什么是机器翻译？企业本地化团队指南

您的本地化程序需要涵盖十种语言。积压的内容已经达到数十万字。每个季度都会增加更多内容、拓展更多市场，并提高周转时间预期。

单靠人工翻译无法实现足够的规模化——既达不到企业预期的速度，也无法在预算范围内完成。机器翻译正是为了应对这种情况而存在的。

大多数团队面临的问题不是是否使用机器翻译，而是如何有效地使用它。速度和规模都是需要认真考虑的问题。发布机器翻译的原始输出也存在风险——非品牌术语、质量不一致，以及错误在任何人发现之前就已传达给客户。

什么是机器翻译？

机器翻译（MT）是一种基于软件的翻译，它使用人工智能驱动的模型自动将内容从源语言转换为目标语言。

现代机器翻译旨在实现快速、可扩展的大规模内容处理能力。

质量因语言对、内容类型以及输出控制措施的不同而有所差异。

机器翻译的工作原理

从宏观层面来看，机器翻译遵循一个简单的流程：输入文本，模型对其进行分析，然后输出翻译版本。现代系统利用大型多语言数据集进行训练，并使用学习到的语言模式来预测给定句子的最可能翻译。

神经机器翻译（NMT）——目前主流的翻译形式——处理的是整个句子，而不是逐字翻译。更广泛的语境可以产生更自然流畅的表达效果。即便如此，结果也会因主题、术语和语言对的不同而有所差异。

机器翻译的类型

基于规则的机器翻译

基于规则的机器翻译使用预定义的语言规则和双语词典在不同语言之间转换内容。这是机器翻译的最早方法，主要具有历史背景意义，有助于理解这项技术的发展历程。

统计机器翻译

统计机器翻译利用大量现有的翻译结果来预测可能的输出结果。它在流畅度方面改进了基于规则的方法，但如今主要具有历史意义——神经机器翻译已在企业工作流程中取代了它。

神经机器翻译

如今大多数团队谈到机器翻译时，指的都是神经机器翻译。NMT 使用神经网络分析句子级别的上下文语言，生成比以往方法更流畅、更准确的翻译。

较新的 AI 方法以 NMT 为基础，集成了大型语言模型 (LLM)、引擎选择和自动后编辑——但神经机器翻译仍然是大多数快速、可扩展的翻译工作流程背后的核心引擎。

为什么机器翻译很重要

大多数企业团队仅靠人工翻译无法以业务所需的规模和速度进行本地化。机器翻译弥补了这一差距。它使大量内容的制作变得切实可行，降低了低风险材料的单字成本，并实现了人工流程无法快速支持的全球扩张。

机器翻译也使得本地化成为可能，尤其适用于那些不断变化或需要近乎实时周转的内容，例如产品目录、支持文章、内部沟通等，否则这些内容将无法翻译。

机器翻译与人工翻译

机器翻译和人工翻译不能互换。它们解决不同的问题，大多数成熟的本地化程序都会根据内容类型、受众和质量要求同时使用这两种方法。

真正的抉择很少是在机器翻译和人工翻译之间做出选择。关键在于哪种方法适合每种内容类型——以及哪种组合能够以合适的成本产生合适的质量。

机器翻译最适用的领域

机器翻译最适用于速度比风格细微差别更重要的场合。常见款式包括：

• 大量内容，例如支持工单、产品描述和客户评论。
• 结构化的内容，格式可预测，创意变化有限
• 内部资料中，粗略但可读的翻译具有真正的价值。
• 实时应用场景中，快速发布比精雕细琢每一行文字更重要。

在这些情况下，即使不进行任何额外的审核，机器翻译也能提供实际价值。

机器翻译的不足之处

当内容依赖于语气、文化细微差别、创造性判断或严格的术语一致性时，机器翻译就会遇到困难。对于高曝光度的品牌信息、法律法规内容，以及任何翻译错误会造成实际风险的内容，如果没有额外的控制措施，都不适合直接使用机器翻译输出。

这一限制并不排除在高风险内容中使用机器翻译。这意味着需要对输出进行控制——将难以理解的字符串发送给人工审核的路由规则、在翻译时强制执行术语表和风格指南，以及在每个资源中保持术语一致性的翻译记忆库。

随着Therabody的健康产品在全球范围内扩张，它直接体验到了这一点。团队需要在包装、营销和网站等各个方面进行大规模翻译，同时又不丢失品牌声音或引入不一致性。

通过 Smartling 的 AI 翻译平台将机器翻译融入结构化的工作流程——将 AI 与人工监督和翻译记忆相结合——Therabody 在不影响质量的前提下，降低了 60% 的翻译成本，并加快了产品上市速度。

这说明机器翻译在处理复杂内容时并不失败。也就是说，这类内容在发布前需要对输出进行更严格的控制。

机器翻译在实践中的应用

在生产环境中，机器翻译很少能像点击一下按钮那样直接发布。大多数企业团队将其与人工后期编辑 ( MTPE ) 相结合——由语言学家审查和完善机器翻译输出——并通过与内容系统连接的结构化工作流程进行路由。

洲际酒店及度假村集团也面临着同样的规模扩张挑战。该酒店集团需要大量翻译 20 种语言的网站内容，不同的内容类型需要不同程度的审核。

Smartling 构建了基于 IHG 的词汇表和酒店用品进行训练的定制机器翻译引擎，然后通过混合模型路由内容——某些内容类型进行机器翻译，其他内容类型进行人工验证。

IHG 将超过 6 亿个单词翻译成 20 种语言，降低了运营成本，并因此增加了预订量。

您的本地化程序也受益于同样的逻辑：将翻译方法与内容相匹配，然后自动路由，以便每次都能对正确的内容进行正确级别的审核。

人工智能如何改进机器翻译

人工智能正在使机器翻译更加流畅、更具上下文感知能力，并能更好地适应不同的内容类型。新系统在翻译时（而不仅仅是在设置时）会参考语言资源——词汇表、翻译记忆库（先前已批准的翻译数据库）、风格指南。

这样一来，从第一遍开始，输出结果就能更好地反映您的术语和偏好措辞。

大型语言模型是这种转变的一部分，但它们并不能消除监督的必要性。更优秀的AI可以改善起点。您的团队仍然需要一些方法来指导术语使用、评估输出质量，以及决定何时应该让人工审核参与其中。

Smartling 的 AI 后编辑代理将 LLM 审核层应用于原始机器翻译，利用您的语言资源来捕捉使机器翻译输出感觉通用的错误——不专业的术语、尴尬的语气、语义漂移。其结果是，无需后期编辑步骤，机器翻译的文本质量就更接近于经过后期编辑的文本。

缺乏结构化使用机器翻译的风险

在此上下文中，“结构”指的是围绕翻译引擎的工作流程和控制——术语表和风格指南的执行、翻译记忆库、决定哪些内容需要人工审核的路由规则以及集中式质量报告。如果没有这些控制措施，机器翻译就只是原始输出，没有任何东西可以发现它的错误。

风险就此叠加。由于没有任何措施强制执行已批准的术语，因此不同资产之间的术语会发生变化。由于没有人对输出进行采样，错误会在成千上万个字符串中传播。团队很难了解质量问题出现在哪里，或者问题已经变得多么严重——直到客户、监管机构或内部利益相关者提出问题为止。

数量少时，损害是可以控制的。在企业规模上，一个未强制执行的术语或未经测试的引擎可能会在任何人注意到之前影响成千上万个字符串——这就是为什么机器翻译的工作流程系统与引擎本身同样重要。

如果没有翻译工作流程系统会发生什么？

如果没有翻译管理系统（TMS），机器翻译带来的操作问题和它解决的问题一样多。内容通过不相连的工具进行传输。团队之间存在重复工作。不同市场和内容类型的质量决策并不一致。

由于不相连的工具之间工作积压，导致瓶颈形成。由于相同的字符串会被翻译、审核和修改多次，返工量会增加。治理完全消失了——质量不属于任何人，也没有人能够证明它的质量。

随着多语言内容的增长，缺乏集中式系统来分配工作、应用语言资源和跟踪质量，就成了本地化项目扩展程度的上限。

大规模实现机器翻译

机器翻译在企业本地化领域已占有一席之地。它能够以低成本处理仅靠人工工作流程无法比拟的数据量、速度和内容类型。

能够从MT中获得价值的程序与会因MT而产生风险的程序之间的区别不在于引擎本身。关键在于引擎的决策：哪些内容要经过引擎处理，哪些语言资源指导输出，人工审核在哪个环节发挥作用，以及如何衡量跨市场的质量。

了解Smartling如何将机器翻译、AI 工作流程和人类专业知识结合到一个可扩展且不失控的单一平台中。