• 智能翻译解决方案提供商
    memoQ中国区销售服务商

展望2020:混合型(NMT+TM)翻译流程

近几年来,语言服务行业中机器翻译一直是热门话题。机器翻译突飞猛进,语言服务行业发生了翻天覆地的变化,如何平衡人工翻译和机器翻译之间的关系引起了许多人的担忧。尽管如此,大多数语言学家还是支持将新技术引入本地化行业,神经机器翻译(NMT)的应用备受瞩目。
memoQ预测NMT或成为2020语言行业的大势所趋,给语言服务行业带来重大影响。它影响着翻译工作的方方面面,包括业务、流程、技术、人员、质量管理、报价、岗位分配等等。
NMT的应用离不开人工的参与,毕竟NMT只是一种由机器处理的语言,还需要人工来构建和训练NMT系统,制定语言风格。要用好NMT,人工角色的参与至关重要。为促进技术和人类之间的交互,翻译流程发生了改变,语言学家不再从头开始翻译,而是进行译后编辑,重复利用现有翻译资源。
memoQ为多语言翻译提供了先进的翻译环境,将NMT和翻译记忆库相结合,利用QA功能保证翻译质量。在人机交互的工作模式下,为语言学家创造更好的工作环境。将NMT和翻译记忆库两者结合利用,这种新式翻译流程,使语言学家们能够处理更多翻业务。整个翻译流程也更加灵活,适用于满足个性化的需求。
机器翻译初步翻译多语言文本后,还要对机翻结果进行再编辑和质量保证,才能确保最终的译文结果是可用的。 NMT系统不仅可以从输出结果中“自主”学习和收集信息,还可以参考学习语言资源,如术语库、翻译记忆库等,生成更流畅的译文。

如何利用NMT和翻译记忆库更高效地翻译呢?

和NMT相关的有两大挑战:术语和上下文。
解决以上两大挑战的方案之一是利用多语言NMT引擎,比如Microsoft的Translator Text API v3.0。这个版本默认使用NMT,支持超过60多种语言。它还提供“自定义翻译器”功能(Custom Translator),当然这是一项付费服务,通过上传术语库、翻译记忆库和其他参考资料来创建个性化定制的神经翻译系统,训练专属NMT模型。当然,想要玩转这种模型需要花点时间和精力。学会了就能拥有自己的NMT引擎,且能保证数据信息安全。
挑战一:术语
不管是人工翻译还是机器翻译,术语库都要符合主题和领域。NMT可以从特定领域的术语表中学习和收集信息,提高术语翻译准确性。举一个例子,语言学家可以在memoQ中启用Tmxmall机翻引擎插件,连接云译NMT服务,将术语表上传至相应领域,例如法律、经济、音视频等等领域,上传好的术语表可供之后的项目使用。在开始翻译前,事先选好特定领域术语库,如果NMT系统识别到原文内容和术语库有匹配,那么它会首选术语作为翻译结果。
挑战二:上下文
为确保用NMT翻译的上下文一致性,可以利用翻译记忆库匹配来完善NMT的工作。比如说我们在翻译时用了某个通用NMT模型,没有定义特定的领域。为了得到更佳的机翻译文质量,我们可以添加特定领域的翻译记忆库,机器翻译会根据翻译记忆库中的匹配句段来修改译文结果,提高了上下文的准确性和一致性。
关键节点人工参与
对于结合NMT和翻译记忆库两者的新型混合翻译流程,memoQ建议在人工提前参与到各个流程关键节点。即使NMT引擎使用自定义模型,并且结合了相关术语库和翻译记忆库,仍旧需要语言学家来编辑机翻结果。memoQ作为领先的翻译平台,为语言学家提供了翻译记忆库、术语库、LiveDocs语料库等等功能,还能利用QA功能进行质量保证,翻译流程中人工的参与让可重复利用的翻译变得更加可靠。
如果将NMT引擎与memoQ之类提高工作效率的协作翻译工具结合在一起,那么语言学家们可以处理更多本地化内容,不断扩大国际受众,助力本地化行业的发展。