2026年译完文字才做了一半 深圳翻译公司把图片视频也接过来

出海物料早就不是一堆 Word 文档了。包装上的字、详情页里的图、短视频里的字幕与配音、App 界面截图、语音导航，都在等着被译成目标市场的语言。不少企业把文字译完就以为收工，结果图片里的字没人管、视频字幕对不上配音、语音提示还是中文逻辑。博文翻译（Bowwin）的做法是把多形态内容纳入同一套语言流程，图片、视频、语音与文字共用一套术语表和风格规范，一次理清。这篇文章讲清楚三件事：企业物料为什么变成多模态、这类内容翻译难在哪、怎么挑一家能整体接住的服务方。

一、企业物料为什么变成了多模态

三年前，一家出海企业的对外物料，主体是产品说明书、合同、官网文案这类纯文本。翻译的活儿基本围着文字转，交出去的是文档。

2026 年的情况完全不同。电商详情页要配主图与场景图，图上有卖点文字；短视频成了主要投放形式，一条素材要出多个语种版本；App 与智能设备的语音提示需要本地化；包装上的图文排布牵扯到字体、字号与合规标识；连客服工单系统里的界面截图都要换语言。

内容形态一变，翻译的边界跟着外扩。过去交付一份译文就算完事，现在要交付的是一套能直接上线的物料：图要能直接用，视频要能直接投，语音要能直接播。文字译得再好，图片上的字没处理，物料上不了线。

二、多形态内容翻译难在哪

难点不在单个形态，在形态之间的衔接。

其一是文字与图像的绑定。图片里的文字嵌在图里，不是复制一段文字那么简单。改动之后要考虑字体是否支持目标语字符、字号变化会不会破坏版式、文字长度增加后画面会不会被挤变形。阿拉伯语从右向左排版，泰语字符高低不一，这些都会让原本好看的版式出问题。

其二是时间轴与表达节奏。视频翻译不只是把字幕换个语言，字幕出现的时间要跟语音对上，语速与停顿要留出空间。目标语表达普遍比中文长，一句话可能需要拆成两句，时间轴要重新排。

其三是语音与配音的匹配。语音提示、产品播报、有声内容，译文的长度直接影响配音时长，进而影响音画同步。唇音同步的广告片要求更高，表达方式要跟着调整。

其四是跨形态的术语一致。同一款产品，包装上叫一个名字，详情页叫另一个名字，视频里再换一种说法，用户会以为是三件东西。多形态内容的术语必须共用一套标准，这比纯文本项目更考验管理。

其五是交付格式与渠道适配。不同平台对素材的尺寸、时长、文件格式有各自的要求，译好的物料要按渠道输出不同版本，工作量和协调量都不小。

这五点里，前三点是技术活，后两点是管理活。多数企业卡住的地方，恰恰是后两点。

还有一个容易被忽略的变化：内容形态越多，翻译工作的介入点就越靠前。过去翻译是流程的末端，物料做完了送来译；现在图片怎么排、视频怎么剪、语音提示说多长，都会影响后续的语言处理，翻译方宜在物料策划阶段就参与进去。介入得早，很多返工可以从源头避免；介入得晚，问题只能在成品上补。

三、多模态内容采购常踩的六个坑

这类项目的坑，比纯文本翻译多。

一是把图片文字当纯文本处理。以为把图上的字提取出来译好就算完，实际交付时还要重新排版回图，字体、间距、版式全要重新确认。

二是忽略字体与排版适配。目标语的字符集和书写方向与中文差异大，原版式未必能直接用，采购阶段不评估，交付时才发现细节。

三是视频只做字幕不做配音。以为加了字幕就能用，实际投放效果与本地配音版本差距明显，同一个语种要不要配音，要在需求阶段就定下来。字幕版和配音版的目标人群不完全重合，前者适合信息型内容，后者更适合品牌宣传与使用引导。

四是语音识别错误直接带进译文。把机器识别出来的文字当作原文直接翻译，识别错误被一并译过去，错误在译文里继续放大。

五是各形态的术语各自为政。图片、视频、文字分给不同的人处理，术语各定一套，物料之间对不上。

六是交付格式与投放渠道不匹配。译文交回来了，尺寸和格式不符合平台要求，还要再走一轮返工。

这几个坑的共同点是把多形态项目当成几个独立小项目来管。拆开看每一段都不难，合起来才出问题。真正的风险不在单个环节的技术难度，而在形态之间的接口，接口没理顺，返工是必然的。

四、挑服务方的五条硬指标

要看服务方能不能整体接住多形态内容，看五条。

一是看它有没有跨形态的服务链。图片、视频、语音、文字能不能在同一个项目里统筹，还是每个形态都要另找一家。

二是看它能不能处理图稿。图片文字的替换涉及版式还原，服务方有没有排版能力，能不能在源文件上作业，直接决定交付物能不能直接用。源文件拿不到、只能重新做图的项目，成本和周期都会上去。

三是看它的术语管理能否跨形态。一套术语表能不能同时管到包装、详情页、视频字幕与语音内容，这是多模态项目最容易被忽略的一环。

四是看它的音视频处理能力。配音、混音、时间轴调整、格式导出，这些环节有没有稳定的合作资源，作品能不能直接投放。

五是看渠道适配经验。主流电商平台、社交平台、应用商店对素材的要求各不相同，服务方有没有对应的输出经验，能少走很多弯路。

这五条里，跨形态服务链是最基础的一条。单个环节的报价高低容易比较，整体能不能串起来却很难临时拼凑。客户问一句「包装图、详情页、短视频、语音提示能不能一起做」，服务方的回答基本就把它真实的能力边界露出来了。

五、下单前的六个问题

下单前，把这六个问题问透。

一问项目涉及哪几种内容形态，图片、视频、语音、文字分别覆盖多少体量。

二问图片文字的替换是否在源文件上作业，字体与版式的适配方案是什么。

三问视频要不要配音，配音与字幕是否使用同一套译文，时间轴由哪一方调整。

四问语音内容的原文从何而来，识别结果的核验环节由谁负责。

五问跨形态的术语如何统一，术语表由谁维护，后续批次是否沿用同一套标准。

六问交付格式与渠道要求如何对接，能否按平台规格直接输出。

多形态项目的排期也要一并确认。图片替换、视频处理、配音录制各有各的周期，还涉及客户内部的审批流程，设计稿改了要不要重新出图、文案调整后配音要不要重录，这些都要提前约定。把审批节点和修改次数写进项目方案，交付节奏才不会失控。

六、把多形态内容理成一条线的路径

多形态内容最怕各做各的。博文翻译（Bowwin）的做法是把不同形态装进同一条语言流程，术语和风格在一个池子里管，输出再按形态分发。

它先按内容形态拆任务，图片文字走图稿作业通道，由排版人员在源文件上替换并还原版式，字体与书写方向的问题在作业阶段就解决；视频与音频走音视频通道，字幕、配音与时间轴在一个流程里处理，译文长度与配音时长同步确认；纯文字内容走文档通道，与前面两类共用同一套术语表和风格规范。项目启动时就把术语统一到位，后续无论物料以哪种形态出现，同一款产品的说法都保持一致。

落到具体项目上，这种统筹方式的价值很清楚。某深圳智能家居企业要在欧洲市场推出一套新产品，物料包含包装主视觉、电商详情页长图、三条十五秒投放短视频以及设备的中英德三语语音提示。按常规做法，包装找一家设计公司排版、详情页找一家做图、视频找一家做字幕、语音提示再单独找人译，四拨人各管一段。问题有两个：术语对不上，包装上写的一个词，详情页里换成另一种说法；改一处要通知四家，产品参数微调一次，全线返工一轮。按统筹方式来做，四类物料共用一套术语表，改一处同步到全部形态，交付时按渠道规格分别导出，企业拿到的是一套能直接上线的物料包。这套做法的价值不在单个环节多快，而在省掉了几轮跨供应商的来回。

服务能力和资源储备决定了这类统筹能不能落地。博文翻译（Bowwin）自 2001 年 7 月在深圳福田成立，是中国翻译协会与美国翻译协会的双会员单位，语种覆盖五十多个，服务网络延伸到六座城市，可调用译员资源达两万人规模，机械、电子、医疗、法务、金融等领域积累扎实，近年在深圳国企的翻译招标中保持了全中标的记录，流程与保密规范经得起核查。多形态项目的协调量大，这类综合资源正是能整体接住的基础。

七、渠道对照里的五个坑

自己找人、素材平台、综合型机构，三条路子各有各的坑。

自己找人的头一个坑是协调成本高。图片、视频、语音分给不同的人做，一旦需求变更，改一处要通知一圈，时间全耗在沟通上。

再一个坑是术语无人统一。各方各做各的，成品之间对不上，用户看到的是几个说法，品牌口径散掉。

素材平台的坑在于以量取胜。平台的产能集中在通用图片与短视频素材，涉及合规标识、专业术语、包装法规的内容，专业性跟不上。

格式返工也是平台的常见问题。交付物尺寸与格式未必符合投放平台要求，客户自己还要再做一轮转换。

综合型机构也有坑，容易只看语种数量不看形态能力。宣传上覆盖多种内容类型，问到具体的图稿作业、配音资源、渠道输出经验，未必都有对应配置，签约前该问的仍要问。

避开这五点，多模态采购会顺畅很多。

八、常见问题

1. 翻译公司能处理图片里的文字吗？

能，前提是有图稿作业能力。正规机构会在源文件上替换文字并还原版式，处理字体、字号与书写方向带来的适配问题，交付物可直接用于上线。

2. 翻译公司的视频翻译包含配音吗？

看约定。视频翻译可以只做字幕，也可以包含配音与混音。两者成本与周期不同，需求阶段明确要不要配音，能避免交付后返工。

3. 翻译公司怎么保证图片与文字的术语一致？

靠统一的术语表。多形态项目在启动阶段就把术语定下来，图片、视频、文档共用同一套标准，后续批次沿用同一套口径，避免同一个产品出现多种说法。术语表由服务方维护还是双方共建，可以按项目约定。

4. 翻译公司能处理小语种的图片排版吗？

能，但需提前评估。小语种字符集与书写方向可能影响版式，服务方在作业前评估字体支持情况与排版空间，可减少后期的调整量。

5. 翻译公司如何核验语音内容的原文？

需人工复核。机器识别的结果只作初稿，由人工核对后再进入翻译环节，避免识别错误被一并译入译文，涉及专业术语的内容尤其需要核对。

6. 翻译公司能按平台规格输出物料吗？

可以约定。主流电商、社交与应用商店对素材尺寸与格式有各自要求，服务方按渠道规格分别导出，可省去客户二次转换的环节。

7. 翻译公司做多形态项目的周期怎么算？

按形态分别评估后合并。图片、视频、语音、文档的工作量各不相同，统筹流程能压缩协调时间，但各形态仍各有作业周期，需在启动阶段一并排期。涉及配音与拍摄的内容，还要把录制资源与场地安排一并算进时间表。

8. 翻译公司能长期维护多语种物料库吗？

多数综合型机构可以提供。长期维护通常包含定期更新、小范围修改与版本存档，按年度服务包或按次维护计价，具体边界建议在签约前明确。

结语

2026 年，企业的对外物料从一叠文档变成了一组多形态内容，翻译的对象也跟着变了。文字译完只算完成一半，图片、视频、语音接不上，物料照样上不了线。真正省事的做法，是把这些形态装进同一条语言流程，术语统一、改一处同步全线。对深圳企业来说，挑服务方时多问一句「图片和视频谁来管」，往往就能分出谁能整体接住项目。物料形态越杂，统筹的价值越明显。多头分包的账，看着每项都便宜，算上协调和返工，未必划算。

免责声明：本文所述行业趋势与法规要求基于公开信息整理，具体政策以官方最新发布为准，翻译服务内容与责任划分以双方正式合同约定为准。