Tłumaczenie obrazów:
Kompletny przewodnik

Czym jest tłumaczenie obrazów?

Tłumaczenie obrazów to proces odnajdywania tekstu wewnątrz pliku graficznego, tłumaczenia go na inny język i umieszczania przetłumaczonego tekstu z powrotem w obrazie w miejscu oryginału. Danymi wejściowymi może być zdjęcie znaku drogowego, zrzut ekranu aplikacji, zeskanowana umowa, baner w mediach społecznościowych lub animowany GIF. Wynik, którego zwykle oczekujesz, to ten sam obraz — ten sam układ, te same kolory, to samo tło — ze słowami w nowym języku.

To właśnie ta ostatnia część odróżnia tłumaczenie obrazów od zwykłego tłumaczenia tekstu. Tekst na obrazie nie jest jeszcze tekstem: nie da się go zaznaczyć, skopiować ani wkleić. Ludzie wpadają więc w znajomą pętlę — przepisują słowa z pliku JPG, wklejają je do tłumacza, a potem ręcznie odtwarzają grafikę, osobno dla każdego języka. Tłumacz obrazów AI eliminuje tę pętlę, łącząc ze sobą trzy kroki: optyczne rozpoznawanie znaków (OCR) do odczytania tekstu, tłumaczenie AI do jego przekładu oraz etap odbudowy, który zapisuje tłumaczenie z powrotem w układzie.

Tłumaczenie obrazów to część szerszego świata tłumaczeń AI. Jeśli chcesz poznać pełny obraz — jak działają tłumacze AI, jak dokładne są i jak tłumaczyć tekst, strony internetowe i wiadomości — zacznij od naszego kompletnego przewodnika po tłumaczach AI, a potem wróć tutaj po wszystko, co dotyczy konkretnie obrazów.

Dlaczego tłumaczenie obrazów ma znaczenie

Treści wizualne są wszędzie tam, gdzie kiedyś był tekst: zdjęcia produktów z etykietami, infografiki, diagramy szkoleniowe, zrzuty ekranu interfejsu w dokumentacji pomocy, kreacje reklamowe w kilkunastu rozmiarach. Każda z nich zawiera słowa, które muszą dotrzeć do odbiorców w ich własnym języku. W przypadku jednego obrazu wystarczy darmowa aplikacja aparatu. W przypadku czterdziestu zdjęć produktów w sześciu językach ręczna droga zamienia się w tydzień poprawek — a gdy różne osoby tłumaczą różne obrazy, ta sama nazwa produktu wraca w trzech różnych wersjach w jednym katalogu. W dalszej części tego przewodnika wyjaśniamy, jak tego uniknąć, według typu obrazu, języka i zastosowania.

Zdjęcia, zrzuty ekranu i zeskanowane obrazy

Każdy obraz przechodzi przez ten sam proces — rozpoznanie, tłumaczenie, odbudowa — ale źródło tekstu wpływa na to, jak dobrze działa pierwszy krok. Wybierz narzędzie dopasowane do danych wejściowych:

Zdjęcia zrobione telefonem

Zdjęcia są najtrudniejszymi obrazami do przetłumaczenia. Zniekształcenia perspektywy, odblaski, cienie i słabe oświetlenie pogarszają rozpoznawanie znaków, zanim tłumaczenie w ogóle się rozpocznie, a tekst znajduje się w scenie — na etykiecie opakowania, tablicy, odręcznej notatce — a nie na czystej stronie. Tłumacz ze zdjęć uruchamia OCR na zdjęciu, pokazuje rozpoznany tekst w edytorze, aby można było poprawić każdy znak błędnie odczytany przez OCR, i zwraca to samo zdjęcie z tłumaczeniem na swoim miejscu. Nie trzeba instalować żadnej aplikacji: narzędzie działa w przeglądarce telefonu, a przesłać można pojedyncze zdjęcie lub cały folder naraz. Jeśli potrzebujesz tylko słów, możesz zamiast obrazu wyeksportować wyodrębniony tekst.

Aby uzyskać najlepszy wynik, trzymaj aparat na wprost, wypełnij kadr tekstem i unikaj odblasków. Złe zdjęcie daje złe tłumaczenie: etap tłumaczenia nie naprawi znaków, które zostały błędnie odczytane wcześniej.

Zrzuty ekranu i tekst na ekranie

Zrzuty ekranu to zwykle najczystsze dane wejściowe, jakie można uzyskać: tekst jest ostry, prosty i kontrastowy, co czyni je idealnymi do tłumaczenia AI. Należą do nich interfejsy aplikacji, komunikaty o błędach, wątki czatu, slajdy i dokumentacja oprogramowania. Przesyłaj zrzuty ekranu pojedynczo lub zbiorczo, wybierz języki docelowe, sprawdź wynik w podglądzie na żywo i pobierz je w oryginalnym formacie. Ponieważ terminy interfejsu powtarzają się w dziesiątkach zrzutów ekranu, dodaj etykiety przycisków i nazwy funkcji do glosariusza, aby w każdym pliku były tłumaczone identycznie.

Firma Smith+Nephew z branży technologii medycznych prowadzi pracę swojego wewnętrznego zespołu tłumaczy w Smartcat, przechowując pamięci tłumaczeniowe i glosariusze w jednej przestrzeni roboczej; według studium przypadku czas realizacji jest 4 razy krótszy niż w umowie SLA z poprzednią agencją (przeczytaj studium przypadku Smith+Nephew).

Zeskanowane dokumenty

Skan to obraz słów, a nie słowa. Jego tłumaczenie to proces dwuetapowy: OCR przekształca obraz strony w tekst możliwy do odczytania przez maszynę, w tym tekst w tabelach i nagłówkach, i dopiero wtedy ten tekst jest tłumaczony. Smartcat wykonuje oba etapy w ramach jednego przesłania i zachowuje układ strony, więc pobrany plik nadal wygląda jak dokument, który przesłano. Tłumaczenie zeskanowanych dokumentów działa na plikach ze skanera oraz na zdjęciach stron zrobionych telefonem na wprost; skany powinny mieć rozdzielczość co najmniej 300 DPI.

Niektóre pisma są obsługiwane w specjalny sposób. Na przykład w przypadku zeskanowanego tekstu chińskiego można jako język źródłowy ustawić chiński uproszczony lub tradycyjny (aż do wariantu regionalnego), a rozpoznany tekst jest przed tłumaczeniem dzielony na słowa, ponieważ w piśmie chińskim nie ma spacji — jeden błędny podział zmienia znaczenie, nawet jeśli każdy znak został odczytany poprawnie.

Jeśli skan jest wielostronicowym plikiem PDF, a nie plikiem graficznym, skorzystaj z procesu dla plików PDF, który zachowuje strukturę wielostronicową — nasz przewodnik po tłumaczeniu plików PDF szczegółowo omawia zeskanowane pliki PDF, opcje parsowania OCR i układ, a tłumacz zeskanowanych plików PDF to dobre miejsce na początek.

Jak OCR przekształca obraz w tekst gotowy do tłumaczenia

Optyczne rozpoznawanie znaków to krok, który umożliwia wszystko inne. OCR skanuje piksele obrazu, odnajduje obszary zawierające tekst — nagłówki, etykiety, podpisy, tekst wewnątrz diagramów — i zamienia każdy z nich na znaki, z którymi może pracować silnik tłumaczeniowy. W procesie tłumaczenia obrazów z OCR wyodrębnianie i tłumaczenie odbywają się w jednym przebiegu, więc nie musisz zajmować się surowym tekstem, chyba że chcesz.

Co wpływa na jakość OCR

Dokładność OCR spada wraz z rozdzielczością i rośnie wraz z kontrastem. Ostre, wykonane na wprost obrazy tłumaczą się niezawodnie; rozmazane lub mocno skompresowane tracą znaki. Kilka czynników robi zauważalną różnicę:

• Rozdzielczość. Skanuj w rozdzielczości 300 DPI lub wyższej. Pisma o gęstych znakach, takie jak chińskie, są mniej wyrozumiałe niż tekst łaciński, ponieważ różnica między dwoma znakami może sprowadzać się do jednej krótkiej kreski.
• Kąt i oświetlenie. Strona lub znak powinny leżeć płasko i być równomiernie oświetlone. Odblaski i cienie ukrywają kreski.
• Kierunek pisma. W przypadku pism zapisywanych od prawej do lewej, takich jak hebrajskie i arabskie, kierunek tekstu musi zostać wykryty, zanim wiersze zostaną uporządkowane, zwłaszcza gdy wiersz łączy hebrajski lub arabski z angielską nazwą lub liczbą.
• Pismo odręczne. Pismo odręczne jest odczytywane wyłącznie przez ścieżkę OCR opartą na obrazie, a dokładność zależy od jakości danych wejściowych. Traktuj wynik z pisma odręcznego jako wersję roboczą do sprawdzenia, a nie tłumaczenie do publikacji.
• Złożone tła. Tekst na tłach fotograficznych lub w stylizowanych logotypach jest wykrywany, ale rzadko odtwarzany idealnie, więc zaplanuj ręczne poprawki.

Strona tłumacza obrazów z hebrajskiego dobrze pokazuje, dlaczego OCR uwzględniający rodzaj pisma ma znaczenie: hebrajski zapisuje się od prawej do lewej, pięć liter zmienia kształt na końcu wyrazu, w codziennym tekście pomija się znaki samogłoskowe, a pismo odręczne kursywą nie ma prawie żadnych wspólnych kształtów liter z drukiem.

Z obrazu na tekst, a potem tłumaczenie

Czasami wcale nie potrzebujesz przetłumaczonego obrazu — potrzebujesz słów w swoim języku, aby wkleić je do e-maila lub raportu. Smartcat pozostawia wyodrębniony tekst źródłowy widoczny i edytowalny obok tłumaczenia, dzięki czemu dwujęzyczny współpracownik lub recenzent może sprawdzić, co faktycznie odczytał OCR. To właśnie ten krok wychwytuje podobnie wyglądające znaki źle odczytane ze skanu niskiej jakości, które w przeciwnym razie dają płynny, pewny siebie, ale błędny wynik.

Tłumaczenie wyników OCR to także obszar, w którym tłumaczenie AI pokazuje przewagę nad narzędziami tłumaczącymi słowo po słowie: silnik widzi całe zdania w kontekście i stosuje Twój glosariusz, więc nazwa produktu wyodrębniona z obrazu 3 i obrazu 40 wraca w identycznej formie.

Jak działa tłumaczenie obrazów w Smartcat

Niezależnie od tego, czy zaczynasz od jednego zdjęcia, czy od banerów z całej kampanii, proces składa się z tych samych pięciu kroków — a każdy z nich odbywa się w przeglądarce.

Szczegółowy opis krok po kroku, w tym skróty w edytorze i aktualną listę obsługiwanych czcionek, znajdziesz w artykule pomocy Tłumaczenie tekstu na obrazach za pomocą AI Image Translator.

Ścieżka OCR a ścieżka generatywna

Smartcat oferuje dwa sposoby odtworzenia przetłumaczonego obrazu, a wybór właściwego podczas tworzenia projektu oszczędza późniejszych poprawek.

Opcja generatywna jest opisana w artykule Tłumaczenie obrazów marketingowych za pomocą AI (Image Translation 2.0). Wygenerowanie końcowego obrazu trwa zazwyczaj do 30 sekund, a przycisk Regenerate tworzy nową wersję, jeśli pierwszy wynik nie jest odpowiedni.

Zachowanie projektu i identyfikacji marki

Dla zespołów marketingowych i produktowych tłumaczenie to tylko połowa pracy. Przetłumaczony baner, którego tekst wychodzi poza przycisk, zamienia czcionkę marki na domyślną lub pozostawia ślady w miejscu oryginalnego tekstu, nie nadaje się do publikacji. Tłumaczenie obrazów bezpieczne dla projektu oznacza, że tło, czcionki, wyrównanie i kolory pozostają nienaruszone.

Obrazy marketingowe, banery i reklamy

Ścieżka generatywna Smartcat powstała właśnie w tym celu: wyodrębnia tekst, tłumaczy go z użyciem Twoich glosariuszy i pamięci tłumaczeniowej, a następnie generuje końcowy obraz w oryginalnym stylu marki — bez ręcznego retuszu i dopasowywania czcionek. Aktualizacja dotycząca bezdotykowej lokalizacji obrazów opisuje automatyczne dopasowywanie czcionek, zachowanie układu i obsługę wydłużenia tekstu przez silnik, a także edycję opartą na segmentach, dzięki której kontrolujesz treść przed wygenerowaniem obrazu. Gdy Smartcat po raz pierwszy wprowadził AI Image Translator, cel był ten sam: przetłumaczyć obraz na kilka języków jednocześnie, bez ponownego tworzenia projektu dla każdego rynku.

Tłumaczenie w Canva i Figma

Jeśli Twoje materiały wizualne wciąż znajdują się w narzędziu do projektowania, przetłumacz je tam zamiast eksportować płaskie obrazy. Tłumacz Canva wprowadza agenta Smartcat do panelu aplikacji Canva; tłumaczy on tekst w projektach, w tym tekst na grafikach, infografikach i postach w mediach społecznościowych, z użyciem Twojego glosariusza i pamięci tłumaczeniowej (przeczytaj ogłoszenie o Canva Agent). W przypadku projektów produktowych i interfejsów wtyczka Smartcat do tłumaczenia w Figma tłumaczy projekty na ponad 280 języków z podglądem na żywo i pozwala recenzentom pracować bez płatnych licencji Figma; konfigurację opisano w artykule Łączenie Figma ze Smartcat.

GIF-y i obrazy animowane

Tłumacz GIF-ów odczytuje tekst w pliku GIF, tłumaczy go i umieszcza z powrotem na miejscu. Według strony tłumacza GIF-ów w przypadku plików animowanych tłumaczona jest każda klatka zawierająca tekst, a plik zostaje odtworzony z oryginalnym czasem i zapętleniem, z glosariuszem zastosowanym do wszystkich klatek. Dwie powiązane strony opisują tłumaczenie GIF-ów za pomocą AI i tłumaczenie GIF-ów na angielski.

Obrazy na stronach internetowych i w dokumentach

Obrazy to ta część strony internetowej, którą pomija zwykłe tłumaczenie stron: słowa są pikselami, a nie kodem HTML. Strony Smartcat poświęcone tłumaczeniu obrazów na stronach internetowych i tłumaczeniu obrazów na stronach WWW wyjaśniają, dlaczego narzędzia konsumenckie mają problem z osadzonymi i dynamicznymi obrazami w sieci, a rozszerzenie Chrome do tłumaczenia obrazów tłumaczy tekst na obrazach bez opuszczania strony. Informacje o pozostałej części witryny — tekście HTML, metadanych SEO, integracjach z CMS — znajdziesz w naszym przewodniku po tłumaczeniu stron internetowych.

Obrazy osadzone w plikach Office wymagają jednego dodatkowego kroku: podczas tłumaczenia pliku .pptx tekst slajdów jest tłumaczony, ale tekst wewnątrz obrazów już nie. Artykuł pomocy Tłumaczenie obrazów osadzonych w plikach PowerPoint pokazuje, jak wyodrębnić te obrazy, przetłumaczyć je i ponownie wstawić. Nasz przewodnik po tłumaczeniu dokumentów omawia resztę procesu tłumaczenia plików.

Formaty plików i wsadowe tłumaczenie obrazów

Większość wyszukiwań dotyczących tłumaczenia obrazów zawiera nazwę formatu — „przetłumacz PNG”, „tłumacz JPG” — ale format ma mniejsze znaczenie niż treść. Ścieżka OCR odczytuje pliki JPG/JPEG/JFIF, PNG, TIF/TIFF, BMP, GIF, DCX/PCX, JP2/JPC, DJVU, JB2, pliki PDF zawierające wyłącznie obrazy oraz pliki Adobe Illustrator (AI) i eksportuje je w tym samym formacie, w jakim zostały przesłane. Każdy obraz może mieć do 30 MB.

PNG, JPG i inne pliki graficzne

Format PNG jest popularny w przypadku zrzutów ekranu, grafik interfejsu i wszystkiego, co ma przezroczystość; JPG jest domyślnym formatem zdjęć. Oba przechodzą przez tę samą ścieżkę: rozpoznanie, tłumaczenie, odtworzenie. Poniższe strony poświęcone poszczególnym formatom omawiają każdy z nich:

Tłumaczenie wielu obrazów jednocześnie

Różnica między przetłumaczeniem czterdziestu obrazów a czterdziestokrotnym przetłumaczeniem jednego obrazu to wspólny kontekst. Gdy tłumaczysz wiele obrazów jednocześnie, każdy obraz w partii korzysta z jednego glosariusza, więc nazwy marek i powtarzające się terminy są tłumaczone identycznie w każdym pliku, oraz z jednej pamięci tłumaczeniowej, więc zdanie powtarzające się na dwudziestu obrazach jest tłumaczone raz i wykorzystywane ponownie. Jedna partia może obejmować jednocześnie kilka języków docelowych, a gotowy zestaw pobierasz razem.

Tłumaczenie wsadowe to także moment, w którym tłumaczenie obrazów staje się procesem zespołowym, a nie jednorazowym zadaniem: banery z całej kampanii lub zdjęcia produktów z katalogu przesyłasz jako jeden projekt, recenzent sprawdza je w jednym miejscu, a jego poprawki trafiają do pamięci tłumaczeniowej i są wykorzystywane w kolejnej partii.

Tłumacz obrazy według języka

Zapotrzebowanie na tłumaczenie obrazów w dużej mierze zależy od języka. Większość wyszukiwań określa kierunek — z japońskiego na angielski ze zdjęcia, z angielskiego na gudżarati na plakacie, z arabskiego na angielski ze skanu — a niektóre pisma są znacznie trudniejsze do rozpoznania niż inne. Narzędzia Smartcat do obrazów łączą dowolny z ponad 280 obsługiwanych języków z dowolnym innym, a poniższe strony to punkty wyjścia dla konkretnych języków, pogrupowane według pisma i regionu.

Tłumacz obrazy na angielski

Japoński, chiński i koreański

Pisma CJK należą do najczęściej wybieranych w tłumaczeniu obrazów i zarazem do najtrudniejszych dla OCR: tysiące znaków, kreski różniące się o milimetr, a w języku japońskim tekst, który może biec pionowo. Tłumacz pionowego tekstu japońskiego Smartcat obsługuje tradycyjny zapis tategaki z góry na dół na obrazach i zrzutach ekranu, a tłumacz kanji ze zdjęć obsługuje znaki kanji na zdjęciach. Pamiętaj, że proces dla zeskanowanych tekstów chińskich obsługuje chiński zapisany poziomo; pionowe kolumny chińskiego tekstu nie są w nim obsługiwane.

Hindi i inne języki indyjskie

Języki indyjskie stanowią dużą część wyszukiwań dotyczących tłumaczenia obrazów i zdjęć — od szyldów w hindi i tekstów w sanskrycie po dokumenty w kannada, tamilskim, telugu i gudżarati. Zestaw czcionek obsługiwanych przez edytor obejmuje dedykowane czcionki Noto dla dewanagari, tamilskiego, bengalskiego, kannada, malajalam, telugu i gurmukhi, dzięki czemu przetłumaczony tekst wyświetla się we właściwym piśmie.

Arabski, hebrajski, urdu i perski

Pisma zapisywane od prawej do lewej wymagają czegoś więcej niż zamiany słów: przetłumaczony tekst musi zostać złożony we właściwym kierunku, a wiersze mieszane (arabskie zdanie z angielską nazwą marki) muszą zachować kolejność segmentów. Smartcat ponownie umieszcza tekst zapisywany od prawej do lewej na obrazie, a w obsługiwanym zestawie znajdują się czcionki Noto dla arabskiego, hebrajskiego i urdu w stylu nastaliq.

Hiszpański, francuski, niemiecki i inne języki europejskie

Tagalski, amharski, somalijski, birmański i inne

Obsługa rzadziej używanych języków bardzo różni się w zależności od narzędzia tłumaczeniowego, zwłaszcza w przypadku tekstu na obrazach. Jeśli potrzebnego Ci języka nie ma na tej liście, ogólny tłumacz zdjęć obsługuje każdą obsługiwaną parę językową.

Zastosowania tłumaczenia obrazów

Kto tłumaczy obrazy i dlaczego? Odpowiedź na to pytanie decyduje o tym, jakie narzędzie i jaki proces warto wybrać.

Grafiki marketingowe i e-commerce

Banery kampanii, grafiki do mediów społecznościowych, zdjęcia produktów z etykietami i projekty opakowań zawierają tekst, który musi trafić na każdy rynek jednocześnie z premierą. Właśnie tutaj procentuje generatywny proces „Marketing & Visuals”, przesyłanie wsadowe i wspólny glosariusz: jedno przesłanie, wszystkie języki i ta sama nazwa produktu na każdym obrazie.

Materiały szkoleniowe i e-learningowe

Zrzuty ekranu z adnotacjami, diagramy i infografiki to te elementy kursu, które zwykle pozostają po angielsku. Aktualizacja bezdotykowej lokalizacji obrazów dodała obsługę SCORM: prześlij pakiet SCORM, a obrazy z tekstem zostaną wykryte, przetłumaczone i ponownie spakowane z zachowaniem struktury kursu.

Dokumentacja produktu i zrzuty ekranu oprogramowania

Artykuły w centrum pomocy i podręczniki użytkownika są pełne zrzutów ekranu interfejsu. Tłumaczenie ich z użyciem tego samego glosariusza co interfejs zapewnia spójne etykiety przycisków w produkcie i w dokumentacji. Zrzuty ekranu to jeden z najlepszych przypadków użycia tłumaczenia obrazów za pomocą AI, ponieważ tekst źródłowy jest czysty.

Zeskanowane rejestry, formularze i dokumenty

Umowy z dostawcami, licencje działalności, dokumenty celne, certyfikaty i archiwalne rejestry często istnieją tylko w postaci skanów. OCR w połączeniu z AI szybko daje czytelną, edytowalną wersję roboczą; w przypadku wszystkiego, co ma charakter prawny lub urzędowy, przekaż wersję roboczą do weryfikacji przez człowieka i pozostaw tekst źródłowy widoczny, aby weryfikator mógł sprawdzić, co odczytał OCR.

Tłumaczenie na potrzeby osobiste i w podróży

Do przeczytania menu, znaku czy etykiety tu i teraz służy darmowa aplikacja aparatu — jest szybsza i to właściwe narzędzie. Z tłumacza obrazów, takiego jak Smartcat, korzystaj wtedy, gdy potrzebujesz z powrotem przetłumaczonego pliku graficznego: czegoś, co możesz wysłać, zarchiwizować lub opublikować.

Obrazy rzadko występują samodzielnie. Jeśli Twoje znajdują się w plikach PDF, podlinkowany poniżej przewodnik po tłumaczeniu plików PDF wyjaśnia, jak obsługiwane są pliki PDF z dużą liczbą obrazów, w tym tłumaczenie pliku PDF z obrazami, w którym tekst osadzony w diagramie jest rozpoznawany, tłumaczony i zapisywany z powrotem w grafice.

Przewodniki, poradniki i aktualności dotyczące tłumaczenia obrazów

Przewodniki krok po kroku dotyczące tłumaczenia obrazów i zrzutów ekranu oraz aktualizacje produktu stojące za narzędziami Smartcat do tłumaczenia obrazów.

Dokumentacja produktu Smartcat

Artykuły pomocy krok po kroku dotyczące tłumaczenia obrazów w Smartcat.

Powiązane przewodniki

Tłumaczenie obrazów to jeden z wielu sposobów, w jakie Smartcat tłumaczy treści. Te przewodniki omawiają szerzej pokrewne tematy.