ilegible o pierde su relación con un pie de foto, una nota al pie o un elemento visual.

Utilice esta tabla de decisiones como punto de partida:

Este es el flujo de trabajo central para la categoría de traducción de PDF. Si está eligiendo entre productos en lugar de diagnosticar un archivo, comience con la comparación de traductores de PDF. Si no puede seleccionar ningún texto, vaya directamente al flujo de trabajo de PDF escaneado y OCR.

Qué debe significar realmente «mantener el formato»

La preservación del formato no es una función simple de éxito o fallo. Tiene al menos cinco capas:

1. Completitud del contenido: cada párrafo, etiqueta, advertencia, número y nota significativa permanece presente.
2. Estructura lógica: los encabezados, las listas, las celdas de las tablas, los pies de foto, las notas al pie y el orden de lectura siguen expresando las mismas relaciones.
3. Jerarquía visual: los títulos siguen viéndose como títulos, los pies de foto siguen siendo subordinados y los objetos relacionados se mantienen agrupados.
4. Soporte de escritura: las fuentes elegidas contienen los glifos de destino, y la direccionalidad y la puntuación se representan correctamente.
5. Usabilidad de la página: el resultado sigue siendo legible a un tamaño normal sin recortes, superposiciones ni reducción indiscriminada de fuentes.

La documentación de PDF de Adobe describe el contenido visible de una página como una lista de objetos y operaciones de marcado, no como una secuencia de párrafos editables al estilo de Word. También distingue la estructura lógica de un documento de su ubicación visual. Esa distinción explica por qué un PDF puede verse correcto mientras que el texto copiado, el orden de accesibilidad o el orden de traducción son erróneos. Consulte la documentación de Adobe sobre contenido de páginas PDF y estructura lógica en PDF etiquetados.

La regla práctica es sencilla: compare el documento traducido al nivel de las relaciones, no solo mediante capturas de pantalla.

Una prueba de estrés de diseño de PDF reproducible

Creamos una prueba de estrés de traducción de diseño de PDF sintética de dos páginas para poder probar las partes difíciles de un PDF sin necesidad de usar documentos de clientes. Es un PDF A4 etiquetado con nombres y cifras inventadas. Es una herramienta de prueba, no un punto de referencia de ningún proveedor ni una prueba de que alguna herramienta produzca una traducción precisa.

Pruebas de la página 1:

• orden de lectura de dos columnas;
• una tabla con una celda combinada;
• un número entero, un importe en moneda, un porcentaje con signo y una fórmula;
• etiquetas de gráficos cuya posición transmite significado;
• una región de texto fija deliberadamente estrecha;
• una nota al pie que debe permanecer conectada a su marcador.

La página 2 coloca texto en inglés, alemán, chino y árabe dentro de cuadros de igual tamaño. Expone cuatro problemas diferentes: expansión local, ajuste de línea, glifos faltantes y diseño bidireccional.

La guía del W3C sobre el tamaño del texto en la traducción explica por qué las etiquetas breves y las regiones muy restringidas pueden expandirse de manera desproporcionada, mientras que otras traducciones pueden contraerse. El Algoritmo Bidireccional de Unicode especifica cómo se resuelven los caracteres mezclados de izquierda a derecha y de derecha a izquierda. Ninguno de los dos problemas se puede resolver de forma fiable contando los caracteres de origen.

Descargue el archivo de prueba y ejecútelo a través de cualquier flujo de trabajo que esté considerando. Anote la herramienta, la fecha, la configuración, el idioma de origen, el idioma de destino y el archivo de salida. Esto convierte la frase «el formato se ve bien» en una prueba repetible.

Diagnostique su PDF antes de traducirlo

1. Compruebe si el texto es seleccionable

Intente seleccionar una oración y una celda de una tabla.

• Si ambas se seleccionan limpiamente, es probable que el PDF tenga una capa de texto utilizable.
• Si toda la página se selecciona como una sola imagen, necesita OCR.
• Si el texto se selecciona en pequeños fragmentos o las filas copiadas llegan desordenadas, la ubicación visual no coincide con la estructura lógica.

Adobe señala que un PDF escaneado contiene inicialmente datos de imagen en lugar de texto searchable. El OCR añade una capa seleccionable y searchable, pero Adobe también recomienda revisar los errores de reconocimiento después del procesamiento. Consulte Reconocer texto en PDF escaneados.

2. Copie una sección difícil en un editor de texto plano

Haga esto con un párrafo de dos columnas, una fila completa de una tabla y un pie de foto. Si el orden del texto pegado es incorrecto antes de la traducción, la capa de traducción comenzará a partir de la secuencia equivocada.

La documentación de la herramienta Orden de lectura de Adobe muestra que las tablas complejas, las figuras, las columnas muy juntas y los elementos de página pueden requerir reparaciones explícitas de orden y etiquetado. La fluidez no puede reparar un párrafo que se ensambló a partir de fragmentos incorrectos.

3. Elija la página representativa más difícil

No pruebe la página de título. Elija la página con más probabilidades de fallar:

• la tabla más densa;
• la barra lateral o cuadro de llamada más estrecho;
• una página de dos columnas con una nota al pie;
• un gráfico con etiquetas breves;
• una página que contenga caracteres CJK, árabe, devanagari o alfabetos mixtos;
• un escaneo con bajo contraste o inclinación.

Si la página más difícil falla, traducir 200 páginas más fáciles primero solo generará más trabajo de limpieza.

4. Anote las restricciones innegociables

Diferentes documentos requieren diferentes definiciones de «conservado».

Anote estas restricciones antes de elegir una reparación. De lo contrario, los revisores tienden a proteger la similitud visual incluso cuando esto perjudica el significado.

El flujo de trabajo integral más seguro

Paso 1: Preserve el origen y establezca una línea base

Conserve un archivo de origen intacto. Anote el recuento de páginas, el tipo de archivo, el idioma, si el PDF está etiquetado y si el texto es seleccionable. Si el documento se actualizará más adelante, guarde tanto el documento de origen original como el PDF.

Paso 2: Ejecute el OCR solo cuando sea necesario

Para páginas que solo contienen imágenes, ejecute el OCR en el idioma de origen correcto. Revise los nombres, números, puntuación, tablas, notas al pie y regiones de bajo contraste antes de la traducción. Los errores de OCR son errores previos: un sistema de traducción puede producir un resultado fluido a partir de texto reconocido incorrectamente.

La guía dedicada para PDF escaneados aborda con mayor detalle la limpieza de escaneos, la selección del idioma OCR, los caracteres sospechosos y las comprobaciones de privacidad.

Paso 3: Traduzca la página representativa

Utilice un flujo de trabajo diseñado para devolver un documento, no solo prosa traducida. Para la mayoría de los PDF con formato, esto significa cargar el archivo de prueba en BookTranslator PDF Translator, seleccionar el par de idiomas y revisar el PDF devuelto.

No evalúe únicamente el párrafo más fácil. Compare los elementos exactos enumerados en su línea base.

Paso 4: Revise la estructura antes que la redacción

Compruebe en este orden:

1. ¿Se incluyeron todas las regiones de origen?
2. ¿Es correcto el orden de lectura?
3. ¿Las filas de las tablas, las etiquetas de los gráficos, los pies de foto y las notas al pie siguen apuntando a los objetos correctos?
4. ¿Están intactos los números, nombres, unidades y fórmulas?
5. ¿Se representa correctamente el alfabeto de destino?
6. Solo entonces: ¿la traducción es fluida y precisa?

Una traducción pulida del orden de texto incorrecto sigue siendo un documento fallido.

Paso 5: Traduzca el archivo completo y muestree páginas de riesgo

Una vez que la página representativa pase la prueba, traduzca el PDF completo. Revise la primera, la mediana y la última aparición de cada estructura de riesgo en lugar de comprobar únicamente la primera página.

Para un informe largo, esto puede significar:

• la primera y la última página de dos columnas;
• la tabla más simple y la más densa;
• un gráfico cerca del principio y del final;
• cada página de advertencia;
• cada página donde cambia el alfabeto o la fuente de destino.

Paso 6: Aplique la reparación menos destructiva

Repare un problema local de forma local. No reduzca globalmente el documento solo porque un encabezado es largo.

Solucione el desbordamiento de texto sin reducir todo

El texto traducido se desborda cuando la redacción de destino ya no cabe en la geometría de la región de origen. La causa inmediata puede ser la expansión del texto, pero la restricción limitante suele ser un cuadro, una columna, una fila, una fuente o una regla de salto de línea específicos.

Aplique las reparaciones en este orden:

No dependa de un único porcentaje de expansión de idiomas. Un párrafo en alemán puede encajar mientras que un encabezado compuesto falla. La prosa en chino puede contraerse mientras que una URL sin traducir sigue desbordando una celda. El árabe puede encajar por recuento de caracteres pero fallar porque la fuente, la conformación, la puntuación o la dirección son incorrectas.

Utilice este diagnóstico:

• Recortado en un cuadro: cambie el tamaño o reorganice esa región.
• Cuadros o caracteres faltantes: reemplace o incruste una fuente con los glifos necesarios.
• Las palabras largas o URLs se niegan a ajustarse: corrija las reglas de salto de línea o separación de sílabas.
• Solo fallan los encabezados de las tablas: utilice una reparación específica para tablas.
• Los encabezados repetidos chocan en cada página: revise la plantilla de página en lugar de cada párrafo.
• Dos fragmentos se convierten en un párrafo sobredimensionado: repare el orden de lectura antes de tocar la tipografía.

Si el diseño de origen no tiene espacio para una versión fiel en el idioma de destino, unas coordenadas idénticas son el criterio de aceptación incorrecto. En su lugar, preserve la completitud, la jerarquía y la legibilidad.

Preserve tablas, gráficos, números y notas al pie

Una tabla en PDF no siempre se almacena como tal. Puede ser texto editable sobre líneas de cuadrícula, muchos fragmentos posicionados o una sola imagen. La etiqueta de un gráfico puede ser texto independiente o estar integrada en el gráfico.

Esto crea cuatro clases de fallos independientes:

Utilice una revisión de tokens protegidos para:

• números enteros y valores decimales;
• signos positivos y negativos;
• porcentajes, monedas, fechas y números de versión;
• unidades y fórmulas;
• números de tablas y figuras;
• marcadores de notas al pie y su texto calificativo.

Las convenciones locales pueden cambiar los separadores decimales o la ubicación de la moneda. La pregunta no es si cada carácter es idéntico; es si el destino representa la cantidad correcta y permanece adjunto a la etiqueta correcta.

Para cada tabla, verifique:

1. El recuento de filas y columnas sigue coincidiendo.
2. Las celdas combinadas cubren los mismos registros.
3. Cada número permanece emparejado con su etiqueta de origen.
4. Las unidades, los signos y la precisión son correctos.
5. Las notas al pie siguen calificando el valor previsto.
6. El ajuste de los encabezados no ha ocultado contenido.

Para cada gráfico, verifique que la geometría y los datos permanezcan sin cambios, que las etiquetas sigan identificando las marcas visuales correctas y que los pies de foto permanezcan adjuntos. Si las etiquetas están integradas en una imagen, utilice un OCR consciente de imágenes y vuelva a dibujarlas, o conserve el gráfico original con un pie de foto o leyenda traducidos. No estire ni recorte un gráfico para que se ajuste a etiquetas más largas.

Si una tabla financiera, científica o legal contiene aunque sea una relación de valores incorrecta, el documento falla independientemente de lo pulido que se vea.

Elija un diseño PDF bilingüe

Un PDF bilingüe es útil cuando alguien debe verificar el destino frente al origen. No es automáticamente el mejor producto final.

No alinee por saltos de línea visuales. La traducción puede dividir una oración de origen en dos oraciones de destino o combinar dos oraciones cortas. Utilice encabezados, secuencia de párrafos, números de tabla, números de figura, elementos de lista y marcadores de notas al pie como anclajes estables.

El formato lado a lado es una opción predeterminada deficiente cuando el origen ya tiene múltiples columnas, tablas densas, notas marginales o una gran expansión local. En esos casos, las páginas enfrentadas o los archivos monolingües sincronizados preservan el ancho de lectura normal y facilitan el aislamiento de los fallos.

Ambos idiomas deben seguir siendo buscables y seleccionables cuando sea posible. Verifique el orden del texto copiado, los metadatos del idioma del documento, los encabezados, las etiquetas de las tablas y las descripciones de las figuras. Si la accesibilidad es un requisito estricto, los archivos monolingües separados suelen ser más seguros que una estructura compleja de columnas alternas.

Elija la herramienta adecuada para el trabajo

Traductor de PDF dedicado

Utilice un traductor dedicado para PDF largos, con formato o destinados a clientes. Es el punto de partida correcto cuando la salida requerida es otro PDF utilizable en lugar de una transcripción de texto.

Google Translate

Utilice Google Translate para una comprensión rápida de documentos cortos y sencillos cuando el diseño no es el producto entregable. Las páginas de columnas múltiples, los escaneos, las tablas densas y la publicación final requieren un flujo de trabajo más controlado. La guía de PDF de Google Translate cubre su flujo de trabajo de documentos y los signos de fallo.

ChatGPT

Utilice ChatGPT para pasajes cortos, preparación de glosarios, decisiones de tono y revisión bilingüe. No trate una interfaz de chat como el motor de diseño de páginas para un PDF largo. El flujo de trabajo de PDF con ChatGPT incluye indicaciones que prohíben el resumen y la adición de contenido.

Convertir PDF a DOCX

Convierta primero solo si tiene la intención de editar o reconstruir el documento manualmente. La conversión puede dividir tablas, reordenar fragmentos y convertir etiquetas de gráficos en cuadros flotantes antes de que comience la traducción. Pruebe la página más difícil antes de comprometerse. Si el archivo DOCX convertido está estructuralmente limpio, continúe con el traductor de DOCX; si ya está dañado, la traducción no reparará la conversión.

Revisor humano o bilingüe

Utilice un revisor calificado para contenido legal, médico, financiero, crítico para la seguridad, académico o publicado. Un flujo de trabajo de diseño puede preservar cada cuadro mientras el significado sigue siendo incorrecto. Utilice las muestras de traducción real para ver cómo separamos la revisión del idioma de la revisión del diseño.

Lista de verificación de aceptación de traducción de PDF

Bloqueadores

• Texto faltante o recortado
• Orden de lectura incorrecto
• Párrafos o etiquetas superpuestas
• Números asignados a la fila o elemento de gráfico incorrecto
• Fórmulas, signos, unidades o referencias modificadas
• Tamaño de fuente ilegible
• Glifos del idioma de destino faltantes
• Dirección y puntuación en árabe o hebreo rotas
• Advertencias, pies de foto o notas al pie ocultas

Defectos mayores

• Ajuste de línea incómodo pero legible
• Pies de foto separados de las figuras
• Gran desviación de página inexplicable
• Tratamiento de encabezados inconsistente
• Cambios repetidos en el tamaño de fuente local
• Bloques bilingües alineados con el pasaje de origen incorrecto

Diferencias cosméticas

• Diferentes finales de línea
• Pequeños cambios en los espacios en blanco
• Un cambio modesto en el recuento de páginas con referencias corregidas
• Alturas de filas de tablas ligeramente diferentes con todo el contenido visible

Para cada página fallida, anote la página de origen, el tipo de elemento, el síntoma, la restricción limitante, la reparación y si se requiere una revisión del significado bilingüe. Ese registro de auditoría es más útil que decir «formato ajustado».

Flujo de trabajo recomendado para la mayoría de los PDF

1. Conserve un PDF de origen intacto.
2. Compruebe si el texto y las celdas de las tablas son seleccionables.
3. Ejecute el OCR solo para contenido que sea exclusivamente una imagen y luego revise los errores de reconocimiento.
4. Descargue la prueba de estrés de PDF o seleccione la página más difícil de su propio archivo.
5. Traduzca esa página representativa con PDF Translator.
6. Revise el orden de lectura, las tablas, los números, las etiquetas, las notas al pie, las fuentes y la dirección antes que la fluidez del idioma.
7. Traduzca el archivo completo solo después de que la página representativa pase la prueba.
8. Repare las restricciones locales de forma local; no reduzca globalmente el documento.
9. Mantenga el origen, el PDF traducido, la configuración, el glosario y las notas de revisión juntos para futuras revisiones.

Para ecuaciones, citas y diseños de investigación, continúe con el flujo de trabajo de traducción de artículos académicos. Si aún está decidiendo si el origen debe ser PDF o EPUB, utilice la guía de decisiones entre EPUB y PDF.