从乱到整：翻译开始之前，我们做了什么
先说一件事：翻译不只是翻译
很多人对「翻译」的理解是：找个人或者用个工具，把中文换成英文，加一份声明页和公司盖章，完事。
这个理解没有错，但只描述了整件事的一部分。
完整的翻译包含三层工序，每一层都有实质的工作量，缺任何一层，交付出来的都不是可以直接递交 USCIS 的合规文件。
第一层：版面还原（约占总工作量的 30%）
把客户上传的原始文件——PDF、Word、图片、PPT、扫描件——转化成可以被处理的、格式清晰的可编辑内容。这层在翻译开始之前完成，用户看不到，但它的质量决定了后续所有工序能做到什么水平。
第二层：文本处理（约占总工作量的 40%）
文本处理不只是把中文换成英文。它包含五个环节，缺任何一个都会影响最终质量：
- a. 术语表提取、校对与导入： EB-1A / NIW 申请的材料可能有几十到上百份文件，同一个人名、机构名、奖项名、专业名称，必须在所有文件里有且只有一个固定的英文写法。术语表在翻译开始前建立，翻译和校对过程中全程作为约束条件。
- b. 中文到英文的翻译： 这是大多数人认知里「翻译」指的那件事，也是机器工具目前最擅长的环节。它在文本处理层里约占 60%（约占总的24%） 的工作量——是占比最大的单项，但远不是全部。更关键的问题是：即便是这 60%，现有模型也存在因训练数据偏差、指令遵从度不足、上下文理解局限而导致的翻译错误，而且这类错误往往发生在对移民申请影响最大的地方。
示例一：大写金额翻译出错，合同金额失真。「壹佰肆拾肆万叁佰伍拾叁元伍角壹分」，某模型将其译为「RMB Fourteen Hundred Forty Thousand Three Hundred Fifty-Three and Fifty-One Cents Only」，实际正确译文为「RMB One Million Four Hundred Forty Thousand Three Hundred Fifty-Three and Fifty-One Cents Only」。两者相差近 13 倍。合同金额在 EB-1A / NIW 申请中是证明申请人行业影响力和领导力的核心数据，移民官看到的金额如果失真，会直接影响对申请人资质的判断。
示例二：文号缩写规则不一致，公文来源失真。「国科农技字[2018]24号」，某模型将其译为「GKNTZ [2018] No. 24」，将「技」译为「T」（来自「技术/Technology」的首字母）。但政府公文文号的缩写规则是汉字拼音首字母大写，「技」对应「J」，正确译文为「GKNJZ [2018] No. 24」。文号是公文真实性和来源机构的标识，翻译规则错误会让移民官无法核实文件来源，引发不必要的疑问。
这两类错误，人工审阅一眼就能发现，但机器不会自我纠错——这正是译文校对（d 环节）存在的原因。 - c. 译文格式调整： 译文里的列表序号是否符合英文规范（有序 / 无序）；加粗、下划线、斜体是否与原文一致；表格的列宽和行高是否调整到紧凑美观；文件内嵌的图片如果含有非英文文字，图片本身也需要翻译；PPT 的文本框和图片大小、位置在翻译后需要重新调整——这一项尤其耗时。
- d. 译文校对： 检查机器直译带来的语言问题、程序处理边界导致的错误内容、术语是否按术语表正确翻译；期刊 / 杂志 / 报纸的书名需处理为斜体；学术引用中的期刊名需处理为斜体；人名与称谓、货币与数量、日期、符号、间距、地址、组织名称、文号与缩写等细节逐一核对。
- e. AI 质检 + 人工修正的闭环： 人工校对完成后，AI 再过一遍，系统性检查直译、漏译、术语错误、低级拼写和格式问题。AI 发现的问题由人工确认修正，修正后 AI 再次检查，循环直到零报错，才进入最终交付阶段。
第三层：格式交付（约占总工作量的 30%）
按统一排版规范整理所有文档，确保字体、行距、页边距、编号格式全程一致；对常见文件类型（出生证明、学位证、成绩单）使用标准模板处理，减少人工排版引入的低级错误；最后按格式完整打包——docx、pptx、图片、PDF——可以直接递交 USCIS 的完整文件包。这层的细节在第三篇文章里展开。
很多人停在「AI翻译已经很准确了，还需要翻译公司做什么」这个问题上。这个问题本身没有错，但它针对的只是文本处理层里约 60% 的那部分（把中文换成英文）——而且这 60% 里仍然存在前面两个例子那样、对移民申请有实质影响的错误。版面还原 + 格式交付合计占 60%，文本处理里翻译之外的四个环节又占另外 16%，再加上翻译本身需要校对兜底的部分，这才是翻译定价里真正在支付的内容。
这篇文章说第一层：版面还原。
版面还原是什么，为什么必须做
说一个具体场景。
客户提交了一份扫描成 PDF 的出生证明。这份 PDF 打开之后，看起来就是一张图片——里面的文字无法选中、无法复制，对翻译工具来说，它和一张白纸没有区别。
要翻译这份文件，第一步不是翻译，而是先把它变成「可以操作的文档」：识别图片里的文字，按原件的逻辑结构排列，整理成可以编辑的格式。
这就是版面还原：把各种形式的原始文件，转化为可处理的可编辑内容，同时尽可能保留原件的版面逻辑，为后续翻译和格式还原做好准备。版面还原做好了，翻译才有干净的输入。版面还原出了错，后续所有工序都要为这个错误买单。
一套 EB-1A / NIW 材料，规模有多大
先建立对规模的认知。
一个 EB-1A 或 NIW 申请人提交的材料包，通常包含 70 到 120 份文件，材料多的申请人可以达到 180 份以上。文件格式覆盖几乎所有主流文档和图片类型。
文档格式：
- PDF（含电子文字层 PDF、图片型扫描 PDF、混合型 PDF）
- Word 文档（.docx 现代格式，以及仍在流通的旧版 .doc 格式）
- Excel 表格（.xlsx 及旧版 .xls）
- PPT 演示文稿（.pptx 及旧版 .ppt）
- 上述各类文档内嵌的图片（图文混排）
- 压缩包（.zip、.rar），内含以上任意格式的组合
旧版格式（.doc、.xls、.ppt）在处理前需要先自动转换为现代格式（.docx、.xlsx、.pptx），才能进入后续流程，这是版面还原的第一步。
图片格式：.jpg、.jpeg、.jfif、.png、.bmp、.webp、.tiff、.tif、.gif、.heic——十种主流图片格式，手机拍摄、扫描仪输出、截图工具导出，来源各异，处理方式也不同。
内容性质上，同一份材料包里同时存在：带电子文字层的 PDF（可直接提取文字）、图片型扫描 PDF（需要 OCR 识别）、Word 里内嵌了图片的混合文档、只需要翻译标注区域的网页截图。没有哪一种工具能对所有情况给出同等质量的处理结果。
行业分布上，EB-1A / NIW 申请人来自医学、工程、计算机、金融、艺术、体育、法律等不同领域，每个行业的证书样式、表格结构、专业词汇都不一样。「通用」在这个场景里几乎不存在。
五类典型难题：真实文件里的挑战
版面还原遇到的难题，不是假设性的，下面是我们处理过的真实文件。
难题一：手写内容的 OCR 识别
这是一份大学成绩单里的手写「自我鉴定」。草书书写，笔画连贯，字形因人而异，OCR 识别遇到的核心问题是：相邻字符的像素区域相互叠压，工具难以判断边界，识别结果中字符错位、缺漏是常态而非例外。
我们使用百度 PaddleOCR、WPS PDF 工具、Qwen 等工具组合，针对不同文件质量和字体类型选择当次识别效果最好的方案，并持续评估新工具的识别准确率，将效果更好的工具引入流程。即便如此，手写内容仍然需要人工逐字对照原件校对——机器先产出初稿，人工逐字核对并修正，两道工序合起来才能确保原文准确无误。
原文一字之差，翻译出来的英文也会出错。手写校对是整个流程质量控制的第一道关，也是目前技术边界最清晰的地方：机器做了大量工作，但这一关还是需要人。
难题二：只翻指定区域——画框内容提取
这是一个很常见的场景：客户提交的材料是截图或者 PDF，页面上只有部分区域需要翻译——用画框、标注色块或者批注的方式指定了范围，框外的内容（固定标题、页眉页脚、印章文字、水印等）保持原样不处理。
如果方式是「把整张图片的文字全部提取」，得到的是一份混杂了大量无关内容的文字流，翻译人员还需要再花时间逐段判断哪些在框内，哪些在框外。这个判断工作是高度机械的，也很容易出错。
智通翻译的技术流程能够自动识别画框区域，只提取框内文字，框外内容自动排除。这张截图的 6 个框对应 6 段独立的文字块，分别提取、分别处理，不需要人工逐行筛选。这一能力是我们在持续处理真实客户文件的过程中迭代积累的，在行业内并不普遍。
难题三：多列密集表格的还原与校对
这份成绩单在一张 A4 纸上以三列并排的方式排列了多个学年的全部课程。每个单元格的文字字号很小，列与列之间的间距很窄，行与行之间几乎没有留白。
版面还原在这类表格上面临两个叠加的挑战：
第一，OCR 在密集小字的表格区域里准确率下降。相邻单元格的内容可能被合并识别，列与列之间的边框线有时无法被区分，导致内容错位——识别成功了，但放错了格子。
第二，就算 OCR 正确识别了所有文字，把识别结果还原成格式正确的可编辑表格，也需要人工逐个单元格核对：内容有没有放错位置，行列对应关系是否正确，边框线是否完整，合并单元格的位置是否正确。
现有技术处理这类密集多列表格的准确率还达不到 100%，人工校对目前仍然是必要的兜底环节。
进入文本处理阶段后，这张表格的挑战还会加大：课程名称从中文变成英文之后，长度通常增加 30% 到 80%（例如「市场营销学」变成「Principles of Marketing」），原来勉强放得下的单元格可能放不下了，出现自动换行、行高不一致、文字溢出边框等问题。此时需要重新调整列宽和行高，让整张表格在 A4 纸内紧凑、完整、可读——这是文本处理层「译文格式调整」环节的工作，在第二篇文章里展开。
难题四：含数学公式的学术论文
这是 EB-1A / NIW 申请中「学术发表」类别材料的典型文件——中文期刊论文，正文大量夹杂数学公式。
数学公式的版面还原，是几乎所有工具的共同硬伤。公式里的上下标、积分符号、矩阵括号、希腊字母，OCR 识别后往往变成乱码，或者被识别成普通文字，原有的公式结构关系完全丢失。想把识别结果「修复」回正确的公式，几乎等同于从头重新输入。
要在可编辑的 Word 文档里正确重现这些公式，需要使用 Word 内置公式编辑器逐个手工重建公式结构——这是纯人工的工作，工具在这里只能提供识别参考，没有办法代替人工输入。
翻译完成后，英文版本里的这些公式同样需要完整保留，不能用截图替代。原因很实际：截图在 Word 文档里是图片对象，无法随周围文字自动调整位置，页面缩放时会变形，打印时也可能出现分辨率问题。公式必须以可编辑的数学公式格式存在于文档里。
难题五：流程图、架构图、思维导图的版面还原
EB-1A / NIW 申请材料里，这类文件非常普遍：专利说明书里的技术架构图、研究论文里的实验流程图、项目汇报里的组织架构图、思维导图……它们的共同特点是：文字嵌入在图形里，图形有明确的层级关系和空间布局，翻译之后这些关系必须完整保留。
没有技术辅助时，这类文件的处理流程是这样的：
第一步，提取文字。 识别图中每个文字框的内容，一个框一个框地手工记录，同时记录每个框的位置关系（哪个框在哪一层、哪个框和哪个框之间有箭头）。
第二步，在画图工具里重新建图。 用 draw.io 或类似工具，按照原件的层级和位置关系，重新画出整张图的结构——先画框，再画箭头，再填入提取出来的中文文字。这一步是在「复刻」原图，目的是得到一个可编辑的图形文件。
第三步，翻译文字。 把图中每个框的中文文字翻译成英文，填回对应的框里。
第四步，重新布局。 英文文字通常比中文更长——同样的意思，英文占的字符数往往是中文的 2 到 3 倍。文字变长之后，原来排列整齐的框可能放不下，需要调整框的大小；框的大小变了之后，层与层之间的间距可能不够，需要调整图的整体尺寸；箭头的位置也随之需要重新对齐。这是一次完整的图形重布局，纯靠人工操作，没有快捷方式。
第五步，导出截图，插入 Word 文档。 图形重布局完成之后，从画图工具里导出图片，插入翻译文档对应位置，再加上翻译声明页。
整个流程，一张中等复杂度的架构图（比如上面这张四层、二十个文字框的图），从开始到插入 Word 文档，保守估计需要 2 到 4 小时。一份专利材料里可能包含 5 到 10 张这样的图，全部处理下来是相当可观的工作量。
智通翻译在这类文件上持续进行技术优化，目标是通过工具辅助减少手工重建图形结构的工作量——让机器完成尽可能多的图形识别和结构提取，人工专注于翻译内容的准确性和布局调整的最终确认，而不是从零开始画图。这类技术能力目前仍在迭代，但每一次进步都意味着这类文件的处理时间缩短，最终反映在交付效率和成本上。
版面还原的处理流程
面对 70 到 120 份、格式各异的文件，智通翻译的处理逻辑是：机器先跑，人工兜底，技术持续迭代。
格式统一化： 文件进入系统后，旧版格式（.doc、.xls、.ppt）自动转换为现代格式（.docx、.xlsx、.pptx），确保后续处理工具的兼容性。
内容性质判断与拆分： 判断文件是电子文字层、图片层还是混合型，分别走不同的处理路径。Word / Excel 内嵌的图片单独提取，PPT 的每个文本框内容独立提取并记录位置坐标，为后续翻译完成后的版面还原做准备。
OCR 识别： 图片型内容通过多工具组合识别，根据文件质量和字体类型动态选择效果最优的方案。我们持续评估新工具、新模型的识别准确率，将更优方案引入流程——技术进步意味着同等人工投入下，准确率更高，或者同等准确率下，人工校对时间更短，节省的效率最终让利于客户。
画框内容自动提取： 对于标注了需要翻译区域的文件，系统自动识别画框，只处理框内文字，跳过框外内容。
人工原文校对： 机器识别完成后，人工对照原件校对识别结果——逐字比对手写内容，逐格核对密集表格，逐公式重建数学表达式。这一步的目标是：进入翻译阶段的原文，每一个字都是准确的。
输出可编辑文档： 版面还原完成后，产出一份按原件逻辑整理好的可编辑文档：文字分段清晰，表格还原为可编辑表格，图片内文字单独列出并标注原始位置，PPT 每页文本框内容分别整理，数学公式以可编辑格式存在。这份文档是文本处理层的输入，也是最终格式交付的基础。
版面还原的成本，为什么很少被提及
因为它发生在翻译开始之前，用户拿到的是译文，看不到中间经过了什么。
但成本是真实存在的：70 到 120 份文件的格式统一化和内容提取，需要工具运行时间；图片型文件的 OCR 识别需要计算资源；手写内容、密集表格、数学公式、图形文件的人工处理，每一类都有对应的人力投入。一套完整的 EB-1A / NIW 材料包，版面还原阶段所消耗的总时间，通常与翻译本身相当，有时超过。
这是智通翻译不能与机器翻译直接比价的根本原因之一：价格里包含了用户看不见的工序，而这道工序是「可以直接递交 USCIS」与「只是翻译完了」之间最早出现的分叉。
小结
版面还原是翻译三层工序的起点，对 EB-1A / NIW 申请的材料来说，这一层的工作量尤其不可忽视——文件数量多、格式复杂、内容质量参差不齐，每一个不确定因素都需要有成熟的技术方案和人工校对来应对。
五类典型难题——手写内容的逐字校对、画框区域的精准提取、密集表格的逐格核对、数学公式的手工重建、图形文件的结构重建与重布局——没有哪一项可以完全交给工具自动完成。机器在每一类问题上都承担了尽可能多的工作量，人工在机器完成之后做准确性兜底。这个分工在可预见的将来仍然成立，区别只是机器能承担的比例会随技术进步逐渐提高。
版面还原做好之后，进入文本处理层——五个环节，翻译只是其中之一。下一篇文章展开说这些。
本文是「智通翻译的三层工序」系列第一篇。
→ 第二篇：文本处理——翻译只是五个环节之一（即将发布）
→ 第三篇：格式交付——可直接递交，是一个具体的技术标准（即将发布）
有 EB-1A 或 NIW 翻译需求？上传文件获取报价，系统自动识别字数，3 分钟出报价单，¥90/千字符起。
智通翻译（北京智通翻译有限公司）| 北京市移民及出入境服务行业协会会员单位
USCIS-Ready 认证翻译 · 15 年移民翻译行业经验