تقوم الشركات في مختلف الصناعات بإنشاء كميات كبيرة من مستندات PDF ومسحها ضوئيًا وتخزينها. في كثير من الحالات ، يكون المحتوى مليئًا بالنصوص وغالبًا ما يكون مكتوبًا بلغة مختلفة ويتطلب الترجمة. لمعالجة هذا الأمر ، أنت بحاجة إلى حل تلقائي لاستخراج المحتويات داخل ملفات PDF هذه وترجمتها بسرعة وبتكلفة مناسبة.
تمتلك العديد من الشركات مستخدمين عالميين متنوعين وتحتاج إلى ترجمة النص لتمكين التواصل عبر اللغات بينهم. هذا جهد بشري يدوي وبطيء ومكلف. هناك حاجة لإيجاد حل قابل للتطوير وموثوق وفعال من حيث التكلفة لترجمة المستندات مع الاحتفاظ بتنسيق المستند الأصلي.
بالنسبة للقطاعات مثل الرعاية الصحية ، نظرًا للمتطلبات التنظيمية ، تتطلب المستندات المترجمة وجود شخص إضافي في الحلقة للتحقق من صحة المستند المترجم آليًا.
إذا لم يحتفظ المستند المترجم بالتنسيق والبنية الأصليين ، فإنه يفقد سياقه. هذا يمكن أن يجعل من الصعب على المراجع البشري التحقق من صحة وإجراء التصحيحات.
في هذا المنشور ، نوضح كيفية إنشاء ملف PDF مترجم جديد من ملف PDF ممسوح ضوئيًا مع الاحتفاظ بهيكل المستند الأصلي وتنسيقه باستخدام نهج قائم على الهندسة باستخدام أمازون تيكستراك, ترجمة أمازونو أباتشي PDFBox.
حل نظرة عامة
الحل المقدم في هذا المنشور يستخدم المكونات التالية:
- أمازون تيكستراك - خدمة التعلم الآلي المُدارة بالكامل (ML) التي تستخرج تلقائيًا النص المطبوع والكتابة اليدوية والبيانات الأخرى من المستندات الممسوحة ضوئيًا والتي تتجاوز التعرف الضوئي على الحروف (OCR) للتعرف على البيانات وفهمها واستخراجها من النماذج والجداول. يمكن لـ Amazon Textract اكتشاف النص في مجموعة متنوعة من المستندات ، بما في ذلك التقارير المالية والسجلات الطبية ونماذج الضرائب.
- ترجمة أمازون - خدمة ترجمة آلية عصبية تقدم ترجمة لغوية سريعة وعالية الجودة وبأسعار معقولة. توفر Amazon Translate إمكانات ترجمة مجمعة عالية الجودة عند الطلب عبر أكثر من 2,970 زوجًا من اللغات ، مع تقليل تكاليف الترجمة.
- ترجمة PDF - مكتبة مفتوحة المصدر مكتوبة بلغة جافا ونشرت بتاريخ عينات AWS في GitHub. تحتوي هذه المكتبة على منطق لإنشاء مستندات PDF مترجمة باللغة التي تريدها باستخدام Amazon Textract و Amazon Translate. كما أنه يستخدم مكتبة جافا مفتوحة المصدر Apache PDFBox لإنشاء مستندات PDF. هناك مكتبات معالجة PDF مماثلة متاحة بلغات برمجة أخرى ، على سبيل المثال عقدة PDFBox.
أثناء إجراء الترجمات الآلية ، قد تواجه مواقف ترغب فيها في الحفاظ على أقسام معينة من النص من الترجمة ، مثل الأسماء أو المعرفات الفريدة. يسمح Amazon Translate بتعديلات العلامات ، مما يسمح لك بتحديد النص الذي لا يجب ترجمته. يدعم Amazon Translate أيضًا التخصيص الرسمي ، والذي يسمح لك بتخصيص مستوى الشكليات في إخراج الترجمة الخاص بك.
للحصول على تفاصيل حول حدود Amazon Textract ، يرجى الرجوع إلى الحصص في Amazon Textract.
يقتصر الحل على اللغات التي يمكن استخراجها بواسطة Amazon Textract ، والتي تدعم حاليًا الإنجليزية والإسبانية والإيطالية والبرتغالية والفرنسية والألمانية. هذه اللغات مدعومة أيضًا بواسطة Amazon Translate. للحصول على القائمة الكاملة للغات التي تدعمها Amazon Translate ، يرجى الرجوع إلى اللغات المدعومة ورموز اللغة.
نستخدم ملف PDF التالي لشرح ترجمة النص من الإنجليزية إلى الإسبانية. يدعم الحل أيضًا إنشاء المستند المترجم بدون أي تنسيق. يتم الحفاظ على موضع النص المترجم. يمكن أيضًا العثور على المصدر ومستندات PDF المترجمة في ملف نماذج AWS GitHub repo.
في الأقسام التالية ، نوضح كيفية تشغيل رمز الترجمة على جهاز محلي وإلقاء نظرة على رمز الترجمة بمزيد من التفصيل.
المتطلبات الأساسية المسبقة
قبل أن تبدأ ، قم بإعداد حساب AWS الخاص بك و واجهة سطر الأوامر AWS (AWS CLI). للوصول إلى أي من خدمات AWS مثل Textract و Translate ، يلزم الحصول على أذونات IAM المناسبة. نوصي باستخدام أذونات الامتياز الأقل. لمعرفة المزيد حول أذونات IAM انظر السياسات والأذونات في IAM وأيضا كيف يعمل Amazon Textract مع IAM و كيف يعمل تطبيق Amazon Translate مع IAM.
قم بتشغيل رمز الترجمة على جهاز محلي
يركز هذا الحل على كود Java المستقل لاستخراج وترجمة مستند PDF. هذا لتسهيل الاختبار والتخصيصات للحصول على أفضل مستند PDF مترجم. يمكن بعد ذلك دمج الرمز في حل مؤتمت للنشر والتشغيل في AWS. يرى ترجمة مستندات PDF باستخدام Amazon Translate و Amazon Textract لعينة العمارة التي تستخدم خدمة تخزين أمازون البسيطة (Amazon S3) لتخزين المستندات وملفات AWS لامدا لتشغيل الكود.
لتشغيل التعليمات البرمجية على جهاز محلي ، أكمل الخطوات التالية. تتوفر أمثلة التعليمات البرمجية على GitHub الريبو.
- استنساخ GitHub repo:
- قم بتشغيل الأمر التالي:
- قم بتشغيل الأمر التالي للترجمة من الإنجليزية إلى الإسبانية:
يتم إنشاء مستندين PDF مترجمين في مجلد المستندات ، بالتنسيق الأصلي وبدونه (SampleOutput-es.pdf
و SampleOutput-min-es.pdf
).
كود لإنشاء ملف PDF مترجم
توضح مقتطفات التعليمات البرمجية التالية كيفية أخذ مستند PDF وإنشاء مستند PDF مترجم مقابل. يقوم باستخراج النص باستخدام Amazon Textract وإنشاء ملف PDF المترجم عن طريق إضافة النص المترجم كطبقة إلى الصورة. إنه يعتمد على الحل الموضح في المنشور إنشاء ملفات PDF قابلة للبحث من المستندات الممسوحة ضوئيًا تلقائيًا باستخدام Amazon Textract.
يحصل الرمز أولاً على كل سطر من النص باستخدام Amazon Textract. تُستخدم خدمة Amazon Translate للحصول على نص مترجم وحفظ هندسة النص المترجم.
يتم حساب حجم الخط على النحو التالي ويمكن تهيئته بسهولة:
يتم إنشاء ملف PDF المترجم من الهندسة المحفوظة والنص المترجم. يمكن بسهولة تكوين التغييرات على لون النص المترجم.
توضح الصورة التالية المستند المترجم إلى الإسبانية بالتنسيق الأصلي (SampleOutput-es.pdf
).
تُظهر الصورة التالية ملف PDF المترجم باللغة الإسبانية دون أي تنسيق (SampleOutput-min-es.pdf
).
وقت المعالجة
استغرق ملف طلب التوظيف حوالي 10 ثوانٍ لاستخراج ومعالجة وتقديم ملف pdf المترجم. وقت معالجة مستند نصي ثقيل مثل ملف إعلان الاستقلال استغرق PDF أقل من دقيقة.
التكلفة
مع Amazon Textract ، تدفع حسب ما تذهب بناءً على عدد الصفحات والصور التي تمت معالجتها. باستخدام Amazon Translate ، تدفع حسب ما تذهب بناءً على عدد أحرف النص التي تتم معالجتها. تشير إلى تسعير Amazon Textract و تسعير Amazon Translate للتكاليف الفعلية.
وفي الختام
أظهر هذا المنشور كيفية استخدام Amazon Textract و Amazon Translate لإنشاء مستندات PDF مترجمة مع الاحتفاظ بهيكل المستند الأصلي. يمكنك اختياريًا معالجة نتائج Amazon Textract لاحقًا لتحسين جودة الترجمة ، على سبيل المثال ، يمكن تمرير الكلمات المستخرجة من خلال عمليات التدقيق الإملائي القائمة على ML مثل سيمبل للتحقق من صحة البيانات ، أو يمكن استخدام خوارزميات التجميع للحفاظ على ترتيب القراءة. تستطيع ايضا استخذام أمازون المعزز بالذكاء الاصطناعي (Amazon A2I) لبناء مهام سير عمل المراجعة البشرية حيث يمكنك استخدام القوة العاملة الخاصة بك لمراجعة مستندات PDF الأصلية والمترجمة لتوفير مزيد من الدقة والسياق. يرى تصميم سير عمل المراجعة البشرية باستخدام Amazon Translate و Amazon Augmented AI و بناء سير عمل ترجمة مستندات متعدد اللغات مع تخصيص خاص بالمجال ولغة معينة للبدء.
حول المؤلف
أنوبها سنغال هو كبير مهندسي السحابة في Amazon Web Services في مؤسسة AWS Professional Services.
شون لورانس كان سابقًا مهندس الواجهة الأمامية في AWS. تخصص في تطوير الواجهة الأمامية في مؤسسة خدمات AWS الاحترافية وفريق خصوصية Amazon.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/retain-original-pdf-formatting-to-view-translated-documents-with-amazon-textract-amazon-translate-and-pdfbox/
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 10
- 100
- 15%
- 20
- 7
- 970
- a
- من نحن
- الوصول
- حسابي
- دقة
- في
- يقدم
- مضيفا
- إضافي
- العنوان
- بأسعار معقولة
- خوارزميات
- يسمح
- أيضا
- أمازون
- أمازون تيكستراك
- ترجمة أمازون
- أمازون ويب سيرفيسز
- an
- و
- أي وقت
- أباتشي
- تطبيق
- نهج
- مناسب
- هندسة معمارية
- هي
- AS
- At
- المعزز
- الآلي
- تلقائيا
- متاح
- AWS
- الخدمات المهنية AWS
- على أساس
- BE
- يجري
- ما بين
- Beyond
- اسود
- حظر
- Blocks
- صندوق
- نساعدك في بناء
- يبني
- الأعمال
- by
- محسوب
- CAN
- قدرات
- الحالات
- التغييرات
- حرف
- التعرف على الشخصية
- الأحرف
- سحابة
- المجموعات
- الكود
- اللون
- Communication
- إكمال
- تكوين
- يحتوي
- محتوى
- محتويات
- سياق الكلام
- التصحيحات
- المقابلة
- فعاله من حيث التكلفه
- التكاليف
- خلق
- خلق
- يخلق
- حاليا
- التخصيص
- تصميم
- البيانات
- يسلم
- شرح
- نشر
- مطلوب
- التفاصيل
- تفاصيل
- التطوير التجاري
- مختلف
- صعبة
- عدة
- وثيقة
- وثائق
- لا
- اثنان
- كل
- أسهل
- بسهولة
- جهد
- آخر
- توظيف
- تمكين
- النهاية
- مهندس
- انجليزي
- مثال
- أمثلة
- ذو تكلفة باهظة
- استخراج
- مقتطفات
- زائف
- FAST
- شغل
- مالي
- الاسم الأول
- تطفو
- ويركز
- متابعيك
- متابعات
- في حالة
- سابقا
- أشكال
- وجدت
- الفرنسية
- تبدأ من
- جبهة
- نهاية المقدمة
- تطوير الواجهة الأمامية
- بالإضافة إلى
- تماما
- توليد
- توليد
- الألمانيّة
- دولار فقط واحصل على خصم XNUMX% على جميع
- GitHub جيثب:
- العالمية
- Go
- يذهب
- يملك
- he
- الرعاية الصحية
- ثقيل
- ارتفاع
- هنا
- عالي الجودة
- منـزل
- كيفية
- كيفية
- HTML
- HTTP
- HTTPS
- الانسان
- معرفات
- تحديد
- if
- صورة
- صور
- تحسن
- in
- في أخرى
- تتضمن
- بما فيه
- الصناعات
- إدخال
- المتكاملة
- إلى
- IT
- انها
- جافا
- لغة
- اللغات
- كبير
- طبقة
- تعلم
- تعلم
- الأقل
- اليسار
- أقل
- مستوى
- المكتبات
- المكتبة
- حدود
- خط
- خطوط
- قائمة
- محلي
- منطق
- بحث
- يفقد
- آلة
- آلة التعلم
- جعل
- تمكن
- كتيب
- كثير
- مايو..
- طبي
- دقيقة
- ML
- التعديلات
- الأكثر من ذلك
- أسماء
- حاجة
- بحاجة
- جديد
- عدد
- موضوع
- التعرف الضوئي على الحروف
- of
- غالبا
- on
- على الطلب
- المصدر المفتوح
- عملية
- التعرف الضوئي على الحروف
- or
- طلب
- منظمة
- أصلي
- أخرى
- الناتج
- الخاصة
- صفحة
- صفحات
- أزواج
- مرت
- أداء
- أذونات
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البرتغاليّة
- ان يرتفع المركز
- منشور
- قدم
- خصوصية
- خاص
- امتياز
- عملية المعالجة
- معالجتها
- معالجة
- محترف
- برمجة وتطوير
- لغات البرمجة
- تزود
- ويوفر
- نشرت
- جودة
- بسرعة
- نادي القراءة
- اعتراف
- نوصي
- تسجيل
- منطقة
- المنظمين
- الخدمة الموثوقة
- التقارير
- تطلب
- المتطلبات الأساسية
- يتطلب
- مقيد
- النتائج
- احتفظ
- الاحتفاظ
- عائد أعلى
- مراجعة
- يجري
- حفظ
- تحجيم
- تفحص
- ثواني
- أقسام
- انظر تعريف
- كبير
- الخدمة
- خدماتنا
- طقم
- ينبغي
- إظهار
- أظهرت
- أظهرت
- يظهر
- مماثل
- الاشارات
- حالات
- المقاس
- بطيء
- حل
- مصدر
- الإسبانية
- متخصص
- محدد
- مستقل
- بدأت
- خطوات
- تخزين
- متجر
- خيط
- بناء
- هذه
- مدعومة
- الدعم
- TAG
- أخذ
- ضريبة
- فريق
- الاختبار
- من
- أن
- •
- المصدر
- منهم
- then
- هناك.
- تشبه
- عبر
- الوقت
- إلى
- استغرق
- تيشرت
- ترجمه
- خدمات ترجمة
- فهم
- فريد من نوعه
- تستخدم
- مستعمل
- المستخدمين
- يستخدم
- استخدام
- استخدام
- التحقق من صحة
- التحقق من صحة
- تشكيلة
- مختلف
- تحقق من
- القطاعات
- المزيد
- مجلدات
- وكان
- we
- الويب
- خدمات ويب
- حسن
- ابحث عن
- التي
- في حين
- أبيض
- عرض
- مع
- في غضون
- بدون
- كلمات
- سير العمل
- سير العمل
- القوى العاملة
- أعمال
- مكتوب
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت