PDFMathTranslate: แปลเอกสารวิชาการ PDF โดยคงสูตรและเลย์เอาต์

แก่นของเรื่อง

ความคิดหลัก: เครื่องมือนี้ไม่ได้แปลทั้งไฟล์เป็นก้อนเดียว แต่แยกส่วนที่เป็นข้อความออกมาแปล ส่วนสูตร รูป และตารางปล่อยไว้ที่เดิม แล้วประกอบกลับเป็น PDF ที่เลย์เอาต์เหมือนต้นฉบับ

ทำไมถึงได้ผล (ตีความ): สูตรและสัญลักษณ์ที่ผ่านตัวแปลทั่วไปมักเพี้ยน ถ้าตรวจพบว่าเป็นสูตรแล้วข้ามการแปล ความหมายทางคณิตศาสตร์ก็คงเดิม การข้ามอาศัยกฎจากชื่อฟอนต์และตัวอักษร (ดูตัวเลือก -f และ -c) และอาศัยโมเดลตรวจเลย์เอาต์ DocLayout-YOLO แบบ ONNX ในโหมดปกติ (อ่านจาก repo, 2026-10-21)

20% ที่สำคัญที่สุดในทางปฏิบัติ

ต้องรู้	รอได้
`pip install pdf2zh` แล้ว `pdf2zh file.pdf`	ติดตั้ง Docker, Zotero, MCP
`-s` เลือกบริการแปล และตั้ง API key ผ่าน environment variable	บริการแปลที่ไม่ได้ใช้ ซึ่งมีรายการยาว
`-lo` ภาษาปลายทาง และ `-p` เลือกหน้า	`--onnx`, `--prompt`, `--config`
ผลลัพธ์มี 2 ไฟล์: `-mono` (แปลล้วน) และ `-dual` (สองภาษา)	OCR และโหมด precise ที่ยังเป็น experimental

ช่วยให้ดีขึ้นอย่างไร

สถานการณ์	ถ้าไม่มีเครื่องมือ	เมื่อใช้	วัดอย่างไร	หลักฐาน
อ่านเปเปอร์ภาษาอังกฤษ	คัดลอกข้อความไปแปลเอง สูตรและเลย์เอาต์พัง	ได้ PDF ที่สูตร รูป ตารางอยู่ที่เดิม	จำนวนหน้าที่เลย์เอาต์เพี้ยนจากทั้งหมด	ตีความ (README ระบุว่าคงเลย์เอาต์ แต่ไม่มีตัวเลขวัดผล)
เทียบคำแปลกับต้นฉบับ	เปิดสองไฟล์สลับกัน	ไฟล์ `-dual` มีสองภาษาในไฟล์เดียว	เวลาที่ใช้เทียบหนึ่งหน้า	อ่านจาก repo (2026-10-21) ว่ามีไฟล์ `-dual` แต่ไม่มีตัวเลขเวลา
แปลหลายไฟล์	สั่งทีละไฟล์	`--dir` แปลทั้งโฟลเดอร์	เวลารวมต่อไฟล์	ยังไม่ทดสอบ
PDF ที่มีข้อความดิจิทัลอยู่แล้ว	ต้องรันโมเดลตรวจเลย์เอาต์ทุกหน้า	`--ultrafast` ข้ามการตรวจด้วย ONNX และ OCR	เวลาต่อไฟล์	อ่านจาก repo: ข้ามขั้นตอนเหล่านี้ ไม่มีเลขความเร็ว; ไฟล์ใหญ่ขึ้น (trade-off)
ตารางและสูตรซับซ้อน	-	`--ultrafast` ไม่เหมาะ ต้องใช้โหมดปกติ	ตรวจด้วยตาเทียบต้นฉบับ	อ่านจาก repo (ADVANCED.md)

ลองใช้

ตัวอย่างประกอบ: แปลเปเปอร์ 20 หน้า (ตัวเลขเป็นตัวอย่างที่เราตั้งเอง)

เปเปอร์ paper.pdf ยาว 20 หน้า ต้องการอ่านแค่หน้า 1-3 และ 5 เป็นภาษาไทย

pip install pdf2zh
pdf2zh paper.pdf -p 1-3,5 -li en -lo th -o out

หน้าที่แปลคือ 3 + 1 = 4 หน้า จาก 20 หน้า คิดเป็น 4/20 = 20% ของเอกสาร ผลลัพธ์อยู่ใน out/ เป็น paper-mono.pdf และ paper-dual.pdf (ชื่อไฟล์ตามที่ README อธิบายสำหรับ example) ส่วนรหัสภาษาไทยคือ th ซึ่งเป็นความรู้ทั่วไป README ไม่ได้ระบุ ให้ลองและตรวจก่อน

ใช้ LLM แทน Google:

export OPENAI_API_KEY=sk-...
export OPENAI_BASE_URL=https://api.openai.com/v1
pdf2zh paper.pdf -s openai:gpt-4o-mini -lo th

ค่า OPENAI_BASE_URL ต้องลงท้ายด้วย /v1 ไม่เช่นนั้นจะได้ error 404 (อ่านจาก repo, 2026-10-21)

เมื่อไรควรใช้ / ไม่ควรใช้

สถานการณ์	ใช้	ข้อควรตรวจก่อน
เปเปอร์ที่มีข้อความดิจิทัลและสูตรมาก	✅ โหมดปกติ	Python 3.11-3.12
ต้องการแปลเร็วและไฟล์มีข้อความดิจิทัล	✅ `--ultrafast`	ติดตั้ง `pdf2zh[ultrafast]` และไม่มีตารางหรือสูตรซับซ้อน
เอกสารสแกน	🟡 ลอง `pdf2zh[ocr]`	เป็น experimental ใช้ได้ดีกับพื้นขาว
เอกสารลับหรือมีข้อมูลส่วนบุคคล	❌ กับบริการแปลออนไลน์	ใช้ `ollama` ที่รันในเครื่องแทน หรือไม่แปล
ต้องการผลระดับตีพิมพ์โดยไม่ตรวจ	❌	ผลแปลจากเครื่องต้องมีคนตรวจ

ก้าวแรกที่เล็กที่สุด

pip install pdf2zh
pdf2zh your.pdf -p 1
เปิด your-dual.pdf ดูหน้า 1

การทดสอบก่อน/หลังที่รันซ้ำได้

รายการ	ค่า
ตัวชี้วัด	จำนวนจุดที่ผิด (สูตรหาย ข้อความทับกัน ศัพท์เฉพาะแปลผิด) ในหน้าที่เลือก 3 หน้า
ค่าฐาน	แปลด้วย `-s google` ที่เป็นค่าเริ่มต้น
ทดลอง	แปลหน้าเดียวกันด้วยบริการอื่น เช่น `-s openai:gpt-4o-mini`
เงื่อนไขผ่าน (กำหนดก่อนรัน)	จำนวนจุดผิดลดลงอย่างน้อย 30% และไม่มีสูตรหาย

เกณฑ์ 30% เป็นตัวเลขที่เราตั้ง ปรับตามความเหมาะสมได้ แต่ต้องกำหนดก่อนรัน

ภาพรวมโครงการ

โครงการนี้เป็นของ PDFMathTranslate/PDFMathTranslate ใบอนุญาต AGPL-3.0 ได้รับการตอบรับใน EMNLP 2025 System Demonstrations (หน้า 918-924) ผู้เขียนงานวิชาการคือ Rongxin Ouyang, Chang Chu, Zhikuang Xin และ Xiangyao Ma (อ่านจาก repo, 2026-10-21)

รายการ	รายละเอียด
คำสั่งหลัก	`pdf2zh`
ผลลัพธ์	`-mono.pdf` (แปลล้วน) และ `-dual.pdf` (สองภาษา)
บริการแปลเริ่มต้น	Google
สิ่งที่คงไว้	สูตร รูป ตาราง สารบัญ และ annotation
โมเดลตรวจเลย์เอาต์	`wybxc/DocLayout-YOLO-DocStructBench-onnx`
สาขาพัฒนา	PDFMathTranslate-next ไม่รับ community contribution
สาขารุ่นเสถียร	Byaidu/PDFMathTranslate ตามที่ README ระบุ

ไทม์ไลน์ฟีเจอร์ที่ README ระบุ

เวลา	การเปลี่ยนแปลง
ต.ค. 2026	`--ultrafast` และการเว้นวรรคอัตโนมัติระหว่างตัวอักษร CJK กับละติน
ก.ย. 2026	OCR แบบทดลอง จัดย่อหน้าใหม่ และจัดวางแบบปรับตัว
มี.ค. 2026	kernel แปลรุ่นทดลอง v2.0 (`--mode precise`) และรองรับ MiniMax
พ.ค. 2025	พรีวิว pdf2zh 2.0 สายนี้ย้ายไป PDFMathTranslate-next

วิธีติดตั้งและใช้งาน

เลือกวิธีติดตั้ง

วิธี	คำสั่งหรือขั้นตอน	เหมาะกับ
uv	`pip install uv` แล้ว `uv tool install --python 3.12 pdf2zh`	ต้องการแยกสภาพแวดล้อม
pip	`pip install pdf2zh`	ง่ายที่สุด
GUI	`pdf2zh -i` แล้วเปิด `http://localhost:7860/`	ไม่ถนัดบรรทัดคำสั่ง
Windows	โหลด `pdf2zh-version-win64.zip` จาก release ถ้าเปิดไม่ได้ ลง `vc_redist.x64.exe`	ผู้ใช้ Windows ทั่วไป
Docker	`docker run -d -p 7860:7860 byaidu/pdf2zh`	รันเป็นเซิร์ฟเวอร์
Zotero	ปลั๊กอิน guaguastandup/zotero-pdf2zh	จัดการเปเปอร์ใน Zotero

ถ้าเข้า Docker Hub ไม่ได้ ใช้ ghcr.io/byaidu/pdfmathtranslate แทน (อ่านจาก repo, 2026-10-21)

ตัวเลือกที่ใช้บ่อย

ตัวเลือก	หน้าที่	ตัวอย่าง
`-p`	เลือกหน้า	`pdf2zh f.pdf -p 1-3,5`
`-li` / `-lo`	ภาษาต้นทาง / ปลายทาง	`-li en -lo zh`
`-s`	บริการแปล	`-s deepl` หรือ `-s openai:gpt-4o-mini`
`-t`	จำนวน thread (โหมดปกติค่าเริ่มต้น 4)	`-t 1`
`-o`	โฟลเดอร์ผลลัพธ์	`-o output`
`--dir`	แปลทั้งโฟลเดอร์	`--dir /path/`
`--ignore-cache`	ไม่ใช้ cache คำแปล	`--ignore-cache`
`--config`	ไฟล์ตั้งค่า JSON	`--config config.json`
`--prompt`	prompt เอง (ตัวแปร `lang_in`, `lang_out`, `text`)	`--prompt prompt.txt`
`-f` / `-c`	regex ชื่อฟอนต์สูตร / ตัวอักษรที่ต้องคงไว้	ดูตัวอย่างใน ADVANCED.md
`--mode`	`fast` (ค่าเริ่มต้น) หรือ `precise` (ทดลอง)	`--mode precise`
`--mcp`	โหมด MCP STDIO	`pdf2zh --mcp`

บริการแปลที่รองรับ (อ่านจาก repo)

กลุ่ม	บริการ	ต้องตั้งค่า
ไม่ต้องใช้ key	google, bing, argos	ไม่ต้อง
LLM แบบ OpenAI	openai, openailiked, azure-openai, deepseek, grok, groq, gemini ฯลฯ	`_API_KEY`, `_MODEL`
แปลเฉพาะทาง	deepl, deeplx, azure, tencent, qwen-mt	key ของแต่ละเจ้า
รันในเครื่อง	ollama, xinference	`OLLAMA_HOST`, `OLLAMA_MODEL`

ลำดับค่าตั้ง: โปรแกรมอ่านไฟล์ config ก่อน แล้วอ่าน environment variable ถ้ามีการตั้งตัวแปรสภาพแวดล้อม ค่านั้นจะมีผลเหนือกว่าและอัปเดตไฟล์ (ไฟล์เริ่มต้นอยู่ที่ ~/.config/PDFMathTranslate/config.json)

โหมดการทำงาน

flowchart TD
    A[PDF] --> B{ข้อความดิจิทัลหรือภาพสแกน}
    B -->|ดิจิทัล เลย์เอาต์ง่าย| C[--ultrafast]
    B -->|ดิจิทัล มีสูตรหรือตารางซับซ้อน| D[โหมดปกติ fast]
    B -->|ภาพสแกน| E[pdf2zh ocr แบบทดลอง]
    B -->|ต้องการคุณภาพสูงสุด| F[--mode precise แบบทดลอง]
    C --> G[mono และ dual PDF]
    D --> G
    E --> G
    F --> G

โหมด	วิธีทำงาน	ข้อจำกัด
ปกติ (fast)	ใช้โมเดล ONNX ตรวจเลย์เอาต์	ต้องดาวน์โหลดโมเดล
`--ultrafast`	ใช้ตำแหน่งข้อความเดิมจาก `pdf-inspector` ข้าม ONNX และ OCR มี worker 16 ตัว	ใช้ร่วมกับ precise, `--babeldoc`, GUI/server, `--onnx` ไม่ได้ ไฟล์ใหญ่ขึ้น
OCR	ติดตั้ง `pip install 'pdf2zh[ocr]'` ทำงานกับหน้าที่เป็นภาพล้วน	ทดลอง เหมาะกับพื้นขาว
`--mode precise`	kernel รุ่น 2.0	ทดลอง

ข้อเท็จจริง ความเห็น และสิ่งที่ยังไม่ยืนยัน

ประเภท	เนื้อหา
ข้อเท็จจริง (อ่านจาก repo)	มีไฟล์ mono/dual, บริการแปลหลายเจ้า, ultrafast ข้าม ONNX และ OCR, AGPL-3.0
คำกล่าวอ้างของโครงการ	"คงสูตร กราฟ สารบัญ และ annotation" ไม่มีตัวเลขความแม่นยำใน README
ตีความ	คุณภาพการแปลขึ้นกับบริการที่เลือกและความซับซ้อนของเอกสาร
ยังไม่ทดสอบ	ความเร็วเทียบระหว่างโหมด และคุณภาพของ OCR ภาษาไทย
ไม่มีข้อมูล	ขั้นตอนภายในของโหมดปกติ ADVANCED.md ไม่ได้อธิบายทีละขั้น

ข้อควรระวังและข้อผิดพลาดที่พบบ่อย

ปัญหา	สาเหตุ	วิธีแก้
ดาวน์โหลดโมเดลไม่ได้	เข้า HuggingFace ไม่ได้	ตั้ง `HF_ENDPOINT=https://hf-mirror.com` (อ่านจาก repo)
ได้ error 404 กับ API แบบ OpenAI	base URL ไม่ลงท้าย `/v1`	เติม `/v1`
ไฟล์ผลลัพธ์ใหญ่ผิดปกติ	`--ultrafast` ข้าม font subsetting	ใช้โหมดปกติ หรือยอมรับขนาดไฟล์
Windows เปิดโปรแกรมไม่ได้	ขาด runtime	ติดตั้ง `vc_redist.x64.exe`
สูตรบางตัวถูกแปล	ชื่อฟอนต์ไม่ตรงกฎที่คงไว้	ปรับ `-f` และ `-c`
เข้าใจว่า ultrafast ดีกว่าเสมอ	ความเร็วไม่เท่ากับคุณภาพ	ใช้โหมดปกติกับตารางและสูตรซับซ้อน

Risks

⚠️ Warning การใช้บริการแปลออนไลน์ (Google, DeepL, OpenAI ฯลฯ) หมายถึงข้อความในเอกสารถูกส่งออกไปนอกเครื่อง ห้ามใช้กับเอกสารลับ ถ้าจำเป็นให้ใช้ ollama ที่รันในเครื่อง

ใบอนุญาต AGPL-3.0 มีเงื่อนไขเมื่อนำไปให้บริการผ่านเครือข่าย ควรอ่านไฟล์ LICENSE ก่อนนำไปใช้เชิงพาณิชย์ (ตีความ ไม่ใช่คำแนะนำทางกฎหมาย)
ฟีเจอร์ OCR, --mode precise และ --babeldoc ยังเป็น experimental
ผลแปลจากเครื่องอาจผิด โดยเฉพาะศัพท์เฉพาะทางและเนื้อหาที่คลุมเครือ
GUI แบบ --share สร้างลิงก์สาธารณะ อย่าเปิดทิ้งไว้ถ้าไม่จำเป็น
ข้อมูลทั้งหมดอ่านจาก repo วันที่ 2026-10-21 โปรเจกต์อัปเดตบ่อย ควรตรวจ README ล่าสุด และไม่ได้เปิดอ่านซอร์สโค้ดภายในหรือรันเครื่องมือจริง

เช็กลิสต์ก่อนแปล

ขั้นตอน	สถานะ
เอกสารไม่เป็นความลับ หรือใช้บริการที่รันในเครื่อง	⚪
Python เป็นรุ่น 3.11-3.12	⚪
ตั้ง API key ให้บริการที่เลือก	⚪
ทดสอบด้วยหน้าเดียวก่อน (`-p 1`)	⚪
ตรวจว่าเป็นข้อความดิจิทัลหรือภาพสแกน เพื่อเลือกโหมด	⚪
เปิด `-dual` เทียบสูตรและตารางกับต้นฉบับ	⚪

ทดสอบความเข้าใจ

คำถาม	คำตอบ	คำตอบที่มักผิด
ทำไมสูตรจึงไม่เพี้ยนหลังแปล	ระบบตรวจสูตรจากฟอนต์และอักขระ แล้วข้ามการแปล (ตีความจากตัวเลือก `-f`/`-c`)	ตัวแปลเข้าใจคณิตศาสตร์ได้เอง
เปเปอร์เต็มไปด้วยตารางซับซ้อน ควรเลือก `--ultrafast` ไหม	ไม่ ADVANCED.md แนะนำโหมดปกติสำหรับตารางและสูตรซับซ้อน	เลือกเพราะเร็วกว่า
ตั้ง `OPENAI_BASE_URL` เป็น `https://api.example.com` แล้วได้ 404 สาเหตุคืออะไร	base URL ต้องลงท้ายด้วย `/v1`	API key ผิด
`--ultrafast` กับ `--mode precise` ใช้ด้วยกันได้ไหม	ไม่ได้ และใช้กับ GUI/server, `--babeldoc`, `--onnx` ไม่ได้เช่นกัน	ใช้ได้ทุกตัวเลือกร่วมกัน
ต้องการแปลเอกสารสัญญาลับของบริษัท ควรใช้ `-s google` ไหม	ไม่ ข้อความถูกส่งออกนอกเครื่อง ใช้บริการในเครื่อง เช่น `ollama`	ใช้ได้เพราะเป็นค่าเริ่มต้น
README ระบุว่า "คงเลย์เอาต์" แปลว่าผลแปลถูกต้องทุกหน้าใช่ไหม	ไม่ เป็นคำกล่าวอ้างที่ไม่มีตัวเลขวัดผล ต้องตรวจเทียบกับต้นฉบับเอง	ใช่ เพราะเป็นโครงการระดับ EMNLP

Sources

รายการ	รายละเอียด
Repo	PDFMathTranslate/PDFMathTranslate
Commit	`6aa87bf` (บนสาขา `main`)
วันที่อ่าน	2026-10-21
ไฟล์ที่อ่าน	`README.md`, `docs/ADVANCED.md` และข้อมูล repo ผ่าน GitHub API
ข้อจำกัด	อ่านผ่าน WebFetch ไม่ใช่ `gh` ไม่ได้ clone และไม่ได้อ่านซอร์สโค้ด
งานวิชาการ	EMNLP 2025 System Demonstrations, หน้า 918-924

ตัวย่อที่ใช้ในหน้านี้

ตัวย่อ	ชื่อเต็ม	คืออะไร	อ่านค่าอย่างไร
PDF	Portable Document Format	รูปแบบไฟล์เอกสารที่คงหน้าตาเดิม	`paper.pdf` คือไฟล์เอกสาร
CLI	Command-Line Interface	ใช้งานผ่านบรรทัดคำสั่ง	`pdf2zh file.pdf`
GUI	Graphical User Interface	หน้าจอใช้งานผ่านเบราว์เซอร์	`pdf2zh -i` เปิดที่ port 7860
API	Application Programming Interface	ช่องทางให้โปรแกรมเรียกใช้งาน	`OPENAI_API_KEY` คือคีย์เรียก API
LLM	Large Language Model	โมเดลภาษาขนาดใหญ่ เช่น GPT	`-s openai:gpt-4o-mini` ใช้ LLM แปล
OCR	Optical Character Recognition	แปลงภาพตัวอักษรเป็นข้อความ	ใช้กับหน้าสแกนที่ไม่มีข้อความดิจิทัล
ONNX	Open Neural Network Exchange	รูปแบบไฟล์โมเดล AI ที่รันได้หลายแพลตฟอร์ม	`--onnx path` ใช้โมเดลตรวจเลย์เอาต์ของตัวเอง
YOLO	You Only Look Once	ตระกูลโมเดลตรวจจับวัตถุ ใช้ตรวจบล็อกในหน้า	DocLayout-YOLO แยกข้อความ รูป และสูตร
CJK	Chinese, Japanese, Korean	กลุ่มอักษรจีน ญี่ปุ่น เกาหลี	README กล่าวถึงช่องว่างระหว่าง CJK กับตัวละติน
MCP	Model Context Protocol	โปรโตคอลให้ผู้ช่วย AI เรียกใช้เครื่องมือภายนอก	`pdf2zh --mcp`
STDIO	Standard Input/Output	ช่องทางสื่อสารผ่าน input/output มาตรฐาน	`--mcp` ใช้โหมดนี้
SSE	Server-Sent Events	การส่งข้อมูลจากเซิร์ฟเวอร์ทางเดียวผ่าน HTTP	`--mcp --sse`
HTTP	HyperText Transfer Protocol	โปรโตคอลเว็บ	README มี HTTP API
URL	Uniform Resource Locator	ที่อยู่เว็บ	ต้องลงท้าย `/v1` ใน base URL
JSON	JavaScript Object Notation	รูปแบบไฟล์ตั้งค่า	`config.json`
regex	Regular Expression	รูปแบบข้อความสำหรับจับคู่	`-f "(MS.*)"` จับชื่อฟอนต์ที่ขึ้นต้นด้วย MS
uv	uv (ตัวจัดการแพ็กเกจ Python)	เครื่องมือติดตั้งแพ็กเกจ	`uv tool install pdf2zh`
AGPL	GNU Affero General Public License	ใบอนุญาตโอเพนซอร์ส	AGPL-3.0 คือรุ่น 3.0
EMNLP	Empirical Methods in Natural Language Processing	งานประชุมวิชาการด้านประมวลผลภาษา	EMNLP 2025 Demo
HF	Hugging Face	แพลตฟอร์มโมเดล AI	`HF_ENDPOINT` ใช้เปลี่ยนที่ดาวน์โหลดโมเดล
API key	-	รหัสสำหรับเรียกใช้บริการ	`DEEPL_AUTH_KEY`
mono / dual	-	ไฟล์ผลลัพธ์ภาษาเดียว / สองภาษา	`example-mono.pdf`, `example-dual.pdf`
`-p`, `-li`, `-lo`, `-s`, `-t`, `-o`, `-f`, `-c`	-	ตัวเลือกบรรทัดคำสั่ง	ดูตารางตัวเลือกที่ใช้บ่อย
th, en, zh	-	รหัสภาษา (ไทย อังกฤษ จีน)	`-lo th` แปลเป็นไทย
CMR/CMT ฯลฯ	-	รูปแบบฟอนต์ LaTeX ใน regex ตัวอย่าง	ไม่ต้องอ่านค่า

แถวจากความรู้ทั่วไป ไม่ใช่นิยามของโครงการ: YOLO, ONNX, SSE, STDIO, regex, CJK, EMNLP, AGPL และรหัสภาษา th/en/zh

Summary

pdf2zh แปลเปเปอร์โดยคงสูตร รูป ตาราง และได้ไฟล์ mono กับ dual
เริ่มด้วย pip install pdf2zh แล้วลองหน้าเดียวด้วย -p 1
เลือกโหมดตามไฟล์: ปกติสำหรับสูตรและตารางซับซ้อน, --ultrafast สำหรับข้อความดิจิทัลง่ายๆ, OCR สำหรับสแกน (ทดลอง)
บริการแปลออนไลน์ส่งข้อความออกนอกเครื่อง เอกสารลับต้องใช้บริการในเครื่อง
ยังไม่มีตัวเลขวัดคุณภาพใน README ต้องทดสอบเทียบเองก่อนเชื่อผล