Một file được dịch bởi công cụ
Người dùng cuối sử dụng ngay sản phẩm qua giao diện web mà không cần phải cài thêm bất cứ phần mềm nào.
- Link app AI Studio: https://aistudio.google.com/apps/bb5c61b7-e110-49aa-933c-04c4ccd18e16?showPreview=true&showAssistant=true&fullscreenApplet=true (API Key miễn phí là đủ dùng);
- Link web: https://pdf-silatranslator.wpsila.com (cần API Key trả phí);
Chất lượng của 2 phiên bản trên như nhau, dùng qua AI Studio (link app) bạn sẽ tận dụng được ngưỡng miễn phí hàng ngày tương đối thoải mái của Gemini. Chỉ cần tạo Key miễn phí để nhập vào.
- Hướng dẫn cách dùng mọi người đọc thêm ở đây nhé: https://pdf-translator.wpsila.com
- Chương trình sử dụng SI/Prompt đã được tối ưu sẵn ở dự án này (có điều chỉnh trong phiên bản thực tế/cùng tác giả): https://github.com/kiencang/SI-Prompt-PDF-EV-Translate (v1.3.48)
- Dịch các file PDF ngắn, chuyên ngành từ 25 - 30 trang đổ lại (ngưỡng chính xác là 25 ngàn token);
- Có khả năng tái tạo tương đối tốt định dạng của tài liệu gốc;
- Có khả năng xử lý các công thức toán học phức tạp (AI trả về LaTeX, công cụ dùng thư viện MathJax để hiển thị);
- Giữ lại được các ảnh bitmap (dạng như ảnh chụp bằng điện thoại/máy ảnh nhúng trong file PDF) trong bản dịch;
- Nếu ảnh được tách là dạng sơ đồ, biểu đồ chứa text, bạn có thể tiếp tục dịch tiếp ảnh đó sau khi bản dịch hoàn tất;
- Các phong cách dịch cho các kiểu tài liệu khác nhau;
- Tùy chọn model dịch là Pro hay Flash;
- Lưu trữ 10 bài dịch gần nhất;
- Tìm kiếm tài liệu tiếng Anh trên Google Scholar bằng từ khóa tiếng Việt;
- Nhìn chung công cụ tách ảnh rất tốt đối với hầu hết các file PDF thông thường, tuy nhiên cũng có giới hạn: Đối với file PDF dạng scan, nó sẽ không tách được;
- Một số file PDF không phải scan nhưng có cấu trúc, định dạng quá phức tạp cũng có thể không tách được ảnh;
PDF-silaTranslator có cách thức hoạt động tương đối đơn giản. Nó chủ yếu dựa vào sức mạnh của AI trong việc dịch và tái tạo định dạng gốc của tài liệu. Nên không hề khiêm tốn khi nói rằng về cơ bản nó là dạng sản phẩm AI-Wrapper.
Việc sử dụng định dạng HTML cho bản dịch có nhiều lợi thế:
- AI rất hiểu HTML, CSS;
- Và HTML, CSS rất mềm dẻo trong khả năng định dạng tài liệu;
Để cho kết quả tốt, ứng dụng này:
- Thực hiện thử nghiệm SI/Prompt để tối ưu kết quả (cả khía cạnh dịch & định dạng); Không chỉ nội dung chỉ thị, SI/Prompt còn được tối ưu thông qua định dạng markdown và các thẻ phụ để AI hiểu rõ yêu cầu hơn;
- Cài đặt liên quan đến AI (Gemini nói riêng), chẳng hạn như để Thinking Level là HIGH, thay vì mặc định MEDIUM để tăng khả năng suy luận; Temperature để là 1 để phù hợp với khuyến cáo liên quan đến khả năng suy luận tối ưu;
- Gemini cũng rất mạnh trong khả năng
nhìn, do vậy việc tách ảnh từ file PDF (thông qua thư viện pdf.js) rồi gửi lên AI chèn lại ảnh không gặp quá nhiều khó khăn;
Về giới hạn 25 ngàn token đầu vào là vì ứng dụng này chỉ sử dụng duy nhất một phiên gọi API để dịch, và giới hạn đầu ra của Gemini rơi vào khoảng 65 ngàn token, do đã mất tương đối nhiều token cho các thẻ HTML và CSS, nên giới hạn trần đầu vào 25 ngàn token là hợp lý, dù đôi khi con số này có thể tăng lên đôi chút mà vẫn dịch đầy đủ trọn vẹn được.
Nhìn chung, ở thời điểm hiện tại dùng Gemini để dịch tối ưu về nhiều khía cạnh:
- Họ cung cấp gói miễn phí hàng ngày tương đối rộng rãi để người dùng thoải mái mà không phải mua API;
- Chất lượng dịch của Gemini rất tốt, nhất là dùng với model mới nhất Pro hoặc Flash;
Nếu người dùng muốn sử dụng các model AI khác, có thể tự vibe coding, chẳng hạn để kết hợp với OpenAI, Claude, vân vân.
Một cách khác là sử dụng OpenRouter, một cổng trung gian API AI có thể kết hợp với hầu như bất cứ AI nào đang tồn tại. Làm như vậy mã nguồn sẽ đỡ phức tạp đi nhiều.
Bạn có thể tham khảo repo này (cùng tác giả) để sử dụng OpenRouter kết nối với các AI khác khi dịch file PDF: https://github.com/kiencang/PDF-openSky
Công cụ vừa nhắc cần các AI có khả năng nhận diện cả ảnh (để bản dịch có định dạng tốt và gần tương tự với bản gốc), do vậy bạn phải chọn các AI đa phương thức (Multimodal AI). Các AI mà chỉ nhận được đầu vào là text sẽ không hợp với ứng dụng này.
Tôi cũng phát triển một nhánh khác, chuyên dùng model của Meta AI (công ty mẹ của Facebook): https://github.com/kiencang/PDF-ownWay
Lưu ý: Các model AI trên OpenRouter hoặc khi bạn dùng nhánh Meta AI đều có phí (phí cụ thể tùy thuộc bạn dùng model nào). Kể cả bạn dùng Gemini thông qua OpenRouter thì vẫn mất phí. Nếu muốn tiết kiệm tối đa, dùng repo này (PDF-silaTranslator) trên AI Studio là giải pháp tốt nhất. Chỉ khi bắt buộc cần dùng đến các AI khác thì mới dùng nhánh OpenRouter ở trên (PDF-openSky).
Với trường hợp file PDF dạng scan, công cụ này sẽ không tách được ảnh, nó chỉ dịch được text. Nếu Bạn muốn dịch giữ được ảnh, thì cách đơn giản nhất là dùng các công cụ OCR chuyên dụng để chuyển PDF sang dạng markdown (ví dụ dùng PaddleOCR hoặc MinerU), rồi tải định dạng đó lên các công cụ có khả năng dịch markdown, ví dụ silaBook.
PS: Một số công cụ trực tuyến chuyển PDF -> Markdown hiện nay có vẻ hơi quá tải, vì thế tốc độ chuyển bị chậm, giải pháp tốt hơn là tải phần mềm của họ về, ví dụ MinerU có phần mềm cho các hệ điều hành khác nhau, tải về rồi chuyển đổi cho tốc độ tốt hơn khá nhiều cách dùng trực tuyến.
Công cụ này được hoàn thành dựa vào nhiều thư viện khác. Một số thư viện quan trọng bao gồm:
- Angular: Framework Javascript, sản phẩm của Google.
- Tailwind CSS: Chịu trách nhiệm chính cho giao diện.
- Lucide Angular: Bộ icon.
- pdf-lib: Giúp chia tách, cắt ngắn file PDF.
- Mozilla PDF.js: Phát triển bởi Mozilla. Thư viện chạy hoàn toàn trên Client-side, giúp trích xuất hình ảnh trong file PDF.
Xem thêm Tuyên bố từ chối trách nhiệm: https://github.com/kiencang/PDF-silaTranslator-Online/blob/main/DISCLAIMERS.md