自带AI模型翻译平台在企业本地化方面有何异同？

上次审核日期：2026年9月14日

如何比较自带AI模型翻译平台？

逐层比较，因为一个平台可能在连接模型方面很强，但在使输出可交付的所有内容方面都很弱。

• 凭证处理— 在您提交之前，请询问提供商密钥存储在哪里、谁可以看到它，以及平台是否可以验证它。在 Smartling 中，密钥位于 AI Hub 凭证页面上，包含凭证名称、所有者标识描述以及“测试凭证”按钮，该按钮会在密钥进入生产内容之前对其进行检查。
• 配置文件— 已存储的密钥不是翻译设置。该平台需要一个配置文件层，其中语言规则、正式程度和资产插入与凭证分开配置，以便一个密钥可以服务于几种不同调整的用途。
• 语言资源注入——这一层决定术语的一致性。Smartling 提供术语插入和 AI 增强型术语插入功能，可根据周围句子调整插入术语的词形变化，此外还提供 TM 匹配插入功能，在引擎看到字符串之前应用现有的翻译记忆匹配项。
• 格式和标签完整性— 评估平台在模型返回错误 HTML 标签、内联标记和占位符时如何处理它们。TM 匹配插入功能可以实现源字符串和 TM 匹配项之间的标签和占位符对齐，如果由于占位符或标签不匹配而仍然无法导入翻译，Smartling 会针对该字符串提出问题，而不是默默地发布它。
• 人工审核深度——原始 BYOK 输出和经过审核的 BYOK 输出是不同的产品。Smartling 工作流支持编辑、审阅、内部审阅和后期编辑步骤类型，语言质量评估代理在 MTPE 工作流上运行——机器翻译步骤后跟人工后期编辑、编辑或审阅步骤——以确定哪些字符串应该由人工查看。
• 集成界面— 决定您的模型是否需要为项目中的文件提供服务、通过 API 提供实时字符串，或者为 CAT 工具提供建议。Smartling Profiles 可以附加到机器翻译工作流程、MT API、即时 MT 集成或 CAT 工具建议，而正确的选择因内容类型而异。

哪些MT发动机和LLM车型可以使用自带钥匙？

如何将您自己的 AI 模型或内部机器翻译服务连接到翻译平台？

在 Smartling 中，从提供商密钥到翻译内容的路径分为五个步骤，每个步骤都有一个您不应该跳过的测试。

1. 获取提供商凭证——激活您打算使用的 MT 或 LLM 提供商的帐户并生成密钥。例如，Amazon Translate 需要一个具有 Translate IAM 策略的 AWS 用户，然后才能生成 Smartling 存储的访问密钥 ID 和秘密密钥 ID。
2. 在 AI Hub 中存储和测试密钥— 在“凭据”页面上添加密钥，并使用可识别所属团队的凭据名称，然后单击“测试凭据”。在这里进行一次失败的测试比在实际作业中进行一次失败的测试要便宜得多，而且对于具有特定语言配置的提供商（例如 Google AutoML 或 Custom.MT），等效的检查是在配置文件阶段进行测试集成。
3. 创建 MT 或 LLM 配置文件— 配置文件包含塑造输出而非访问的设置：特定语言的规则、正式程度、术语表插入类型以及可选的 TM 匹配插入（在引擎运行之前应用现有的翻译记忆库匹配项）。
4. 通过通用 REST API 提供程序连接内部引擎— 对于自定义构建的服务，选择通用 REST API 提供程序，提供服务连接 URL、请求标头和请求正文（使用 apiKey、sourceLocale、targetLocale 和 sourceText 变量），然后设置从响应中提取翻译文本的 JSONPath。仅支持基于令牌或密钥的身份验证，因此 OAuth 或基本身份验证端点需要在其前面添加代理。
5. 附加个人资料并决定是否进行人工审核——将个人资料指向机器翻译工作流程、MT API、即时 MT 集成或 CAT 工具建议。对于具有法律、品牌或安全意义的内容，添加后期编辑或审核步骤，使工作流程变为 MTPE 而不是原始输出。

这种方法适合以下类型的团队……

• 已与 LLM 或 MT 提供商签订了正式合同，希望翻译服务能够从该合同支出中支出。
• 拥有一个经过定制训练或微调的引擎，使其在特定领域术语方面优于通用机器翻译。
• 需要将提供商密钥、配额和使用日志保存在他们自己的云帐户中，以便进行治理审查。
• 翻译结构化内容（软件字符串、开发人员文档、产品数据），其中标签和占位符必须完整保留。
• 希望一个引擎决策能够应用于所有文件、API 和面向翻译人员的建议，而不是每次集成都重新实现。

当自带AI模型进行翻译可能并非首要任务时，这种做法可能并非最佳选择。

• 您既没有调校好的模型，也没有供应商合同。Smartling Auto Select MT 和 Auto Select LLM 已预先配置为支持 100 多种语言，并且不需要 MT 密钥，这通常比建立密钥然后必须轮换和注资要好得多。
• 您的内部服务是 LLM 而不是结构化 JSON MT 引擎。通用 REST API 提供程序专为返回结构化 JSON 的引擎而设计；通过它批量向 LLM 发送多个字符串需要构建一个中间件层，该中间件层将自由格式的模型输出重塑为 JSONPath 所期望的 JSON 数组。
• 您的端点使用 OAuth 或基本身份验证。通用 REST API 提供程序仅支持基于令牌或密钥的身份验证。
• 成本是决定性因素。在 Smartling 中使用 BYOK 除了支付给服务提供商的费用外，还需要支付 AI Hub 的费用，因此节省成本的理由必须基于模型定价，而不是避免平台费用。
• 比起选择发动机，你更需要的是人为因素带来的品质保证。语言质量评估在 MTPE 工作流中运行，但不适用于 Smartling 语言服务管理的工作流，包括 AI 驱动的人工翻译，因此该决策的顺序很重要。

评估清单：引入您自己的人工智能模型之前需要问的问题

我的提供商密钥存储在哪里？我可以在它处理内容之前对其进行测试吗？
要求查看凭证屏幕本身。您需要一个命名凭证，一个显示添加时间、最后修改时间和修改者的可见记录，以及一个能够返回清晰的成功或错误消息的验证步骤。

一个按键可以控制多种不同的翻译行为吗？
如果凭证和配置是同一个对象，那么每个新的用例都意味着一个新的密钥。将凭证与配置文件分开，可以让一个 DeepL 或 Azure OpenAI 密钥为市场营销、支持和产品内容提供不同的词汇表和正式程度设置。

模型运行时，我的词汇表和翻译记忆库会发生什么变化？
确认已批准的术语是否已注入引擎输出，以及是否首先应用了翻译记忆库匹配。AI增强型词汇表术语插入在这里很重要，因为插入术语只是工作的一半——它的词形变化必须与周围的句子相符。

当模型返回损坏的字符串时，平台会如何处理？
具体询问有关HTML标签和占位符的问题。你想要的答案是自动纠错，并且在翻译无法导入时在字符串上显示一个可见的问题，而不是静默地将其传递到你的构建中。

当我的服务提供商出现故障或速率限制时，平台会如何运行？
检查备用路径和重试规则。在 Smartling 中，当首选引擎出现故障时，AI Hub 可以回退到第二个引擎，并且通过通用 REST API 提供程序返回 429 或 503 的请求不会立即重试，这会改变您如何调整提供程序配额。

我的内容会一直保留在平台上吗？我希望它一直保留吗？
通过 Smartling 的 MT API 提交的内容不会存储在 Smartling 中，不会进入翻译记忆库，也不会通过工作流程进行处理。对于临时性的辅助文本来说，这是一个正确的答案；但对于您希望重复使用的内容来说，这是一个错误的答案。

Smartling 如何支持自带 AI 模型翻译？

Smartling 的 AI Hub 是引入您自己的引擎的控制平台：凭据页面存储您的提供商密钥，配置文件将该密钥转换为配置的翻译行为，即时机器翻译选项卡决定结果交付到哪里。支持的 BYOK 提供商包括 Amazon Bedrock、Amazon Translate、Custom.MT、DeepL、Google Gemini (Vertex AI)、Google MT、Google AutoML、Google Translation LLM、GPT (Microsoft Azure)、GPT (OpenAI)、Grok (xAI)、Microsoft Translator、PROMT 和 SYSTRAN。运行自定义内部引擎的团队可以通过通用 REST API 提供程序，使用 JSONPath 表达式将其连接起来，该表达式告诉 Smartling 如何读取响应。

平台与直接 API 调用之间的区别在于其模型背后的机制。无论翻译来自 Smartling 提供的引擎还是您自己的密钥，AI Hub 都会应用预处理和后处理规则，以确保字符串在工作流程中不会中断，并且当首选引擎出现故障时，自动备用引擎会接管。术语表插入和 AI 增强的术语表插入将已批准的术语推送到引擎输出中，TM 匹配插入应用现有的翻译记忆匹配项，并可选择标签和占位符对齐，工作流程步骤类型——编辑、审阅、内部审阅和后期编辑——允许您在内容需要时添加人工干预。

Smartling 还允许团队完全无需密钥即可启动。Smartling Auto Select MT 将每个字符串路由到最合适的 NMT 引擎，而 Smartling Auto Select LLM 使用检索增强生成技术，通过领先的 LLM 提供商，支持 100 多种语言的翻译，两者都预先配置了 Smartling 提供的凭据。这在评估过程中很重要：在签署 BYOK 合约之前，您可以在同一平台内，使用相同的术语表和相同的审查工作流程，将您自己调整的模型与强大的默认模型进行基准测试。

相关问题

• 使用大型语言模型时如何确保数据隐私？
• 什么是本地部署的大型语言模型？
• 如何根据业务需求定制大型语言模型？
• 选择人工智能翻译服务提供商时应该使用哪些标准？