DeepL 与 ChatGPT 文档翻译对比：文件输出、术语表与审校

大多数 DeepL 与 ChatGPT 的对比都是把相同的句子粘贴到两个工具中然后给结果打分。这回答的是句子层面的问题。如果你有一整份文档，第一个区别在于你得到什么返回结果。DeepL 的文件翻译会以相同格式返回你文件的翻译副本。ChatGPT 会读取你的文件，默认在对话中以文本形式回答。 它可能会主动提出生成文件，但 OpenAI 的上传帮助文档并未描述会返回原始文件的翻译副本。这一个区别决定了后续大部分内容：标题、表格、脚注和批注能否保留，如何强制统一术语，以及你的审校时间花在哪里。

简短回答（截至 2026 年 10 月 21 日核实）：

• 使用 DeepL：当交付物就是文档本身（有人会打开使用的 DOCX、PPTX 或 PDF），且文件大小符合你所在计划的单文件限制，并且你可以用术语表强制统一术语时。
• 使用 ChatGPT：当交付物是理解或决策时：外语文档的摘要、难处理段落的替代译法、术语讨论，或对你已有译文的第二意见。
• 两者都用：对于最重要的文档，先用文件工具翻译文件，然后只把难处理的段落交给 ChatGPT 审校。

我们没有为本文举办质量竞赛，也不在翻译质量上评选赢家。下面的比较涵盖机制层面。这些内容记录在各供应商自己的帮助页面上，而且它们的变化频率低于模型质量。文末有一个小型 DOCX 测试，你可以用自己的账户在两个工具上运行。

每个工具对上传文档的处理方式

选择时，有两行最为关键。

输出行。 DeepL 文件翻译会在你的文本周围保留原始文件。样式、表格和文档结构都保留在返回的副本中，因此你的审校主要关注语言。ChatGPT 的回复是文本。要得到文档，必须有人将该文本放回原始布局。重建过程正是结构丢失的地方，如下方测试所示。ChatGPT 的上传页面描述的是处理文件内容（总结、比较、提取、重写简短文档），并未描述返回原始文件的翻译副本。

图片行。 如果你的 PDF 是扫描件，或关键内容位于图片中，大多数计划上的 ChatGPT 会读取数字文本层并跳过嵌入的图像。没有文本层的扫描 PDF 几乎无法为其提供可用内容。对于这种情况，请先阅读 PDF 文本提取与 OCR 对比，并选择运行 OCR 的工具。

限制：你实际会遇到的限制

对于 DeepL，每文件字符上限通常比文件大小更早成为决定因素。免费的 DeepL 账户每个 Word 或 PDF 文件接受 100,000 个字符。Pro Individual 和 Team 接受 100 万字符，API Developer 计划接受 500,000 字符。一本完整长度的书会超过免费上限，因此必须拆分，而每个部分都会消耗你每月文件翻译次数中的一次。我们的 DeepL 文档翻译限制指南 针对每个计划处理一本 400 页的书，包括 API 对每个 PDF 或 DOCX 的 50,000 字符最低收费。

另请注意：在 DeepL 上，使用免费账户（无订阅）翻译的文件返回后不可编辑。文件格式文章指出，你需要 Pro 计划才能编辑翻译后的文件。如果你计划在 Word 中修正输出，请使用你实际会使用的计划进行测试。

对于 ChatGPT，上传限制很宽松：每个文件 512 MB，每个文本文档 200 万 token。上传限制不是约束。约束在于翻译以聊天回复形式返回，长文档意味着多轮对话，然后你必须组装并检查是否有遗漏。这是你在任何限制页面上都看不到的工作流程成本，并且随着文档长度增加而增长。ChatGPT 翻译指南 涵盖了整本书翻译时这一流程会在哪里出问题。

术语表：在文件上强制执行 vs 在提示中请求

术语是这两个工具差异最大的地方，而句子级测试完全无法捕捉到这一点。

在 DeepL 上，术语表是附加到翻译的术语列表。你可以将最多五个术语表应用于文件翻译。根据 DeepL 的 术语表上传页面，在 Team、Business 和 Enterprise 计划（以及旧版 Advanced 和 Ultimate 计划）上可以上传现有术语表为 CSV。格式为每行两列，例如 seat,Lizenz。术语表的语言对必须与你正在运行的翻译匹配。

在 ChatGPT 上，你可以通过将术语列表写入指令来获得相同的效果（“将 seat 翻译为 Lizenz，绝不使用 Sitz”）。这很灵活：你可以解释术语固定的原因，提供上下文，并要求模型标记任何术语不适用的句子。但指令是请求，不是约束性规则，在长对话中你必须检查它是否被遵守。无论使用哪种工具，翻译后都要检查术语。下面的测试套件会为你计数。

如果你还没有术语列表，请从 构建翻译术语表 开始。它对两个工具都有帮助。

你可以在两个工具上运行的 DOCX 往返测试

我们没有采用质量评分，而是构建了一个小文件来展示文档翻译可能出错的地方，以及一个检查返回内容的脚本。一切均使用 Python 标准库运行。

• make_docx_fixture.py 构建 docx-roundtrip-source.docx：一份单页英文管理指南，包含两级标题、一个 3×3 表格、一个粗体术语、一个超链接、一个脚注、一条审阅者评论、一个页眉和一个页脚。
• glossary-en-de.csv 包含三个英译德术语，其中有一个已知的陷阱：seat 在这里指付费用户许可证，因此应译为 Lizenz，而非 Sitz。该文件采用 DeepL 的两列上传布局。
• check_docx_roundtrip.py 会比较源文件和翻译后的文件。它会统计 12 项结构特征，并比较术语表中的术语出现次数。

为了验证检查器本身是否有效，我们制作了一个构造示例 docx-roundtrip-pasted-example.docx（由 make_pasted_example.py 生成）。该文件包含我们自己对页面的德语翻译，以纯段落形式粘贴到新文档中。从聊天窗口复制出来的文本通常就是这样进入 Word 的。它不是 DeepL 或 ChatGPT 的输出。 我们故意在一个句子中写了 Sitz。记录的检查输出：

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

所有正文内容都在，但全部 12 项结构特征都丢失了。术语表行也被标记出来，原因各不相同。Lizenz 少了两个：一个 seat 变成了 Sitz，而包含另一个 seat 的脚注丢失了。Arbeitsbereich 少了一个，因为页眉丢失了；Administrator 少了一个，因为页脚丢失了。这就是测试的意义所在：一份文档可能读起来完全通顺，但仍然是错误的交付物。

要在真实工具上运行它：

1. 运行 python3 make_docx_fixture.py（或下载源文件）。
2. DeepL： 在文件翻译器中上传 DOCX，选择英语→德语，如果你的套餐允许，应用术语表，然后下载结果。
3. ChatGPT： 上传相同的 DOCX，并要求提供使用这三个术语表术语的德语翻译。以你实际交付的方式保存结果，无论是 ChatGPT 提供的文件，还是粘贴到 Word 中的文本。
4. 对每个结果运行 python3 check_docx_roundtrip.py docx-roundtrip-source.docx <translated>.docx glossary-en-de.csv。

该脚本统计的是结构，而非质量。也要阅读两个输出。一个通过所有行的文件仍可能包含错误的翻译，而且术语表检查匹配的是子字符串，因此像 Administratorlizenz 这样的德语复合词会计入 Lizenz，并可能掩盖缺失的术语。将术语表标记（或没有标记）视为需要查看的地方，而非最终结论。

哪种工具适用于哪种文档

重要文档的组合工作流：先用能返回文件的工具翻译文件。然后找出意义存疑的段落：定义、警告、文字游戏、任何读者会据此行动的内容。只把这些连同原文和译文一起交给 ChatGPT。先要求列出问题清单，再要求重写，这样你能看到改了什么以及为什么改。后期编辑指南展示了如何规划这一审校过程。

当文档是一整本书时

两个工具都是通用型的。对于整本书，实际问题就是上述问题在更大规模上的体现：DeepL 的单文件上限和每月文件数限制，以及 ChatGPT 需要多轮对话来组装。在两者中保持各章节的名称和术语一致也很困难。

BookTranslator正是为此而构建。你上传整个 EPUB、DOCX 或 PDF，然后拿回翻译后的文件。对于 EPUB 和 DOCX 任务，你可以开启自动术语表，它会跟踪整本书中的名称和关键术语（PDF 任务不可用）。定价基于字数，付款前你会看到最终价格。它不能替代对高风险文本的审校，你仍然需要检查结果：上面的往返脚本也适用于其他 DOCX 文件，包括 BookTranslator 的输出。如果你的文件是 Word 文档，请从 DOCX 翻译器开始。如果是 PDF，请使用 PDF 翻译器。关于一般性地保持 Word 版式不变，请参见翻译 Word 文档而不丢失格式。