HelloGPT翻译器如何对长PDF按章节分段翻译？
功能定位：为什么“章节分段”比整页直译更省成本
长PDF若整份直投，GPT-4.5-turbo 的 8 k token 上下文看似够用，但页眉页脚、脚注、偶发扫描噪点都会挤占额度，导致核心正文被截断，术语前后不一致。HelloGPT 在 v6.5.0 引入「章节分段」策略：先跑一遍 PDF 解析模型，把「目录+标题层级」转成机器可读 outline，再按 outline 切出子文件，每段控制在 3 k token 左右，预留 5 k 给引擎做跨句一致性。经验性观察：同样 200 页技术手册，整页直译重试率 23%，分段后降到 4%，API 费用下降约 18%。
功能定位：为什么“章节分段”比整页直译更省成本
兼容性前提：文件格式、加密、OCR 边界
1. 文件格式：仅接受 PDF 1.4–2.0，扫描件需先走内置 OCR；加密 PDF 须移除打印/复制限制，否则解析直接返回空 outline。
2. 标题识别依赖字体差异：正文 10.5 pt、加粗标题 >14 pt 且出现在书签目录，才能被计入分段点；纯视觉加大字号但无书签，会被当成“伪标题”跳过。
3. 每章最低 200 中文字符或 300 英文单词，低于阈值自动合并到下一章，防止过度碎片化拉高调用次数。
操作路径：最短入口与平台差异
桌面端（Windows / macOS）
- 打开 HelloGPT Translator → 左上角「文档」→「PDF 长文翻译」。
- 上传区域拖入文件，右侧出现「自动分段」开关，默认开启；若关闭则退回到整页直译。
- 语言对、行业词库、风格模板选完后，点「生成 outline」；约 10–30 秒弹出左侧目录树，可手动增删节点。
- 确认无误后「开始批量翻译」，引擎按顺序调用，每完成一章自动写入本地缓存，断网可续翻。
移动端（Android / iOS）
- App 首页 → 底部「+」→「文档翻译」→ 选择「PDF 分段」。
- 上传后同样先解析 outline，但受屏幕限制，手动增删节点需横屏操作；iOS 30 Beta 下若被系统杀进程，打开「系统级悬浮窗」并配合 Shortcuts 每 5 min 拉活一次即可续传。
失败分支与回退方案
A. 解析失败：outline 返回空 —— 90% 原因是扫描件未 OCR。解决：回到首页「工具箱」→「OCR 预处理」→ 输出可检索 PDF，再重新上传。
B. 目录识别错位 —— 例如「4.2」被拆成两段。解决：在 outline 面板手动拖拽合并，或把“分段阈值”从 3 k 调到 5 k，减少切分点。
C. 翻译到第 N 章报 429 —— 2026-04 起启用 region 级并发配额，需在「设置→高级→API Header」新增 X-Region=apac-us-west，官方工单平均 2 h 内调整。
性能与成本：如何量化“分段”带来的收益
| 模式 | 总调用次数 | 平均重试率 | API 费用（示例 200 页手册） |
|---|---|---|---|
| 整页直译 | ~200 | 23% | 约 4.8 美元 |
| 章节分段 | ~38 | 4% | 约 3.9 美元 |
注：价格为 2026-05 官方零售页标价，未扣包年折扣；重试率基于内部 50 本技术手册样本，供趋势参考。
例外与取舍：哪些书不建议分段
- 诗歌、剧本：换行即语义，切分后节奏丢失；建议整页直译再人工调行。
- 漫画、画册：标题层级稀少，OCR 后 70% 是图片占位符，分段意义低。
- 加密合同：部分条款跨页表格，切分后表格断裂；可先用「表格锁定」功能把跨页区域框选，强制同段。
例外与取舍：哪些书不建议分段
与第三方 CAT 的协同：Agent 记忆包
HelloGPT 支持把分段后的双语结果一键导出 .hgtm（官方 XML 方言）或 .tmx。桌面端「导出」→「兼容 CAT」→ 勾选「Agent 记忆包」，即可在 Trados/MemoQ 中直接加载个人云端语料。工作假设：同一本书二次更新时，匹配率可提升 15–20%，但需 Trados 更新至 SR2（16.2.10.0）以上，否则报「unsupported version」。
验证与观测方法：如何自己复现“排版零错位”
- 准备一份带目录的技术手册（PDF，非扫描）。
- 用「章节分段」翻译，输出双语对照 PDF。
- 在 Adobe Acrobat 打开「比较文件」→ 原文 vs 译文，生成差异报告；若「文本流顺序」差异 <1% 且「字体嵌入」无警告，即可认为排版一致。
- 若出现「段落错位」>3 处，回查 outline 是否误合并；若「字体丢失」则检查原文是否用非嵌入 Type0。
适用/不适用场景清单
| 场景 | 建议 | 理由 |
|---|---|---|
| 200 页软件用户手册 | 强烈分段 | 标题明确，术语重复高，成本下降 18% |
| 10 页商业合同 | 整页直译 | 条款跨页表格多，分段易断句 |
| 漫画/画册 | OCR+整页 | 图像占位符多，outline 稀疏 |
| 学术论文（含公式） | 分段+表格锁定 | 公式可设为锁定区域，防断行 |
最佳实践 6 条（检查表）
- 上传前用 PDF-XChange 检查「字体是否全部嵌入」，避免回退。
- outline 生成后先浏览三级标题，若出现「4.1.1 立即跟随 4.2」这种跳号，手动拖回正确层级。
- 行业词库提前导入，分段后每章仍共享同一会话，术语一致性最佳。
- 每章 token 预算 3 k±10%，遇到代码段密集章节可调至 5 k，减少截断。
- 导出双语对照时勾选「保留书签名」，后续在 iPad 侧边栏跳转原文极快。
- 若需二次校对，把 .hgtm 回传 HelloGPT「AI 润色」→ 学术风格，可一次性统一被动语态。
故障排查速查表
| 现象 | 可能原因 | 验证步骤 | 处置 |
|---|---|---|---|
| outline 空白 | 扫描件未 OCR | 用 Acrobat 搜索任意文字 | 先走「OCR 预处理」 |
| 第 N 章 429 | region 配额超限 | curl -H "X-Region:apac-us-west" | 工单申请调高 |
| 导出 .hgtm 报错 | Trados 版本旧 | 查看版本号 <16.2.10.0 | 先用「导出兼容 2025」 |
FAQ（使用 FAQPage Schema）
分段后页眉页脚消失怎么办？
在「高级设置」勾选「保留页眉页脚」，引擎会把页眉页脚当成独立块，不参与切分，但双语对照时默认隐藏，可手动开关。
扫描件 OCR 后仍提示“outline 为空”？
原因是 OCR 文字层未嵌入书签。解决：用「OCR 预处理」时勾选「同时生成书签」，再重新上传即可。
双语对照 PDF 字体很大，如何压缩？
导出面板「PDF 压缩」选「印刷」→「eBook」，体积可降 60%，但建议先确认图片是否被过度压缩。
总结与下一步行动
HelloGPT翻译器的「章节分段」把长PDF拆成3 k token左右的小块，兼顾术语一致与费用控制，实测200页手册排版零错位。若你手上是带目录的技术文档、教材或论文，优先开启分段；诗歌、合同、漫画则回退整页。下次更新前，建议把本文检查表加入 SOP：上传前先查字体嵌入→outline 确认三级标题→导出双语保留书签。完成这三步，就能把翻译费用压到最低，同时让后续 CAT 二次利用匹配率提升约 20%。