一份泰文教材、政府公文或产品手册，在 PDF 阅读器里字体清晰、排版整齐。复制一段粘贴到记事本，看到的却是这样的内容：
¿“…“‰∑¬
¢Õ∫§ÿ≥
页面上写的是 ภาษาไทย（泰语）和 ขอบคุณ（谢谢）。把这样的 PDF 交给翻译工具，译文往往读着通顺，却和原文对不上：人名、地名经常张冠李戴，自动抽取的术语表里也全是这类符号。
很多人会以为是翻译模型不懂泰语。问题其实出在翻译之前，工具读到的文字本来就不是泰文。
为什么页面正常，复制出来却是乱码？
PDF 里的文字有两层。一层是画在页面上的字形，阅读器按字体把它们画出来，所以你看到的泰文是对的。另一层是文字层，记录每个字形对应哪个字符，复制、搜索和翻译读的都是这一层。
大多数 PDF 两层一致。不少泰文文档却是用 PSL 一类较早期的泰文字体排版的，这些字体沿用旧的字符编码，导出 PDF 时没有写明字形对应哪个泰文字符。阅读器照样能画对字形，读取文字时却只能按西文字符理解，于是 ภ 成了 ¿，ท 成了 ∑。
这类文件看起来完全正常，不是扫描件，文字也能选中，只有复制或搜索时才露出乱码。有的文件封面几行是正常泰文、正文全是乱码，因为封面和正文用了不同的字体。
这对翻译意味着什么？
翻译工具读的是文字层。面对乱码，模型只能根据上下文推测：常见的章节名也许能蒙对，人名、地名和年代就容易出错，而译文本身读起来很通顺，不容易看出问题。
术语抽取也会跟着出错。抽出来的是乱码串，后面按术语表做的一致性检查就没有依据。审校时看到的「原文」同样是乱码，只能对着 PDF 一句句核对。
普通的扫描件检测也拦不住这类文件：它有文字层，字符数量也够，只是字符本身不对。
自己怎么快速判断？
在 PDF 阅读器里选中一段泰文，复制到记事本或任意文本框，看粘贴出来的结果：
- 是泰文：文字层正常，可以直接翻译。
- 是
‡、Õ、°、“、√、∑这类符号混在一起：多半是旧泰文字体造成的乱码。 - 是空白或一个个方框：更可能是扫描件，或者字体映射到了无意义的码位，需要文字识别（OCR）。
SimplifyAI 怎么处理这类泰语 PDF
在 PDF 翻译里选择输出 PDF（尽量保留原版式）时，SimplifyAI 会在解析阶段检查整份文档的文字层。如果正文是这类旧泰文字体造成的乱码，系统会先把文字还原成泰文，再交给翻译模型。例如 ¿“…“‰∑¬ 会还原为 ภาษาไทย。
自动完成的部分：
- 正文、标题和列表编号还原成泰文。
- 本来就正常的泰文保持原样，比如封面上换了新字体的几行。
- 术语抽取、翻译和在线审校用的都是还原后的泰文。
- 译文按原来的位置写回，版式尽量保持不变。
建议人工确认的部分：
- 人名、王朝名、地名等专有名词，最好在翻译前的术语确认环节过一遍。文字还原后模型不用再猜，但历史人物的中文译名本身就有多种写法。
- 页码、页眉和零散符号，审校时抽查即可。
目前还处理不了的情况：
- 输出为 Word 或 PowerPoint 时，暂时不做这一步还原。
- 其他编码方式造成的乱码，系统不一定能识别，翻译前请在原文栏里抽查几段。
- 纯扫描件需要走文字识别。
推荐工作流
- 上传泰语 PDF，选择翻译，输出格式选「PDF（尽量保留原版式）」。
- 解析完成后，在术语确认环节和原文栏里看一眼，内容应该是泰文，而不是符号串。
- 确认术语，尤其是人名和专有名词，然后开始翻译。
- 翻译完成后，在双栏预览里对照原文和译文，重点看标题、人名和年份。
- 下载译文 PDF。
如果这份文件之前在 SimplifyAI 翻译过，当时的原文栏是乱码，请重新上传一次，系统会重新解析。
下一步
手上有复制出来是乱码的泰语 PDF，可以先上传一份，看解析出来的原文栏是不是泰文，再决定是否开始翻译。