DeepL vs ChatGPT dokumentumfordításhoz: fájlkimenet, szószedetek és ellenőrzés

A legtöbb DeepL vs ChatGPT összehasonlítás ugyanazokat a mondatokat illeszti be mindkét eszközbe, és pontozza az eredményeket. Ez egy mondatszintű kérdésre ad választ. Ha egy teljes dokumentuma van, az első különbség az, hogy mit kap vissza. A DeepL fájlfordítása a fájl lefordított másolatát adja vissza ugyanabban a formátumban. A ChatGPT beolvassa a fájlt, és alapértelmezés szerint szöveggel válaszol a beszélgetésben. Felajánlhatja fájl generálását, de az OpenAI feltöltési súgója nem írja le az eredeti fájl lefordított másolatának visszaadását. Ez az egyetlen különbség dönti el a legtöbbet a következőkből: hogy a címsorok, táblázatok, lábjegyzetek és megjegyzések megmaradnak-e, hogyan érvényesíti a terminológiát, és hová kerül az ellenőrzési ideje.

Rövid válasz, 2026. október 21-i állapot szerint:

• Használja a DeepL-t, ha a szállítandó termék maga a dokumentum (egy DOCX, PPTX vagy PDF, amelyet valaki megnyit és használ), belefér a csomagja fájlonkénti korlátaiba, és szószedettel tudja érvényesíteni a kifejezéseket.
• Használja a ChatGPT-t, ha a szállítandó termék a megértés vagy egy döntés: egy idegen nyelvű dokumentum összefoglalása, egy nehéz bekezdés alternatív megfogalmazásai, terminológiai megbeszélés vagy egy már meglévő fordítás másodvéleményezése.
• Használja mindkettőt a legfontosabb dokumentumokhoz: fordítsa le a fájlt egy fájleszközzel, majd csak a nehéz részeket vigye át a ChatGPT-hez ellenőrzésre.

Ehhez a cikkhez nem tartottunk minőségi versenyt, és nem nevezünk meg győztest a fordítási minőségben. Az alábbi összehasonlítás a mechanikát tárgyalja. Ezeket az egyes szállítók saját súgóoldalai dokumentálják, és ritkábban változnak, mint a modell minősége. A végén van egy kis DOCX-teszt, amelyet mindkét eszközön lefuttathat saját fiókjaival.

Mit tesz az egyes eszközök egy feltöltött dokumentummal

Két sor számít a leginkább, amikor választasz.

A kimeneti sor. A DeepL fájlfordítás megtartja az eredeti fájlt a szöveged körül. A stílusok, a táblázatok és a dokumentum szerkezete a visszakapott példányban vannak, így az ellenőrzésed főleg a nyelvre irányul. A ChatGPT válasza szöveg. Ahhoz, hogy dokumentumot kapj, valakinek vissza kell illesztenie ezt a szöveget az eredeti elrendezésbe. Az újraépítés során vész el a szerkezet, ahogy az alábbi teszt mutatja. A ChatGPT feltöltési oldala a fájl tartalmával való munkát írja le (összefoglalás, összehasonlítás, kinyerés, rövid dokumentum átírása). Nem írja le az eredeti fájl lefordított példányának visszaadását.

A képek sora. Ha a PDF-ed szkennelt, vagy a kulcsfontosságú tartalom képekben van, a ChatGPT a legtöbb csomagban a digitális szövegréteget olvassa, és kihagyja a beágyazott képeket. Egy szövegréteg nélküli szkennelt PDF szinte semmit sem ad neki, amivel dolgozhatna. Ebben az esetben először olvasd el a PDF szövegkinyerés vs OCR cikket, és válassz egy OCR-t futtató eszközt.

Korlátok: melyeket éred el valójában

A DeepL esetében a fájlonkénti karakterkorlát általában hamarabb dönt, mint a fájlméret. Egy ingyenes DeepL-fiók Word- vagy PDF-fájlonként 100 000 karaktert fogad el. A Pro Individual és Team 1 milliót, az API Developer csomag 500 000-et. Egy teljes hosszúságú könyv túllépi az ingyenes korlátot, ezért fel kell darabolni, és minden rész felhasznál egyet a havi fájlfordításaidból. A DeepL dokumentumfordítási korlátok útmutatónk egy 400 oldalas könyvet dolgoz fel csomagonként, beleértve az API PDF- vagy DOCX-fájlonkénti 50 000 karakteres minimális díját is.

Megjegyzés: a DeepL-en az ingyenes fiókkal (előfizetés nélkül) lefordított fájl nem szerkeszthető formában jön vissza. A fájlformátumokról szóló cikk szerint a lefordított fájl szerkesztéséhez Pro csomagra van szükség. Ha Wordben szeretnéd javítani a kimenetet, tesztelj azzal a csomaggal, amelyet ténylegesen használni fogsz.

A ChatGPT esetében a feltöltési korlátok bőkezűek: fájlonként 512 MB és szöveges dokumentumonként 2 millió token. A feltöltési korlát nem jelent szűk keresztmetszetet. A szűk keresztmetszet az, hogy a fordítás csevegőválaszokként jön vissza, és egy hosszú dokumentum sok fordulót jelent, amelyeket aztán össze kell állítanod és ellenőrizned kell, nincs-e hiány. Ez olyan munkafolyamat-költség, amelyet egyetlen korlátoldalon sem látsz, és a dokumentum hosszával nő. A ChatGPT fordítási útmutató lefedi, hol törik meg ez egész könyvek esetén.

Szószedetek: fájlon kikényszerítve vs. utasításban kérve

A terminológia az, ahol a két eszköz a leginkább különbözik, és a mondatszintű tesztek ezt teljesen kihagyják.

A DeepL-en a szószedet a fordításhoz csatolt kifejezéslista. Egy fájlfordításhoz legfeljebb öt szószedetet alkalmazhatsz. A meglévő szószedet CSV-ként való feltöltése a Team, Business és Enterprise csomagokon működik (valamint a régi Advanced és Ultimate csomagokon) a DeepL szószedet-feltöltési oldala szerint. A formátum soronként két oszlop, például seat,Lizenz. A szószedet nyelvpárjának meg kell egyeznie az éppen futtatott fordítással.

A ChatGPT-n ugyanezt úgy érheted el, hogy a kifejezéslistát az utasításaidba írod („a seat szót Lizenz-nek fordítsd, soha ne Sitz-nek”). Ez rugalmas: elmagyarázhatod, miért rögzített egy kifejezés, kontextust adhatsz, és megkérheted a modellt, hogy jelezze, ha egy mondatban a kifejezés nem illik. De az utasítás kérés, nem kötelező érvényű szabály, és egy hosszú beszélgetés során ellenőrizned kell, hogy betartották-e. Bármelyik eszközt használod, fordítás után ellenőrizd a kifejezéseket. Az alábbi tesztkészlet megszámolja őket neked.

Ha még nincs kifejezéslistád, kezdd a fordítási szószedet építésével. Ez mindkét eszköznek segít.

DOCX oda-vissza teszt, amelyet mindkét eszközön futtathatsz

Minőségi pontszám helyett készítettünk egy kis fájlt, amely megmutatja, hol mehet félre egy dokumentumfordítás, és egy szkriptet, amely ellenőrzi, mi jött vissza. Minden a Python szabványos könyvtárával fut.

• A make_docx_fixture.py létrehozza a docx-roundtrip-source.docx fájlt: egy egyoldalas angol adminisztrátori útmutatót két címsorszinttel, egy 3×3-as táblázattal, egy félkövér kifejezéssel, egy hivatkozással, egy lábjegyzettel, egy lektorálási megjegyzéssel, egy fejléccel és egy lábléccel.
• A glossary-en-de.csv három angol→német kifejezést tartalmaz egy ismert csapdával: a seat itt fizetős felhasználói licencet jelent, tehát Lizenznek kell lennie, nem Sitznek. A fájl a DeepL kétoszlopos feltöltési elrendezését használja.
• A check_docx_roundtrip.py összehasonlítja a forrásfájlt és a lefordított fájlt. 12 szerkezeti jellemzőt számol meg, és összeveti a szószedet kifejezéseinek számát.

Annak ellenőrzésére, hogy maga az ellenőrző működik-e, készítettünk egy mesterséges példát, a docx-roundtrip-pasted-example.docx fájlt (amelyet a make_pasted_example.py hozott létre). Ez a saját német fordításunkat tartalmazza az oldalról, sima bekezdésekként beillesztve egy új dokumentumba. Így szokott a szöveg egy csevegőablakból a Wordbe kerülni. Ez nem a DeepL vagy a ChatGPT kimenete. Egy mondatban szándékosan Sitzet írtunk. A rögzített ellenőrzési kimenet:

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

Az összes törzsszöveg megvan, de mind a 12 szerkezeti jellemző eltűnt. A szószedet sorai is jelölve vannak, mégpedig különböző okokból. A Lizenz kettővel kevesebb: az egyik seat Sitz lett, és a másik seatet tartalmazó lábjegyzet eltűnt. Az Arbeitsbereich eggyel kevesebb, mert a fejléc elveszett, az Administrator pedig eggyel kevesebb, mert a lábléc elveszett. Ez a teszt lényege: egy dokumentum tökéletesen olvasható lehet, és mégis rossz leszállítandó termék.

A valódi eszközökön való futtatáshoz:

1. Futtassa a python3 make_docx_fixture.py parancsot (vagy töltse le a forrásfájlt).
2. DeepL: töltse fel a DOCX-et a fájlfordítónál, válassza az angol→német irányt, alkalmazza a szószedetet, ha az előfizetése engedi, és töltse le az eredményt.
3. ChatGPT: töltse fel ugyanazt a DOCX-et, és kérjen német fordítást, amely használja a három szószedet-kifejezést. Mentse el az eredményt úgy, ahogyan valóban átadná, akár egy ChatGPT által kínált fájlként, akár szövegként a Wordbe illesztve.
4. Futtassa a python3 check_docx_roundtrip.py docx-roundtrip-source.docx <translated>.docx glossary-en-de.csv parancsot minden eredményen.

A szkript a szerkezetet számolja, nem a minőséget. Mindkét kimenetet olvassa el. Egy fájl, amely minden sort teljesít, még tartalmazhat hibás fordítást, és a szószedet-ellenőrzés részstringeket egyeztet, így egy német összetétel, például az Administratorlizenz, beszámít a Lizenz alá, és elrejthet egy hiányzó kifejezést. A szószedet-jelzést, vagy annak hiányát, tekintse inkább egy helynek, ahol érdemes utánanézni, nem pedig ítéletnek.

Melyik eszköz melyik dokumentumhoz

A fontos dokumentumok kombinált munkafolyamata: fordítsd le a fájlt egy olyan eszközzel, amely visszaadja a fájlt. Ezután keresd meg azokat a részeket, ahol a jelentés bizonytalan: definíciók, figyelmeztetések, szójátékok, bármi, ami alapján az olvasó cselekedni fog. Csak ezeket vidd át a ChatGPT-hez a forrásszöveggel és a lefordított szöveggel együtt. Kérj listát a problémákról, mielőtt átírást kérnél, hogy lásd, mi változott és miért. A posztszerkesztési útmutató bemutatja, hogyan tervezd meg ezt az ellenőrzést.

Amikor a dokumentum egy egész könyv

Mindkét eszköz általános célú. Egy teljes könyv esetében a gyakorlati problémák ugyanazok, csak nagyobb léptékben: a DeepL fájlonkénti korlátai és havi fájlszámai, valamint a ChatGPT-nél az összeállításhoz szükséges sok beszélgetési kör. A nevek és kifejezések fejezeteken átívelő egységessége szintén nehéz mindkettőnél.

A BookTranslator erre az esetre készült. Feltöltöd a teljes EPUB-, DOCX- vagy PDF-fájlt, és visszakapod a lefordított fájlt. EPUB- és DOCX-feladatoknál bekapcsolhatsz egy automatikus szószedetet, amely a könyvön végig követi a neveket és kulcskifejezéseket (PDF-feladatoknál nem elérhető). Az árazás a szavak száma alapján történik, és a végleges árat a fizetés előtt látod. Nem helyettesíti a nagy téttel bíró szövegek ellenőrzését, és az eredményt továbbra is ellenőrizned kell: a fenti oda-vissza szkript más DOCX-fájlokon is működik, beleértve a BookTranslator kimenetét is. Ha a fájlod Word-dokumentum, kezdd a DOCX-fordítónál. PDF esetén használd a PDF-fordítót. A Word-elrendezés általános megőrzéséről lásd a Word-dokumentum fordítását a formázás elvesztése nélkül című cikket.