DeepL 與 ChatGPT 文件翻譯比較：檔案輸出、詞彙表與審閱

大多數 DeepL 與 ChatGPT 的比較，都是把相同的句子貼進兩個工具然後評分。那只回答了句子層級的問題。如果你有一整份文件，第一個差異在於你拿回什麼。DeepL 的檔案翻譯會以相同格式回傳你檔案的翻譯副本。ChatGPT 會讀取你的檔案，預設在對話中以文字回覆。 它或許會提議生成檔案，但 OpenAI 的檔案上傳說明並未描述會回傳原始檔案的翻譯副本。這個差異決定了後續大部分內容：標題、表格、註腳和註解是否保留、你如何強制術語，以及你的審閱時間花在哪裡。

簡短回答（查核於 2026 年 10 月 21 日）：

• 使用 DeepL 當交付物就是文件本身（有人會開啟並使用的 DOCX、PPTX 或 PDF），且符合你方案的單檔限制，並且你能用詞彙表強制術語。
• 使用 ChatGPT 當交付物是理解或決策：外語文件的摘要、困難段落的替代譯法、術語討論，或對你已有翻譯的第二意見。
• 兩者並用 於最重要的文件：先用檔案工具翻譯檔案，然後只把困難段落交給 ChatGPT 審閱。

我們沒有為本文舉辦品質競賽，也不在翻譯品質上評選贏家。以下比較涵蓋機制層面。這些內容記錄在各供應商自己的說明頁面上，且變動頻率低於模型品質。最後有一個小型 DOCX 測試，你可以用自己的帳號在兩個工具上執行。

各工具如何處理上傳的文件

選擇時，有兩列最為關鍵。

輸出列。 DeepL 檔案翻譯會保留您文字周圍的原始檔案。樣式、表格和文件結構都存在於傳回的副本中，因此您的審閱主要針對語言。ChatGPT 的回覆則是文字。若要得到一份文件，必須有人將該文字放回原始版面。結構遺失就發生在這個重建過程中，如下方測試所示。ChatGPT 的上傳頁面描述的是處理檔案內容（摘要、比較、擷取、改寫短文件），並未描述傳回原始檔案的翻譯副本。

圖片列。 如果您的 PDF 是掃描檔，或關鍵內容位於圖片中，大多數方案中的 ChatGPT 會讀取數位文字層並跳過內嵌圖片。沒有文字層的掃描 PDF 幾乎無從處理。這種情況下，請先閱讀 PDF 文字擷取 vs OCR，並選擇會執行 OCR 的工具。

限制：您實際會遇到的限制

對 DeepL 而言，通常先決定的是每個檔案的字符上限，而非檔案大小。免費 DeepL 帳戶每個 Word 或 PDF 檔案接受 100,000 個字符。Pro Individual 和 Team 接受 100 萬個，API Developer 方案接受 500,000 個。一本完整長度的書會超過免費上限，因此必須分割，而每個部分都會用掉您每月檔案翻譯次數中的一次。我們的 DeepL 文件翻譯限制指南 以一本 400 頁的書在各方案上進行分析，包括 API 對每個 PDF 或 DOCX 收取的 50,000 字符最低費用。

另請注意：在 DeepL 上，使用免費帳戶（無訂閱）翻譯的檔案傳回後無法編輯。檔案格式文章指出，您需要 Pro 方案才能編輯翻譯後的檔案。如果您打算在 Word 中修正輸出，請使用您實際會用的方案進行測試。

對 ChatGPT 而言，上傳限制相當寬鬆：每個檔案 512 MB，每個文字文件 200 萬個 token。上傳限制並非限制所在。限制在於翻譯是以聊天回覆的形式傳回，而長文件意味著多輪對話，您隨後必須組裝並檢查是否有遺漏。這是任何限制頁面都不會顯示的工作流程成本，且會隨文件長度增加。ChatGPT 翻譯指南 涵蓋了這在整本書上會在哪裡出問題。

詞彙表：在檔案上強制執行 vs 在提示中請求

術語是這兩個工具差異最大的地方，而句子層級的測試完全無法捕捉到這一點。

在 DeepL 上，詞彙表是附加到翻譯的術語清單。您最多可以將五個詞彙表套用於檔案翻譯。根據 DeepL 的 詞彙表上傳頁面，在 Team、Business 和 Enterprise 方案（以及舊版 Advanced 和 Ultimate 方案）上，可以上傳現有詞彙表為 CSV。格式為每行兩欄，例如 seat,Lizenz。詞彙表的語言對必須與您正在執行的翻譯相符。

在 ChatGPT 上，您可以將術語清單寫入指令中（「將 seat 翻譯為 Lizenz，絕不譯為 Sitz」）來達到相同效果。這很靈活：您可以解釋術語為何固定、提供上下文，並要求模型標記任何術語不適合的句子。但指令是請求，而非約束性規則，且在長時間對話中，您必須檢查它是否被遵守。無論使用哪種工具，翻譯後都要檢查術語。下方的測試套件會為您計數。

如果您還沒有術語清單，請從 建立翻譯詞彙表 開始。它對兩個工具都有幫助。

您可以在兩個工具上執行的 DOCX 往返測試

我們沒有採用品質分數，而是建立了一個小檔案來顯示文件翻譯可能出錯的地方，以及一個檢查傳回內容的腳本。一切均使用 Python 標準函式庫執行。

• make_docx_fixture.py 會建立 docx-roundtrip-source.docx：一份一頁的英文行政指南，包含兩個標題層級、一個 3×3 表格、一個粗體術語、一個超連結、一個註腳、一則審閱者評論、一個頁首和一個頁尾。
• glossary-en-de.csv 包含三個英譯德術語，其中有一個已知的陷阱：seat 在此指付費使用者授權，因此應譯為 Lizenz，而非 Sitz。該檔案採用 DeepL 的雙欄上傳格式。
• check_docx_roundtrip.py 會比對原始檔案與譯文檔案。它會計算 12 項結構特徵，並比較詞彙表術語的出現次數。

為了確認檢查程式本身運作正常，我們製作了一個建構範例 docx-roundtrip-pasted-example.docx（由 make_pasted_example.py 產生）。該檔案包含我們自己對該頁面的德文翻譯，以純段落形式貼入新文件。這正是從聊天視窗複製文字後貼到 Word 的典型情況。這不是 DeepL 或 ChatGPT 的輸出。 我們在其中一句刻意寫了 Sitz。記錄的檢查輸出：

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

所有內文都在，但 12 項結構特徵全數遺失。詞彙表列也被標記，且原因各異。Lizenz 少了兩個：一個 seat 變成了 Sitz，而另一個 seat 所在的註腳則消失了。Arbeitsbereich 少了一個，因為頁首遺失；Administrator 少了一個，因為頁尾遺失。這就是測試的重點：一份文件可以讀起來完全正確，卻仍是錯誤的交付成果。

要在真實工具上執行：

1. 執行 python3 make_docx_fixture.py（或下載原始檔案）。
2. DeepL： 在檔案翻譯工具上傳 DOCX，選擇英文→德文，若方案允許則套用詞彙表，然後下載結果。
3. ChatGPT： 上傳相同的 DOCX，並要求提供使用這三個詞彙表術語的德文翻譯。以你實際交付的方式儲存結果，無論是 ChatGPT 提供的檔案，或是貼到 Word 的文字。
4. 對每個結果執行 python3 check_docx_roundtrip.py docx-roundtrip-source.docx <translated>.docx glossary-en-de.csv。

腳本計算的是結構，而非品質。也請閱讀兩份輸出。一個通過所有列的檔案仍可能包含錯誤翻譯，而詞彙表檢查是比對子字串，因此像 Administratorlizenz 這樣的德文複合詞也會計入 Lizenz，可能掩蓋缺失的術語。將詞彙表標記（或沒有標記）視為需要檢查的地方，而非最終判定。

哪種文件該用哪個工具

重要文件的組合工作流程：先用能回傳檔案的翻譯工具翻譯檔案。然後找出語意有疑慮的段落：定義、警告、文字遊戲、任何讀者會據以行動的內容。只把這些段落連同原文和譯文帶到 ChatGPT。先要求列出問題清單，再要求改寫，這樣你就能看到改了什麼以及為什麼改。譯後編輯指南說明了如何規劃這項審查。

當文件是一整本書時

這兩個工具都是通用型的。對於整本書，實際問題就是上述問題的放大版：DeepL 有單檔上限和每月檔案數限制，ChatGPT 則需要多輪對話來組裝。在兩者中保持各章節的名稱和術語一致也很困難。

BookTranslator 就是為這種情況打造的。你上傳整本 EPUB、DOCX 或 PDF，然後取回翻譯後的檔案。對於 EPUB 和 DOCX 任務，你可以開啟自動詞彙表，它會追蹤整本書中的名稱和關鍵術語（PDF 任務不適用）。定價基於字數，你在付款前會看到最終價格。對於高風險文本，它不能取代審查，你仍然需要檢查結果：上面的往返腳本也適用於其他 DOCX 檔案，包括 BookTranslator 的輸出。如果你的檔案是 Word 文件，請從 DOCX 翻譯工具開始。如果是 PDF，請使用 PDF 翻譯工具。關於一般如何保持 Word 版面不變，請參閱翻譯 Word 文件而不丟失格式。