چگونه از Gemini برای ترجمه استفاده کنیم: اسناد طولانی، محدودیت‌ها و بازبینی
Gemini می‌تواند PDFهای طولانی را بخواند، اما سقف خروجی و بافت طرح آن تعیین می‌کند که چقدر می‌تواند در یک نوبت ترجمه کند. روشی برای تکه‌تکه کردن، اصطلاح‌شناسی و بازبینی اسناد طولانی.
Gemini مترجم خوبی برای پاراگراف‌ها، ایمیل‌ها و بخش‌هایی از یک سند است و می‌تواند یک PDF طولانی را یک‌جا بخواند. اما به‌عنوان تنها ابزار برای ترجمه یک کتاب کامل یا سند قالب‌بندی‌شده مناسب نیست، زیرا آنچه ترجمه طولانی را محدود می‌کند این نیست که Gemini چقدر می‌تواند بخواند. بلکه این است که چقدر می‌تواند در یک پاسخ بنویسد و آن پاسخ چه شکلی دارد: متن در یک چت، نه یک PDF، EPUB یا DOCX بازسازی‌شده.
پس از Gemini زمانی استفاده کنید که بخش سخت کار قضاوت زبانی روی مقدار قابل‌مدیریتی از متن است. برای تکه‌تکه کردن، واژه‌نامه ثابت و بررسی کامل بودن برنامه‌ریزی کنید هر زمان که سند طولانی‌تر از یک پاسخ باشد. وقتی خود فایل ترجمه‌شده را نیاز دارید، از یک گردش کار در سطح فایل استفاده کنید.
این راهنما اپلیکیشن Gemini (gemini.google.com) و API Gemini، از جمله Google AI Studio را پوشش می‌دهد. همه محدودیت‌های زیر از مستندات خود گوگل گرفته شده‌اند که در ۲۰۲۶-۱۰-۱۱ بررسی شده‌اند. گوگل اغلب آن‌ها را تغییر می‌دهد، پس قبل از برنامه‌ریزی بر اساس یک عدد، صفحات پیوندشده را بررسی کنید.
Gemini چه چیزی را می‌پذیرد، بر اساس سطح
| سطح | چه چیزی می‌توانید بارگذاری کنید | بافتی که با آن کار می‌کند | چه چیزی برمی‌گردد |
|---|---|---|---|
| اپلیکیشن Gemini، بدون طرح هوش مصنوعی | بیشتر انواع فایل، تا ۱۰ فایل در هر درخواست، ۱۰۰ مگابایت برای هر فایل غیرویدیویی | ۳۲ هزار توکن | متن چت؛ می‌توان به Google Docs صادر کرد |
| اپلیکیشن Gemini، Google AI Plus | همان قوانین بارگذاری | ۱۲۸ هزار توکن | همان |
| اپلیکیشن Gemini، AI Pro / AI Ultra | همان قوانین بارگذاری، محدودیت‌های استفاده بالاتر | ۱ میلیون توکن | همان |
| API Gemini / Google AI Studio | PDF تا ۵۰ مگابایت یا ۱٬۰۰۰ صفحه؛ سایر انواع اسناد به‌صورت متن ساده خوانده می‌شوند | بسته به مدل؛ Gemini 3 Flash (پیش‌نمایش) محدودیت ورودی ۱٬۰۴۸٬۵۷۶ توکن را فهرست می‌کند | فقط متن؛ Gemini 3 Flash (پیش‌نمایش) محدودیت خروجی ۶۵٬۵۳۶ توکن در هر پاسخ را فهرست می‌کند |
منابع: بارگذاری و تحلیل فایل‌ها در Gemini Apps، محدودیت‌ها و ارتقاهای Gemini Apps، درک اسناد در Gemini API، و صفحه مدل Gemini 3 Flash.
سه جزئیات در آن صفحات برای ترجمه بیش از پنجره زمینه تیتر مهم هستند:
- زمینه اپلیکیشن رایگان کوچک است. Google برای اپلیکیشن Gemini بدون طرح هوش مصنوعی ۳۲ هزار توکن فهرست می‌کند. قاعده سرانگشتی خودش این است که ۱۰۰ توکن حدود ۶۰ تا ۸۰ کلمه انگلیسی است، بنابراین یک پنجره ۳۲ هزار توکنی تقریباً ۱۹٬۰۰۰ تا ۲۶٬۰۰۰ کلمه انگلیسی را در خود جای می‌دهد. این باید دستورالعمل‌ها، متن مبدأ و ترجمه را با هم پوشش دهد. این یک فصل طولانی است، نه یک کتاب.
- فقط PDFها درک بصری دریافت می‌کنند. Google می‌گوید Gemini از بینایی بومی روی PDFها استفاده می‌کند و می‌تواند متن، تصاویر، نمودارها، چارت‌ها و جداول روی صفحه را درک کند. سایر انواع اسناد، مانند TXT، Markdown و HTML، «به‌صورت متن خالص استخراج می‌شوند» و زمینه قالب‌بندی آن‌ها از دست می‌رود (درک اسناد). اگر DOCX یا EPUB بارگذاری می‌کنید، فرض کنید Gemini کلمات را می‌بیند، نه چیدمان را.
- خروجی متن است. صفحه مدل Gemini 3 Flash (پیش‌نمایش) متن را به‌عنوان تنها نوع خروجی فهرست می‌کند. این اپلیکیشن می‌تواند یک پاسخ را به Google Docs صادر کند، یا یک جدول را به Sheets صادر کند (گزینه‌های صادرات). این مفید است، اما هنوز یک سند جدید ساخته‌شده از متن چت است، نه فایل اصلی شما با زبان تغییر یافته.
عددی که اندازه قطعه شما را تعیین می‌کند، محدودیت خروجی است
بیشتر توصیه‌ها درباره Gemini و اسناد طولانی به زمینه ۱ میلیون توکنی اشاره می‌کنند. برای ترجمه، آن عدد گمراه‌کننده است. خواندن یک PDF ۳۰۰ صفحه‌ای ارزان است: Google هر صفحه سند را حدود ۲۵۸ توکن می‌شمارد، بنابراین ۳۰۰ صفحه حدود ۷۷٬۴۰۰ توکن ورودی است. این به‌راحتی در یک طرح Pro یا API جا می‌شود، هرچند در پنجره ۳۲ هزار توکنی اپلیکیشن رایگان جا نمی‌شود.
با این حال، ترجمه با خلاصه‌سازی متفاوت است. پاسخ به‌اندازه متن مبدأ طولانی است. اگر محدودیت خروجی مدل ۶۵٬۵۳۶ توکن باشد، قاعده ۶۰ تا ۸۰ کلمه در هر ۱۰۰ توکن Google یک پاسخ را تقریباً به ۳۹٬۰۰۰ تا ۵۲٬۰۰۰ کلمه انگلیسی محدود می‌کند، و اغلب کمتر وقتی جا برای سرفصل‌ها، یادداشت‌ها، یا زبان مقصد غیرانگلیسی که توکن بیشتری در هر کلمه مصرف می‌کند باز می‌کنید. یک کتاب طولانی به‌راحتی از این فراتر می‌رود. کتاب در آنچه Gemini می‌خواند جا می‌شود، اما ترجمه‌اش ممکن است در آنچه Gemini در یک پاسخ می‌نویسد جا نشود.
این حساب‌وکتاب یک استنتاج از محدودیت‌های منتشرشده Google است، نه یک آزمون اندازه‌گیری‌شده. به یک قاعده عملی اشاره می‌کند: اندازه قطعه را بر اساس خروجی موردنیازتان انتخاب کنید، نه بر اساس ورودی که Gemini می‌تواند بخواند. در عمل، قطعات یک فصل یا چند هزار کلمه هر پاسخ را به‌خوبی زیر سقف نگه می‌دارند. همچنین واحد بازبینی را به‌قدری کوچک نگه می‌دارند که یک پاراگراف گم‌شده به‌راحتی قابل تشخیص باشد.
زمینه طولانی هنوز کمک می‌کند. Gemini می‌تواند کل سند را یک‌بار بخواند تا واژه‌نامه و خلاصه سبک بسازد پیش از آنکه چیزی ترجمه کنید. راهنمای زمینه طولانی خود Google نیز هشدار می‌دهد که وقتی یک درخواست باید بسیاری از موارد جداگانه را از یک زمینه بزرگ بازیابی کند، مدل «با همان دقت» یک هدف واحد عمل نمی‌کند. ترجمه یک کتاب کامل هزاران مورد را همزمان می‌خواهد. انتظار کنترل بهتر از درخواست‌های کوچک‌تر متعدد داشته باشید تا از یک درخواست غول‌آسا.
Gemini متن برمی‌گرداند، نه یک فایل قابل استفاده
پیش از انتخاب Gemini، تصمیم بگیرید «انجام‌شده» به چه معناست. این جدول کارهایی که متن تحویل‌دادنی است را از کارهایی که فایل تحویل‌دادنی است جدا می‌کند.
| آنچه در پایان نیاز دارید | فقط Gemini | مسیر بهتر |
|---|---|---|
| درک یک PDF یا فصل به زبان خارجی | مناسب: سؤال بپرسید، بخش‌های موردنیاز را ترجمه کنید | Gemini کافی است |
| متن ترجمه‌شده‌ای که در سند خودتان جای‌گذاری می‌کنید | مناسب، قطعه‌قطعه، با بررسی کامل بودن | Gemini به‌همراه چک‌لیست زیر |
| یک پیش‌نویس قابل ویرایش در Google Docs | قابل استفاده: هر پاسخ را به Docs صادر کنید، سپس سرهم‌بندی کنید | Gemini، سپس سرتیترها، جدول‌ها و تصاویر را دستی بازسازی کنید |
| همان PDF در زبانی دیگر، با چیدمان دست‌نخورده | برای این کار طراحی نشده است: خروجی متن است | یک گردش‌کار اختصاصی قالب‌بندی PDF |
| یک EPUB ترجمه‌شده کامل با فصل‌های کارآمد | برای این کار طراحی نشده است: EPUB به‌عنوان متن خوانده می‌شود | یک مترجم EPUB در سطح فایل |
| یک فایل Word ترجمه‌شده با سبک‌ها و جدول‌ها | برای این کار طراحی نشده است | یک مترجم DOCX در سطح فایل |
| یک کتاب اسکن‌شده که به‌صورت PDF ترجمه‌شده و خوانا بازگردانده می‌شود | می‌تواند تصاویر صفحه را بخواند، اما متن برمی‌گرداند | یک مترجم PDF مبتنی بر OCR که فایل ترجمه‌شده را بازسازی می‌کند |
مرز میان کارهایی است که خواندن و داوری، خودِ کار است و کارهایی که بازسازی سند، خودِ کار است. Gemini به اولی کمک می‌کند. برای دومی، ترجمه تنها نیمی از ماجراست.
چک‌لیست تکه‌بندی و انحراف اصطلاحات
این یک روش کار است، نه نتیجه یک بنچمارک. ریسک‌هایی را که Google مستند کرده (سقف خروجی، محدودیت‌های زمینه، بازیابی ضعیف‌تر چندموردی) به گام‌هایی تبدیل می‌کند که می‌توانید تکرار و بازبینی کنید. اندازه تکه را با طرح و مدل خود تطبیق دهید.
پیش از ترجمه
- منبع را ثابت کنید. از یک نسخه نهایی فایل کار کنید. تعداد صفحه یا کلمه آن را یادداشت کنید.
- سطح کار خود را انتخاب کنید. اپ رایگان: برای هر گفتگو یک فصل یا کمتر را در نظر بگیرید. اپ Pro/Ultra یا API: می‌توانید کل سند را برای تحلیل به Gemini بدهید، اما همچنان در تکه‌ها ترجمه کنید.
- روی مرزهای طبیعی تقسیم کنید. از فصل‌ها یا بخش‌ها استفاده کنید، نه شکست صفحه، تا جملات و پانویس‌ها کامل بمانند. تکه‌ها را شماره‌گذاری کنید (C01، C02، ...) و اولین و آخرین جمله هر تکه را ثبت کنید.
- ابتدا واژه‌نامه را بسازید. از Gemini بخواهید نام‌ها، مکان‌ها، اصطلاحات و اشکال خطاب مکرر را با ترجمه پیشنهادی فهرست کند. یک فرد واجد شرایط آن را تأیید کند. راهنمای یکدستی اصطلاحات پوشش می‌دهد که چه چیزی باید در واژه‌نامه باشد.
- یک پاراگراف خلاصه سبک بنویسید. مخاطب، لحن، نحوه برخورد با واحدها و نقل‌قول‌ها، و آنچه هرگز نباید ترجمه شود.
برای هر تکه
- هر قطعه را با همان سرصفحه آغاز کنید. واژه‌نامه تأییدشده و خلاصه سبک را در هر درخواست جای‌گذاری کنید. به حافظه گفتگو تکیه نکنید. یک گفتگوی جدید، محدودیت زمینه در طرح رایگان، یا رشته‌ای طولانی می‌تواند دستورهای اولیه را از دید خارج کند.
- در هر پاسخ یک قطعه شماره‌دار را ترجمه کنید. از Gemini بخواهید خروجی را با شناسه قطعه آغاز کند و با
END C07(یا شناسه متناظر) پایان دهد، تا پاسخ ناقص آشکار باشد. - طول و مرزها را بررسی کنید. تعداد پاراگراف‌ها را مقایسه کنید، سپس تأیید کنید که آخرین جمله مبدأ ترجمه شده است. نبود نشانگر
ENDیعنی پاسخ زودتر قطع شده است. همان قطعه را دوباره درخواست کنید؛ آن را از میانه ادامه ندهید. - واژه‌های جدید را ثبت کنید. اگر قطعه‌ای واژه‌ای معرفی می‌کند که در واژه‌نامه نیست، آن را اضافه کنید، تأیید کنید و در قطعه‌های بعدی به کار ببرید. نگذارید Gemini ترجمه دومی برای آن بسازد.
پس از همه قطعه‌ها
- نشانه‌های انحراف را جستجو کنید. ترجمه گردآوری‌شده را برای هر واژه واژه‌نامه و هر نام زبان مبدأ جستجو کنید. هر مورد باید از شکل تأییدشده استفاده کند. املای متفاوت و واژه‌های باقی‌مانده از زبان مبدأ رایج‌ترین نشانه‌های انحراف هستند.
- کامل بودن را تطبیق دهید. هر شناسه قطعه باید یک بار، به ترتیب و بدون تکرار حاضر باشد.
- بخش‌های پرخطر را با یک انسان بررسی کنید. از یک خواننده واجد شرایط بخواهید نام‌ها، اعداد، تاریخ‌ها، نفی و هر چیز حقوقی، پزشکی یا آماده انتشار را بررسی کند.
برنامه در برابر API، در یک خط: در برنامه مراحل ۶ تا ۸ را دستی انجام می‌دهید و دکمه خروجی به Docs مرحله گردآوری شماست. با API می‌توانید مراحل ۶ تا ۱۱ را اسکریپت کنید، اما خروجی هنوز متنی است که باید خودتان آن را به سند برگردانید.
الگویی از پرامپت که از قطعه‌بندی جان سالم به در می‌برد
همان ساختار چهاربلوکی راهنمای ترجمه با ChatGPT را به کار ببرید، با افزودن کنترل قطعه:
TASK
Translate chunk C07 from [source language] to [target language].
AUDIENCE AND PURPOSE
[Who will read it and what they need to do with it.]
CONSTRAINTS
- Apply the glossary exactly. If a term is missing, keep the source term in
[brackets] and list it after the translation as NEW TERM.
- Preserve names, numbers, dates, citations, and paragraph boundaries.
- Do not summarize, skip, or add explanations.
- Start with "C07". End with "END C07".
GLOSSARY
[approved term list]
SOURCE
[chunk text, or "pages 41–58 of the attached PDF"]
بازبینی را از ترجمه جدا نگه دارید. وقتی قطعه‌ای تمام شد، درخواست جدیدی با قطعه مبدأ، ترجمه، واژه‌نامه و یک معیار کوتاه باز کنید: حذف‌ها، افزوده‌ها، اعداد یا نام‌های تغییر‌یافته، نقض واژه‌نامه و لحن نادرست. یافته‌های Gemini چیزهایی برای بررسی هستند، نه حکم قطعی. مانند هر مدلی، ممکن است خطاها را از دست بدهد یا انتخاب‌های درست را علامت بزند.
در داستان، انحراف لحن میان فصل‌ها خطری جدا از انحراف اصطلاحات است. گردش‌کار ترجمه رمان با هوش مصنوعی کتاب‌های شخصیت‌ها و آزمون‌های لحن را پوشش می‌دهد.
پیش از بارگذاری، حریم خصوصی را بررسی کنید
آنچه بر سر سند بارگذاری‌شده می‌آید به نحوه استفاده شما از Gemini بستگی دارد:
- برنامه Gemini: گوگل می‌گوید زیرمجموعه‌ای از گفتگوها توسط بازبین‌های انسانی خوانده می‌شود و در اطلاعیه حریم خصوصی خود می‌خواهد اطلاعات محرمانه‌ای که نمی‌خواهید بازبینی ببیند وارد نکنید. خاموش کردن Keep Activity جلوی استفاده از گفتگوهای آینده برای بهبود سرویس‌های گوگل را می‌گیرد، اما گوگل می‌گوید همچنان از گفتگوها، با کمک بازبین‌های انسانی، برای محافظت از گوگل، کاربرانش و عموم استفاده می‌کند (مرکز حریم خصوصی برنامه‌های Gemini).
- API رایگان و Google AI Studio: شرایط API Gemini استفاده رایگان، از جمله استفاده مستقیم از Google AI Studio، را خدمات پرداخت‌نشده می‌داند. گوگل ممکن است از آن محتوا برای بهبود محصولاتش استفاده کند، بازبین‌های انسانی ممکن است آن را بخوانند و شرایط می‌گوید اطلاعات حساس، محرمانه یا شخصی ارسال نکنید. استفاده پرداختی از API برای بهبود محصولات گوگل به کار نمی‌رود (شرایط API Gemini).
برای قراردادها، دست‌نوشته‌های تحت NDA یا پرونده‌های مشتری، پیش از بارگذاری هر چیزی این را روشن کنید. چک‌لیست حریم خصوصی ترجمه اسناد پرسش‌هایی را فهرست می‌کند که باید از هر ابزاری، از جمله ابزار ما، بپرسید.
چه زمانی استفاده از Gemini به عنوان ابزار اصلی را متوقف کنید
Gemini ابزار درستی است وقتی می‌توانید هر خطا را ببینید و اصلاح کنید: فصلی که خواهید خواند، بخشی که برای آن گزینه می‌خواهید، واژه‌نامه‌ای که در حال تدوین آن هستید، ترجمه‌ای که در حال بازبینی آن هستید. اینکه کدام مدل برای جفت زبان شما قوی‌تر است پرسشی جداست. راهنمای بهترین LLM برای ترجمه توضیح می‌دهد چگونه این را بیازمایید به جای اعتماد به یک جدول رتبه‌بندی.
ابزار اصلی نادرستی است وقتی کار یک پرونده کامل باشد. در آن نقطه باید ده‌ها قطعه را دستی مدیریت کنید، واژه‌نامه را دوباره جای‌گذاری کنید، نشانگرهای پایان را بررسی کنید و چیدمان را خودتان بازسازی کنید. این همان کاری است که BookTranslator برای انجام آن ساخته شده است. شما PDF، EPUB، DOCX یا پرونده پشتیبانی‌شده دیگری را بارگذاری می‌کنید، این ابزار کل سند را با زمینه و واژه‌نامه‌ای یکدست ترجمه می‌کند و شما یک پرونده ترجمه‌شده پس می‌گیرید، به‌همراه نسخه دوزبانه در جایی که قالب پشتیبانی کند. برای PDFهای اسکن‌شده، حالت OCR یک PDF ترجمه‌شده پاک از محتوای شناسایی‌شده بازمی‌سازد، نه اینکه چیدمان صفحه اصلی را دقیقاً کپی کند. قیمت را پیش از پرداخت می‌بینید، پس می‌توانید پرونده را بارگذاری کنید و از همان‌جا تصمیم بگیرید. هر ابزاری که به کار می‌برید، برای هر چیز مهمی مراحل بازبینی بالا را نگه دارید.
مطالب مرتبط
