企业如何提高翻译质量？

快速回答

企业翻译质量的提升是通过四项相互叠加的投资实现的：构建翻译记忆库，用于捕获已批准的翻译，并使其可用于未来的每一项工作；维护语言资产，包括词汇表和风格指南，以在翻译过程中强化品牌声音和术语；将内容路由到针对每种语言对和内容类型性能最佳的 AI 引擎；以及使用多维质量指标 (MQM) 评分来衡量质量，以便可以跟踪改进情况。Smartling 的平台通过 AI 自适应翻译记忆库、RAG 驱动的语言资产集成、自动选择引擎路由以及带有基于 MQM 的仪表板的 LQA 套件来支持所有这四项功能。

为什么随着项目规模的扩大，翻译质量往往会下降？

翻译质量问题往往会相互叠加。一个在小规模运行时表现良好的程序，随着规模的扩大，往往会出现质量问题，这并非因为翻译人员或人工智能引擎变差，而是因为保持质量一致的基础设施没有跟上规模的增长。

最常见的模式：不同项目和供应商之间的翻译记忆库存在碎片化，因此相同的内容每次翻译都不同。虽然存在术语表，但这些术语表与人工智能或翻译人员的工作环境无关，因此已批准的术语会被忽略。质量测量是零星的或主观的，因此质量偏差只有在客户投诉后才会显现出来。人工智能路由一旦设置好就不会再更改，因此内容会继续通过已被更新的替代方案超越的引擎运行。

从根本上讲，提高企业级翻译质量是一个基础设施问题，而不是人才问题。合适的系统能够确保质量始终如一地持续提升。错误的做法会使质量依赖于无法规模化的个人努力。

 

系统性翻译质量改进的四个驱动因素

 
1. 随时间积累的翻译记忆

翻译记忆库（TM）存储所有已批准的翻译，并使其可用于未来的翻译任务。如果某个短语之前已被翻译并获得批准，平台可以重复使用该短语，而无需重新翻译，这样既能降低成本，又能保持一致性。质量优势在于一致性：相同的产品术语、法律条款或品牌短语总是以相同的方式翻译，因为始终有经批准的版本可用。

Smartling 的 AI 自适应翻译记忆库通过自动优化得分在 50% 到 99.9% 之间的可用 TM 匹配项，扩展了标准 TM 的利用范围，使其适应新内容的上下文和语法，而不是直接替换它们。这增加了受益于 TM 技术的内容量，并提高了每项工作的有效质量。

 
2. 翻译时应用的语言资源

如果翻译过程中没有人阅读文档，那么放在文档中的术语表并不能提高翻译质量。如果风格指南在新员工入职培训期间审核过，之后就被遗忘，那么它就无法有效塑造品牌形象。只有将语言资源与翻译环境连接起来并自动应用，才能提高翻译质量。

Smartling 的 RAG 提示工具会在翻译时自动将术语表、翻译记忆库示例和风格指南规则应用于 LLM 生成的翻译。使用 Smartling CAT 工具的译员可以在工具内查看术语表和风格指南。这意味着语言优势并不取决于译者个人的专业水平，而是会影响译文质量。它们是工作流程的一部分。

 
3. 根据语言对和内容类型优化的 AI 路由

没有哪一款人工智能引擎能在所有语言对和内容类型中都占据主导地位。对于能够高效生成英文到德文营销文案的模型，对于日文技术文档可能表现不佳。将内容路由到针对其特定组合性能最佳的引擎进行处理，而不是通过固定配置进行处理，可以提高质量。

Smartling 的自动选择功能可将每个字符串路由到 20 多个语言语言模型和机器翻译引擎中最合适的引擎，并根据语言对和内容类型自动进行选择。更好的初稿质量意味着语言学家可以减少编辑工作量，并在出版时获得更高的质量。

 
4. 使用MQM评分进行质量测量

未经衡量的质量无法系统地改进。多维质量指标 (MQM) 评分提供了一个标准化的框架，用于按错误类型和严重程度评估翻译，生成一个可以随时间跟踪并跨语言对、供应商和内容类型进行比较的分数。

Smartling 的 LQA 套件将基于 MQM 的质量评估直接集成到翻译工作流程中，因此质量数据是持续生成的，而不是手动收集的。LQA 仪表板提供项目级别的报告，本地化领导者可以利用这些报告来确定质量在哪些方面有所提高，在哪些方面有所下降，以及投资在哪些方面会产生最大的影响。

当系统性的质量改进才是正确的优先事项时

那些规模迅速扩大，但在语言对、内容类型或供应商之间出现质量不一致的项目，需要系统性的基础设施，而不是逐个案例地进行补救。
从传统的人工翻译过渡到人工智能辅助工作流程的组织，需要重建人工审核在较小翻译量下自然提供的质量一致性。
企业项目正在准备本地化扩展的商业案例，需要证明当前质量为基准，并证明基础设施能够支持质量随时间推移而提高。
受监管行业，翻译质量与合规性有关，并且出于审计和治理目的，需要进行系统、可衡量的改进。
全球团队拥有多个语言服务提供商，不同供应商的服务质量参差不齐，需要进行一致的衡量来识别表现优异和表现不佳的供应商。
本地化项目中，翻译记忆库的利用率较低，内容需要重新翻译，而重新翻译的成本本可以通过已批准的翻译记忆库匹配来覆盖，如果翻译记忆库得到更好的维护和更积极的利用，这些成本就会被抵消。

当质量改进计划并非当务之急时

⚠️

处于构建本地化基础设施早期阶段的项目，其首要任务是建立 CMS 集成、基本工作流程和翻译记忆库，然后再进行系统的质量优化。

⚠️

对于规模非常小的项目，由于数量很少，单个审查就能提供足够的质量覆盖，而且实施 MQM 测量的开销与规模不成比例。

⚠️

对于主要质量问题是特定能力差距而不是系统性基础设施薄弱的组织而言，有针对性的补救措施比全面的质量计划更有效。

企业检查清单：翻译质量改进

 
翻译记忆基础设施
  • 翻译记忆库是集中式的，供所有项目和供应商使用，还是分散的，导致同一内容在不同项目中翻译成不同的语言？
  • 该平台是否包含 AI 辅助的 TM 优化功能，以提高模糊匹配的利用率，使其适应新内容的上下文，而不是要求完全匹配才能重复使用？
  • 经批准的 AI 生成的翻译是否会自动保存到翻译记忆库中，以便每个任务都能为未来任务的质量做出贡献？
 
语言资产整合
  • 术语表是在人工智能翻译时自动应用，还是译员需要在审校过程中检查单独的文档？
  • 人工智能生成的输出是否通过自动提示配置来强制执行风格指南规则，还是风格指南只是参考文件，取决于译员的个人规范？
  • 该平台是否支持针对不同内容类型、产品线或地区的单独语言资源集，还是统一应用单一的语言资源集？
 
质量测量
  • 该平台是否使用 MQM 评分进行质量评估，还是使用无法与行业标准进行基准比较的专有质量指标？
  • 是否可以按语言对、内容类型、供应商和工作流程提供质量评分，以便有针对性地改进质量，而不是一概而论地应用？
  • LQA 仪表盘是否提供趋势数据，以便可以看到质量随时间推移的改进情况，而不仅仅是当前性能的快照？

Smartling 如何提升翻译质量

Smartling 的方法将质量改进视为一个渐进的系统，而不是一个项目。平台的每个元素都持续地促进质量改进：翻译记忆随着每个已批准的字符串而增长，语言资源在翻译时应用而不是事后审查，AI 路由随着性能数据的积累而改进，LQA 测量可以在质量偏差成为系统性问题之前将其显示出来。

1.
AI自适应翻译记忆库提高了翻译记忆库的利用率。Smartling 的 AI 自适应翻译记忆库会自动优化得分在 50% 到 99.9% 之间的可用 TM 匹配项，并使其适应新内容的上下文和语法。随着翻译记忆库 (TM) 中已批准的翻译越来越多，越来越多的内容受益于翻译记忆库 (TM) 的利用，整个程序的质量一致性也得到提高。
2.
RAG 在翻译时运用语言优势。Smartling 的 RAG 提示工具可自动将术语表、翻译记忆库示例和风格指南规则应用于 LLM 生成的翻译，而无需为每个项目手动配置提示。术语和品牌语调在翻译过程中得到严格执行。
3.
自动选择功能会将路线导向性能最佳的发动机。Smartling 的自动选择功能可自动将每个字符串路由到 20 多个 LLM 和机器翻译引擎中最合适的引擎。随着性能数据的积累，路由决策得到改进，首次输出质量也随之提高。
4.
TM优化代理可提高翻译记忆库的质量。Smartling 的 TM 优化代理会自动识别并批准高质量的翻译记忆匹配项以供重复使用，从而随着时间的推移提高 TM 的质量和一致性，而不是让其积累不一致或过时的翻译。
5.
LQA 套件用于衡量和跟踪质量改进。Smartling 的 LQA 套件提供基于 MQM 的质量评估，并将其集成到翻译工作流程中，LQA 仪表板显示按语言对、内容类型和工作流程随时间变化的质量分数。质量改进是看得见、可以衡量的，而不是想当然的。

Smartling 的 AIHT 始终能达到 98 分或以上的 MQM 质量评分，超过了大多数语言服务提供商传统人工翻译 95 到 97 分的行业基准，而且成本只有一半，速度却是两倍。

 

相关问题

准备好看看 Smartling 如何随着时间的推移提高翻译质量了吗？

Smartling 的平台将 AI 自适应翻译记忆库、RAG 驱动的语言资产集成、自动选择引擎路由和 LQA 套件与 MQM 仪表板结合在一个集成系统中。了解企业团队如何构建随着时间推移不断增强的翻译质量基础设施。

查看平台