最佳机器翻译软件以及何时使用

您正在评估机器翻译软件，对比表越来越长。 Google Translate 快速处理一般内容、 DeepL 现代大型语言模型在创意文案方面表现出色。它们都没有错，只是针对不同的工作进行了调整。

"最佳机器翻译软件" 这个问题没有唯一的答案。在不同的语言对、内容类型和质量要求下，不同引擎的表现都优于其他引擎。

选择一种工具来处理所有问题，意味着在该工具表现不佳的情况下，只能接受较弱的输出。

Smartling 通过协调来解决多引擎的现实问题。

Smartling 人工智能中心 可在一个地方访问 20 多个机器翻译引擎和大型语言模型，以及 Smartling 自动选择 将每篇内容路由到最适合它的引擎上。

下面的指南将介绍 MT 软件的类型、常用工具和各自的适用范围，以及如何在一个工作流程中同时使用多个引擎。

什么是机器翻译软件？

机器翻译（MT）软件使用算法和神经网络将文本从一种语言自动翻译成另一种语言。

与纯人工翻译工作流程相比，MT 可帮助企业更快地翻译大量内容。

不同的 MT 工具在质量、速度、语言覆盖范围、定制选项以及对特定内容类型的适应性方面各不相同。

正确的选择取决于您的翻译内容、所需语言、质量控制要求以及翻译内容的使用方式。

机器翻译软件的类型

机器翻译 经历了几个发展阶段。一些较早的方法仍然影响着这一类别，但大多数现代业务使用案例现在都依赖于神经机器翻译、大型语言模型或两者的结合。

基于规则和统计的机器翻译

基于规则的 MT 使用词典、语法规则和语言模式来生成翻译。统计 MT 使用大量双语文本集来预测最可能的翻译。

这些较早的方法有助于将 MT 确立为一个类别，但它们在流畅性、上下文和自然措辞方面存在困难，大多数现代企业翻译程序不再依赖这些方法。

神经机器翻译（NMT）

NMT 与基于规则或统计的系统相比，该系统使用人工神经网络来翻译较大的意义单位，而不是逐字翻译，从而产生更流畅自然的输出。

NMT 适用于产品内容、文档、支持文章、网站文案以及其他对速度和可扩展性要求较高的大容量内容。

质量仍然因引擎、语言对和主题而异，这也是大规模选择引擎的原因。

基于 LLM 的翻译

大型语言模型（LLM） 为 MT 增加了一个新的层面。LLM 考虑了更广泛的上下文、语气和说明，因此对于需要更多细微差别的内容非常有用。现代人工智能翻译结合了 NMT 和 LLM，以及 检索增强生成 (RAG)将词汇表和经批准的译文及时输入，以保持产出的品牌。

常用机器翻译软件及其使用案例

MT 市场包括多个引擎，每个引擎针对不同的内容和语言对进行调整。

这些工具不能互换。正确的选择取决于对质量的期望、语言覆盖范围、内容敏感度、工作流程需求以及团队在生成第一份译文后所需的控制程度。

何时使用每种机器翻译工具

谷歌翻译和谷歌云翻译

Google 翻译适合快速、低风险的翻译需求，包括理解一般含义、翻译简单的内部文本以及支持广泛的语言覆盖。

对于商业用途，Google 云翻译提供应用编程接口 (API) 访问和额外的定制选项，非常适合一般内容、大量工作流程以及速度比品牌层面的细微差别更重要的情况。

最佳使用案例

Google 云翻译支持词汇表和自适应翻译，在配置正确的情况下，可帮助团队根据术语、风格、语气和语音调整输出。

DeepL

DeepL 可提供流畅、自然的译文，因此非常适合市场营销文案、商务交流和面向客户的内容，因为这些内容的可读性非常重要。最大的限制在于语言覆盖范围，因为 DeepL 并不支持所有语言或企业工作流程需求。大量使用欧洲语言的团队能获得最大价值。

最佳使用案例

DeepL 包括词汇表和正式性功能，可帮助团队管理术语和语气，可用性取决于计划、语言和工作流程设置。

Microsoft Translate

Microsoft Translator 适合已经在 Microsoft 或 Azure 环境中工作的公司。它的价值并不在于成为每个句子的最佳引擎，而更多在于与现有技术堆栈的完美结合，这使得它对需要将翻译与业务系统连接起来的组织非常有用。

最佳使用案例

Microsoft Custom Translator 支持定制的 NMT 系统，可使用以前翻译的文档反映特定领域的术语和风格。

Amazon Translate

Amazon Translate 通过 API 处理可扩展翻译，适合使用 AWS 的团队翻译大量内容、支持多语言应用程序或支持实时和批量翻译工作流。

最佳使用案例

Amazon Translate 最适合程序化翻译工作流，尤其是需要在基于 AWS 的大型系统或应用程序中进行翻译时。对于品牌敏感性或创意性内容，团队应搭配术语控制、质量检查和人工审核。

现代法学硕士

LLM 适合需要比传统 MT 引擎捕捉更多上下文的翻译需求。它们能遵从指令、调整语气并处理需要口译的内容，因此在市场营销、创意内容、改编以及需要保留翻译意图而非简单传递含义的情况下非常有用。这样做的代价是一致性，因为如果没有正确的提示、术语和工作流程控制，输出结果就会不同。

最佳使用案例

LLM 在一个包含术语、上下文、质量评估和审查步骤的受控工作流程中发挥最佳作用，而不是作为互不关联的工具。

智能层：使用自动选择进行协调

为每种情况选择一种 MT 工具意味着接受该工具无法处理的较弱输出。Smartling AutoSelect 可根据内容类型、语言对和质量要求动态选择最佳翻译引擎，因此每篇内容都能通过最适合的引擎进行翻译。协调层还通过在翻译时应用词汇表和翻译记忆库来考虑品牌声音、风格和术语。

机器翻译软件与人工翻译

MT 和人工翻译不能直接替代。它们解决的是不同的问题，而大多数企业工作流程都同时使用这两种方法。

当速度、成本控制和规模成为优先考虑的因素时，MT 就能胜任。在涉及准确性、细微差别、法律敏感性、品牌声音或文化判断力时，人工翻译依然重要。

最强大的企业程序通过机器翻译后期编辑（MTPE）将两者结合起来，由语言学家对机器翻译输出进行审核和完善，而不是从头开始翻译。这种方法既能发挥 MT 的速度和成本优势，又能由人工确保原始输出所忽略的准确性和细微差别。

机器翻译软件的局限性

质量不稳定。 一种工具可能在一种语言对中表现良好，而在另一种语言对中表现不佳，或者在处理产品文档方面优于处理营销文案。静态引擎选择会带来风险，因为团队需要一种方法来评估性能，并根据用例而不是习惯来选择内容。

缺乏背景。 MT 引擎会忽略句子背后更深层次的含义，并不总是知道某个词是产品名称、功能、法律术语还是应该保留不译的短语。翻译回来的语法正确，但对于受众、品牌或产品来说却感觉不对。

术语问题。 品牌术语、产品名称、行业语言和技术短语需要一致性，而 MT 引擎在没有执行词汇表的情况下，会在不同页面、文档或活动中对同一术语进行不同的处理。

合规风险。 医疗保健、金融服务、法律和企业软件等受监管行业需要对翻译质量进行更多控制，包括审核步骤、可审计性和术语一致性。MT 通过审批路径、质量检查和人工审核来支持这些工作流程。

质量保证方面的差距。 机器翻译输出仍需检查格式、数字、占位符、术语、翻译缺失和语气。如果没有可配置的质量保证，错误就会在出版时漏掉。

Smartling 通过执行词汇表解决了这些限制、 翻译记忆库在翻译工作流程中内置了术语目录控制和可配置的自动质量检查。该平台可将原始 MT 输出转化为经过治理的可发布内容。

如何选择正确的机器翻译软件

合适的 MT 软件适合内容、工作流程、质量标准和业务目标。买家应评估的不仅仅是原始翻译输出。

一个简单的评估问题有助于缩小选择范围。问"：这一翻译将何去何从，如果翻译错误会怎样？"将通过快速 MT 引擎运行良好的内部低风险内容与面向客户、受监管、品牌敏感或与收入挂钩的内容区分开来，后者需要更多的上下文、审查和工作流程控制。

为什么一个机器翻译工具还不够

在每种语言对和内容类型上，没有任何一个 MT 引擎能超越其他任何引擎。在某些语言对上，谷歌翻译处于领先地位，在其他语言对上，DeepL，而在某些创意内容上，LLM 的表现优于谷歌和谷歌翻译。"最佳发动机" 答案因工作而异。

单引擎方法会产生折衷。随着时间的推移，质量会发生变化，因此团队会错过使用更新或性能更好的引擎的机会。

更好的方法是协调。使用翻译系统，选择正确的引擎，应用正确的语言资产，通过正确的工作流程传递内容，并衡量结果。

Smartling 使企业能够通过 Smartling AI Hub 在一个系统中管理多个 MT 引擎、LLM 和翻译工作流，Smartling AI Hub 可访问 20 多个 MT 引擎和 LLM，包括谷歌、微软、亚马逊、DeepL、OpenAI 和 Google Gemini。

Smartling AutoSelect 可将内容路由到最合适的引擎，而无需团队手动配置提供商。

Netskope 演示了生产中的协调方法。Netskope 团队使用 Smartling AI Hub 将翻译周转时间缩短了约 95% ，并在一年内节省了数十万美元，AI Hub 通过多个引擎路由内容，而不是强制每个任务都通过一个引擎。

如何大规模使用机器翻译

使用 MT 完成一次性任务非常简单。在企业翻译项目中使用它则更为复杂。在规模上，团队需要一个系统来决定哪些内容通过 MT，哪些内容需要人工审核，使用哪些引擎，以及如何衡量质量。

将翻译与内容系统连接起来

如果团队需要在不同系统之间复制和粘贴内容，翻译速度就会减慢。可扩展的 MT 工作流程可连接到内容已存在的地方，包括内容管理系统、代码库、营销平台或支持工具。Smartling 翻译工作流程管理支持自动化工作流程，并通过预建集成、应用程序接口和其他连接选项与内容软件集成。

使用翻译记忆库和词汇表

翻译记忆库重复使用已通过审核的译文。词汇表保护品牌术语、产品名称和认可术语。这两种资产结合在一起，通过增加业务背景使 MT 更为有用，因此目标是更快地翻译出反映公司语言、产品和品牌的内容。

增加质量检查

MT 不应直接对每种内容类型进行发布。在内容到达客户之前，自动质量检查会标记出翻译缺失、格式问题、术语不一致以及占位符错误。可配置的质量保证为团队提供了更强大的审查流程，而无需手动浮现每个问题。

在重要的地方使用人工审核

人工审核的作用是战略性的，而不是普遍性的，高价值的内容比任何内容都更能获益。机器翻译后期编辑（MTPE）由语言学家对原始 MT 输出进行完善，兼顾速度、成本和质量。 自动后期编辑 采用的也是 "人在回路中 "的原则，但人工智能会在人工审核之前完成更多工作。这种方法可以让语言学家验证强有力的翻译，而不是清理粗糙的输出。

衡量和改进

通过对质量、编辑工作量、周转时间和内容性能的可视性，MT 工作流程会随着时间的推移而不断改进。Smartling 语言质量评估 (LQE) Agent 使用人工智能来预测机器翻译的质量，并估算每项成果在出版前需要进行多少编辑。

Smartling 翻译工作流程管理将 MT 集成到端到端工作流程中，实现跨内容类型和语言的可扩展和一致的翻译。Personio 展示了大规模 MT 的严谨性。将大容量内容移入 Smartling 的 NMT 工作流程后、 Personio 预计将节省 40% 的翻译预算，腾出资源用于需要人性化的内容。

选择机器翻译软件时的常见错误

• 为每种用途选择一种工具。 为每种内容类型和语言对选择单一的 MT 引擎，就会保证该工具无法完成的工作输出不力。
• 跳过 QA。 发布未执行词汇表、术语检查或语言质量保证（LQA）抽样的原始 MT 输出会将翻译错误转化为面向客户的问题。
• 忽略术语。 如果没有词汇表来稳定经认可的语言，品牌术语、产品名称和行业词汇在不同的内容中就会呈现出不同的效果。
• 让 MT 游离于工作流程之外。 相互脱节的 MT 工具会迫使人工进行文件交接，团队也无法追踪翻译、审阅、批准或发布的内容。

有系统支持，机器翻译效果最佳

MT 工具千差万别，使用情况决定了哪种引擎更胜一筹。取得稳定成果的团队并不是拥有最好的单一工具，而是拥有为每项工作挑选正确工具的系统。了解 Smartling AI Hub 和 AutoSelect 如何在 20 多个引擎和 LLM 中协调 MT、 预定演示.

观看：如何充分利用机器翻译投资