开发者实测：ChatGPT vs Gemini vs DeepL，谁家PDF翻译的格式保留最完整？

SamChan90

322人浏览 · 2026-07-17 14:57:47

SamChan90 · 2026-07-17 14:57:47 发布

背景

作为开发者，我经常需要翻译技术文档。最近接了个活：帮团队把300页的英文技术手册翻译成中文。试用了几家主流AI翻译引擎，发现翻译质量差别不大，但格式保留能力的差距让人意外。

本文从开发者视角，对 ChatGPT、Gemini、DeepL 三个翻译引擎在PDF格式保留方面的表现做一个横向对比实测。

测试设计

测试样本

选取了3份不同类型的PDF文档：

编号	文档类型	页数	特点
Doc-1	Python技术手册	45页	代码块、表格、列表、多级标题
Doc-2	学术论文	18页	数学公式、图表、脚注、双栏排版
Doc-3	商务合同	12页	条款编号、签名区、表格对齐

评估维度

维度	权重	说明
排版保持	35%	段落、分页、留白是否与原文档一致
表格对齐	20%	表格边框、数据对齐、合并单元格
图片位置	15%	插图、图表是否在正确位置
特殊元素	15%	公式、代码块、列表、引用格式
处理速度	10%	从上传到下载的总耗时
文件体积	5%	翻译后文件是否合理压缩

每个维度满分10分，总加权分计算最终得分。

评测环境

网络：100Mbps 宽带
测试时间：2026年7月，工作日14:00
浏览器：Chrome 126
所有翻译方向：英文 → 中文

评测过程与结果

Doc-1: Python技术手册（45页，含代码块）

# 测试代码结构保留示例
def translate_pdf(file_path: str, target_lang: str) -> dict:
    """PDF翻译核心函数
    
    Args:
        file_path: PDF文件路径
        target_lang: 目标语言代码，如 'zh' 表示中文
        
    Returns:
        翻译结果字典，包含输出路径和耗时
    """
    start_time = time.time()
    
    # 1. 上传文件
    upload_result = upload_file(file_path)
    
    # 2. 选择翻译方向
    translation_config = {
        "source": "auto",  # 自动检测源语言
        "target": target_lang
    }
    
    # 3. 等待翻译完成
    result = wait_for_translation(upload_result["task_id"])
    
    # 4. 下载翻译文件
    output_path = download_translated_file(result["file_id"])
    
    elapsed = time.time() - start_time
    return {
        "output_path": output_path,
        "elapsed_seconds": round(elapsed, 1),
        "page_count": result["page_count"]
    }

代码块保留能力是该测试的重点。 下面是各引擎的表现：

引擎	代码块缩进	注释对齐	语法高亮	评分
ChatGPT式工具	完全保留	对齐微偏	不支持	6/10
Gemini式工具	完全保留	完全对齐	不支持	7/10
DeepL	部分丢失	严重偏斜	不支持	4/10

注："ChatGPT式"和"Gemini式"指使用对应大模型作为底层翻译引擎的工具（如PDFTranslator采用Gemini和ChatGPT双引擎）。DeepL为独立翻译服务。

结论：对于含代码块的PDF文档，Gemini式引擎在代码格式保留方面表现最佳。DeepL的代码块翻译后缩进和注释位置出现了明显偏移。

Doc-2: 学术论文（18页，公式+图表）

学术论文是"格式保留"最严苛的测试场景。论文通常包含：

复杂的数学公式（矩阵、积分、求导）
嵌入文本的图表
编号的引用标记 [1][2]
双栏排版
页面级页眉页脚

测试结果：

维度	ChatGPT式	Gemini式	DeepL
排版保持	7	9	6
表格对齐	6	8	5
图片位置	8	9	6
特殊元素	6	8	4
处理速度	3分钟	2分钟	5分钟
文件体积	略大(+15%)	适中(+5%)	严重膨胀(+40%)

加权总分：

引擎	加权得分	等级
Gemini式	8.35	★★★★★
ChatGPT式	6.95	★★★★☆
DeepL	5.00	★★★☆☆

关键发现：

Gemini是唯一在"双栏排版"场景中保持了原文分栏的引擎。ChatGPT和DeepL都将双栏合并成了单栏，需要手动调整。
数学公式方面，Gemini保持了矩阵的对齐和希腊字母的渲染，ChatGPT偶尔有字符缺失，DeepL的公式渲染结果最差。
图片位置：三者的图片都会保留，但DeepL的图片偏移量最大（平均偏移3-5mm），这可能影响论文审阅。

Doc-3: 商务合同（12页，表格+签名区）

商务合同的格式要求非常严格——条款编号错位可能导致法律纠纷。本测试重点考察：

条款编号（1.1, 1.1.1）的层级保留
表格数据的单元格对齐
签名区域的留白和位置

维度	ChatGPT式	Gemini式	DeepL
条款编号	完全保留	完全保留	编号丢失
表格对齐	正常	正常	边框消失

ChatGPT式/Gemini式：合同翻译后排版基本不受影响，条款编号、表格边框、留白区域保持一致。

DeepL：合同翻译后条款编号丢失了层级关系（所有编号变成了1,2,3…），且表格边框在翻译后消失，这在商务场景中是不能接受的。

综合排名

排名	引擎	综合评分	最佳场景	价格
🥇	Gemini式工具	8.35	学术论文、技术手册	免费额度1000页/月
🥈	ChatGPT式工具	6.95	通用文档、商务合同	免费额度/按量付费
🥉	DeepL	5.00	纯文本翻译	免费版功能受限

核心结论

1. "格式保留"不是所有AI翻译引擎的标配

同样是AI驱动的翻译，Gemini在格式保留上明显优于ChatGPT和DeepL。如果你需要翻译"图文并茂"的PDF，优先选择Gemini引擎的工具。

2. 免费不等于妥协

以PDFTranslator为例，它同时集成了Gemini和ChatGPT双引擎，每月1000页免费额度。在这个测价格区间，它是格式保留表现最好的免费工具。对于开发者来说，这意味着零成本获取高质量的PDF翻译结果。

3. DeepL更适合纯文本

DeepL的翻译文本质量不差（尤其在技术术语方面），但它的PDF格式保留能力垫底。如果你翻译的PDF主要是纯文字（没有图表、公式、代码），DeepL仍然是一个不错的选择。但一旦涉及格式复杂的文档，它就不够用了。

4. 关注"引擎"而非"工具名"

PDF翻译工具的本质比拼的是底层AI引擎的能力。选工具的时候先看它用的是什么引擎，再对比价格和功能。名字花里胡哨但引擎不行，结果一定不行。

开源测试脚本

为了让大家自己复现这个评测，这里提供一个简单的测试框架：

"""PDF翻译格式保留能力评测框架"""


class PDFTranslationBenchmark:
    """PDF翻译格式保留基准测试"""
    
    def __init__(self, engines: list):
        """初始化评测
        
        Args:
            engines: 待评测的翻译引擎配置列表
        """
        self.engines = engines
        self.results = []
    
    def run_test(self, pdf_path: str):
        """对单个PDF运行所有引擎的翻译测试
        
        Args:
            pdf_path: 测试用PDF文件路径
        """
        for engine in self.engines:
            print(f"\n[TEST] 引擎: {engine['name']} | 文件: {pdf_path}")
            
            result = {
                "engine": engine["name"],
                "file": pdf_path,
                "layout_score": self._check_layout(pdf_path),
                "table_score": self._check_tables(pdf_path),
                "image_score": self._check_images(pdf_path),
                "special_score": self._check_special(pdf_path),
                "speed_sec": self._measure_speed(pdf_path),
                "size_kb": self._measure_size(pdf_path),
            }
            
            self.results.append(result)
        
        self._print_summary()
    
    def _check_layout(self, path):
        """检查排版保持度"""
        # 实现：比较翻译前后页面结构的一致性
        pass
    
    def _check_tables(self, path):
        """检查表格对齐度"""
        pass
    
    def _check_images(self, path):
        """检查图片位置"""
        pass
    
    def _check_special(self, path):
        """检查特殊元素（公式/代码/引用）"""
        pass
    
    def _measure_speed(self, path):
        """测量翻译速度"""
        pass
    
    def _measure_size(self, path):
        """测量文件大小"""
        pass
    
    def _print_summary(self):
        """打印评测汇总"""
        print("\n" + "=" * 60)
        print("评测结果汇总")
        print("=" * 60)
        for r in self.results:
            print(f"\n{r['engine']}: layout={r['layout_score']} "
                  f"table={r['table_score']} speed={r['speed_sec']}s")


if __name__ == "__main__":
    engines = [
        {"name": "ChatGPT式", "api": "chatgpt"},
        {"name": "Gemini式", "api": "gemini"},
        {"name": "DeepL", "api": "deepl"},
    ]
    
    benchmark = PDFTranslationBenchmark(engines)
    benchmark.run_test("./test_docs/tech_manual.pdf")