DeepL và ChatGPT để dịch tài liệu: Đầu ra tệp, bảng thuật ngữ và đánh giá

Hầu hết các so sánh DeepL và ChatGPT đều dán cùng một câu vào cả hai công cụ và chấm điểm kết quả. Điều đó trả lời một câu hỏi ở cấp độ câu. Nếu bạn có cả một tài liệu, sự khác biệt đầu tiên là những gì bạn nhận lại. Tính năng dịch tệp của DeepL trả về một bản sao đã dịch của tệp bạn gửi ở cùng định dạng. ChatGPT đọc tệp của bạn và theo mặc định, trả lời bằng văn bản trong cuộc trò chuyện. Nó có thể đề nghị tạo một tệp, nhưng trang trợ giúp về tải lên của OpenAI không mô tả việc trả về một bản sao đã dịch của tệp gốc. Sự khác biệt đó quyết định phần lớn những gì tiếp theo: liệu tiêu đề, bảng, chú thích và nhận xét có được giữ lại hay không, cách bạn thực thi thuật ngữ, và thời gian đánh giá của bạn đi đâu.

Câu trả lời ngắn gọn, được kiểm tra vào ngày 21 tháng 10 năm 2026:

• Dùng DeepL khi sản phẩm bàn giao chính là tài liệu (một tệp DOCX, PPTX hoặc PDF mà ai đó sẽ mở và sử dụng), nó phù hợp với giới hạn mỗi tệp của gói bạn dùng, và bạn có thể thực thi thuật ngữ bằng bảng thuật ngữ.
• Dùng ChatGPT khi sản phẩm bàn giao là sự hiểu biết hoặc một quyết định: tóm tắt một tài liệu tiếng nước ngoài, các cách diễn đạt thay thế cho một đoạn khó, thảo luận thuật ngữ, hoặc ý kiến thứ hai về bản dịch bạn đã có.
• Dùng cả hai cho những tài liệu quan trọng nhất: dịch tệp bằng công cụ dịch tệp, sau đó chỉ đưa những đoạn khó đến ChatGPT để đánh giá.

Chúng tôi không tổ chức một cuộc thi chất lượng cho bài viết này, và chúng tôi không tuyên bố người thắng cuộc về chất lượng dịch. Phần so sánh dưới đây đề cập đến cơ chế. Những điều này được ghi lại trên các trang trợ giúp của từng nhà cung cấp và chúng thay đổi ít thường xuyên hơn chất lượng mô hình. Ở cuối có một bài kiểm tra DOCX nhỏ mà bạn có thể chạy trên cả hai công cụ với tài khoản của riêng bạn.

Mỗi công cụ làm gì với một tài liệu được tải lên

Hai hàng quan trọng nhất khi bạn lựa chọn.

Hàng đầu ra. Bản dịch tệp của DeepL giữ nguyên tệp gốc xung quanh văn bản của bạn. Kiểu dáng, bảng và cấu trúc tài liệu có trong bản sao trả về, vì vậy việc đánh giá của bạn chủ yếu là về ngôn ngữ. Câu trả lời của ChatGPT là văn bản. Để có được một tài liệu, ai đó phải đưa văn bản đó trở lại bố cục gốc. Chính quá trình tái tạo đó là nơi cấu trúc bị mất, như thử nghiệm dưới đây cho thấy. Trang tải lên của ChatGPT mô tả việc làm việc với nội dung của tệp (tóm tắt, so sánh, trích xuất, viết lại một tài liệu ngắn). Nó không mô tả việc trả về một bản sao đã dịch của tệp gốc.

Hàng hình ảnh. Nếu PDF của bạn là bản quét, hoặc nội dung quan trọng nằm trong hình ảnh, ChatGPT trên hầu hết các gói sẽ đọc lớp văn bản số và bỏ qua hình ảnh nhúng. Một PDF quét không có lớp văn bản sẽ khiến nó gần như không có gì để xử lý. Trong trường hợp đó, hãy đọc Trích xuất văn bản PDF so với OCR trước và chọn một công cụ chạy OCR.

Giới hạn: những giới hạn bạn thực sự gặp phải

Đối với DeepL, giới hạn ký tự mỗi tệp thường quyết định trước khi kích thước tệp làm vậy. Một tài khoản DeepL miễn phí chấp nhận 100.000 ký tự mỗi tệp Word hoặc PDF. Gói Pro Individual và Team chấp nhận 1 triệu, và gói API Developer chấp nhận 500.000. Một cuốn sách đầy đủ vượt quá giới hạn miễn phí, vì vậy nó phải được chia nhỏ, và mỗi phần sử dụng một trong số các bản dịch tệp hàng tháng của bạn. Hướng dẫn về giới hạn dịch tài liệu DeepL của chúng tôi phân tích một cuốn sách 400 trang trên từng gói, bao gồm mức phí tối thiểu 50.000 ký tự mỗi PDF hoặc DOCX của API.

Cũng lưu ý: trên DeepL, một tệp được dịch bằng tài khoản miễn phí (không có đăng ký) sẽ trả về không thể chỉnh sửa. Bài viết về định dạng tệp nói rằng bạn cần gói Pro để chỉnh sửa tệp đã dịch. Nếu bạn định sửa đầu ra trong Word, hãy thử nghiệm với gói bạn sẽ thực sự sử dụng.

Đối với ChatGPT, giới hạn tải lên khá rộng rãi: 512 MB mỗi tệp và 2 triệu token mỗi tài liệu văn bản. Giới hạn tải lên không phải là ràng buộc. Ràng buộc là bản dịch trả về dưới dạng các câu trả lời trò chuyện, và một tài liệu dài đồng nghĩa với nhiều lượt, mà sau đó bạn phải lắp ghép và kiểm tra các khoảng trống. Đó là một chi phí quy trình làm việc mà bạn sẽ không thấy trên bất kỳ trang giới hạn nào, và nó tăng theo độ dài tài liệu. Hướng dẫn dịch bằng ChatGPT đề cập đến những điểm không ổn định đối với toàn bộ cuốn sách.

Bảng thuật ngữ: được thực thi trên tệp so với được yêu cầu trong lời nhắc

Thuật ngữ là nơi hai công cụ khác biệt nhất, và các bài kiểm tra cấp độ câu hoàn toàn bỏ qua điều này.

Trên DeepL, bảng thuật ngữ là một danh sách thuật ngữ được gắn vào bản dịch. Bạn có thể áp dụng tối đa năm bảng thuật ngữ cho một bản dịch tệp. Tải lên một bảng thuật ngữ hiện có dưới dạng CSV hoạt động trên các gói Team, Business và Enterprise (và các gói Advanced và Ultimate cũ), theo trang tải lên bảng thuật ngữ của DeepL. Định dạng là hai cột mỗi dòng, ví dụ seat,Lizenz. Cặp ngôn ngữ của bảng thuật ngữ phải khớp với bản dịch bạn đang chạy.

Trên ChatGPT, bạn có được hiệu ứng tương tự bằng cách viết danh sách thuật ngữ vào hướng dẫn của mình ("dịch seat thành Lizenz, không bao giờ là Sitz"). Điều này linh hoạt: bạn có thể giải thích tại sao một thuật ngữ được cố định, cung cấp ngữ cảnh và yêu cầu mô hình gắn cờ bất kỳ câu nào mà thuật ngữ không phù hợp. Nhưng hướng dẫn là một yêu cầu, không phải một quy tắc ràng buộc, và trong một cuộc trò chuyện dài, bạn phải kiểm tra xem nó có được tuân thủ không. Dù bạn dùng công cụ nào, hãy kiểm tra thuật ngữ sau khi dịch. Bộ công cụ kiểm tra dưới đây sẽ đếm chúng cho bạn.

Nếu bạn chưa có danh sách thuật ngữ, hãy bắt đầu với xây dựng bảng thuật ngữ dịch. Nó giúp ích cho cả hai công cụ.

Một bài kiểm tra chuyển đổi DOCX bạn có thể chạy trên cả hai công cụ

Thay vì một điểm chất lượng, chúng tôi đã tạo một tệp nhỏ cho thấy bản dịch tài liệu có thể sai ở đâu, và một tập lệnh kiểm tra những gì trả về. Mọi thứ chạy với thư viện chuẩn của Python.

• make_docx_fixture.py tạo docx-roundtrip-source.docx: một hướng dẫn quản trị tiếng Anh một trang với hai cấp tiêu đề, một bảng 3×3, một thuật ngữ in đậm, một siêu liên kết, một chú thích cuối trang, một nhận xét của người đánh giá, một tiêu đề đầu trang và một chân trang.
• glossary-en-de.csv chứa ba thuật ngữ Anh→Đức với một cái bẫy đã biết: seat ở đây có nghĩa là giấy phép người dùng trả phí, nên phải là Lizenz, không phải Sitz. Tệp sử dụng bố cục tải lên hai cột của DeepL.
• check_docx_roundtrip.py so sánh tệp nguồn và tệp đã dịch. Nó đếm 12 đặc điểm cấu trúc và so sánh số lượng thuật ngữ trong bảng thuật ngữ.

Để kiểm tra xem chính công cụ kiểm tra có hoạt động không, chúng tôi đã tạo một ví dụ dựng sẵn, docx-roundtrip-pasted-example.docx (được tạo bởi make_pasted_example.py). Nó chứa bản dịch tiếng Đức của chính chúng tôi cho trang này, được dán dưới dạng các đoạn văn thuần vào một tài liệu mới. Đó là cách văn bản sao chép từ cửa sổ trò chuyện thường rơi vào Word. Đây không phải là đầu ra từ DeepL hay ChatGPT. Trong một câu, chúng tôi cố ý viết Sitz. Kết quả kiểm tra đã ghi lại:

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

Tất cả văn bản nội dung đều có, nhưng cả 12 đặc điểm cấu trúc đều biến mất. Các hàng thuật ngữ cũng bị gắn cờ, và vì những lý do khác nhau. Lizenz thiếu hai: một seat đã thành Sitz, và chú thích chứa một seat khác đã mất. Arbeitsbereich thiếu một vì phần đầu trang bị mất, và Administrator thiếu một vì phần chân trang bị mất. Đó chính là mục đích của bài kiểm tra: một tài liệu có thể đọc hoàn toàn trôi chảy mà vẫn là sản phẩm sai.

Để chạy nó trên các công cụ thực:

1. Chạy python3 make_docx_fixture.py (hoặc tải tệp nguồn xuống).
2. DeepL: tải tệp DOCX lên công cụ dịch tệp, chọn Anh→Đức, áp dụng bảng thuật ngữ nếu gói của bạn cho phép, và tải kết quả xuống.
3. ChatGPT: tải lên cùng tệp DOCX và yêu cầu bản dịch tiếng Đức sử dụng ba thuật ngữ trong bảng thuật ngữ. Lưu kết quả theo cách bạn thực sự sẽ giao, dù đó là tệp ChatGPT cung cấp hay văn bản dán vào Word.
4. Chạy python3 check_docx_roundtrip.py docx-roundtrip-source.docx <translated>.docx glossary-en-de.csv trên từng kết quả.

Script đếm cấu trúc, không đánh giá chất lượng. Hãy đọc cả hai đầu ra nữa. Một tệp vượt qua mọi hàng vẫn có thể chứa bản dịch sai, và kiểm tra thuật ngữ khớp theo chuỗi con, nên một từ ghép tiếng Đức như Administratorlizenz được tính cho Lizenz và có thể che giấu một thuật ngữ bị thiếu. Hãy coi cờ thuật ngữ, hoặc việc không có cờ, là nơi cần xem xét, không phải là phán quyết.

Công cụ nào cho tài liệu nào

Quy trình kết hợp cho các tài liệu quan trọng: dịch tệp bằng một công cụ trả về tệp. Sau đó tìm những đoạn mà ý nghĩa còn nghi ngờ: định nghĩa, cảnh báo, chơi chữ, bất cứ điều gì người đọc sẽ hành động dựa trên đó. Chỉ mang những đoạn đó đến ChatGPT cùng với văn bản gốc và bản dịch. Yêu cầu một danh sách các vấn đề trước khi yêu cầu viết lại, để bạn có thể thấy những gì đã thay đổi và tại sao. Hướng dẫn hậu biên tập chỉ cách lập kế hoạch cho việc đánh giá này.

Khi tài liệu là cả một cuốn sách

Cả hai công cụ đều là đa năng. Đối với một cuốn sách đầy đủ, các vấn đề thực tế là những vấn đề ở trên nhưng ở quy mô lớn hơn: giới hạn mỗi tệp và số lượng tệp hàng tháng trên DeepL, và nhiều lượt hội thoại để lắp ghép trên ChatGPT. Việc giữ nhất quán tên và thuật ngữ xuyên suốt các chương cũng khó khăn ở cả hai.

BookTranslator được xây dựng cho trường hợp đó. Bạn tải lên toàn bộ EPUB, DOCX hoặc PDF và nhận lại một tệp đã dịch. Đối với các tác vụ EPUB và DOCX, bạn có thể bật tính năng tự động tạo bảng thuật ngữ theo dõi tên và các thuật ngữ chính xuyên suốt cuốn sách (tính năng này không khả dụng cho các tác vụ PDF). Giá được tính dựa trên số từ, và bạn thấy giá cuối cùng trước khi thanh toán. Đây không phải là sự thay thế cho việc đánh giá đối với văn bản quan trọng, và bạn vẫn phải kiểm tra kết quả: kịch bản dịch vòng ở trên cũng hoạt động trên các tệp DOCX khác, bao gồm cả đầu ra của BookTranslator. Nếu tệp của bạn là tài liệu Word, hãy bắt đầu tại công cụ dịch DOCX. Đối với PDF, hãy sử dụng công cụ dịch PDF. Để giữ nguyên bố cục Word nói chung, xem dịch tài liệu Word mà không làm mất định dạng.