人工智能技术对翻译成本的影响

在翻译技术快速发展的环境中，人工智能 (AI) 在翻译服务的呈现和定价方式方面带来了重大转变。随着人工智能的不断发展，特别是通过翻译记忆库 (TM) 、机器翻译 (MT) 引擎和大型语言模型 (llm) 的发展，翻译行业正处于变革的风口浪尖。本文深入研究了这三种人工智能驱动技术对翻译成本的影响，探讨了它们在提高效率、降低费用以及重新定义翻译过程的质量和速度方面的潜力。

第一部分: 翻译记忆的影响

翻译记忆库一直是翻译技术发展的基石。通过存储先前翻译的文本片段，TM允许在新的翻译中重复使用，减少了翻译者重新翻译相同短语或句子的需要。这不仅加快了翻译过程，而且随着时间的推移显著降低了成本。引入匹配率和基于这些比率的折扣进一步提高了TM的成本效益。然而，TM系统需要持续的维护以防止错误的积累，如果忽略这些错误，由于需要校正和质量控制，可能导致长期成本的增加。

例如，考虑一个从英文翻译成中文的简单句子: “保持周围环境清洁。”相应的中文翻译可能是 “保持你的环境清洁”。这个句子一旦被翻译，就以如下的格式存储在TM系统中。

en-US: 保持周围环境清洁。

Zh-cn: 保持你的环境清洁。

匹配率的概念

匹配率是利用TM的关键概念。它指的是新文本和TM中任何存储的条目之间的相似性百分比。

例如，如果另一文档包含句子 “请保持周围环境清洁”，则TM系统识别与所存储的句子的相似性。假设该新句子与先前示例中存储的条目的80% 匹配，则该句子的匹配率将是80%。

类似地，句子 “我试图保持我的环境清洁” 可能具有较低的匹配率，例如70%，这是由于对原始句子的较长修改。

基于匹配率的折扣

翻译成本通常可以根据匹配率计算折扣。例如，匹配率在75% 到94% 之间的句子可能会得到每字率40% 的折扣，承认与全新文本相比，翻译它们需要更少的努力。该折扣系统通过证明与现有翻译的重用直接相关的成本节省来激励TM的使用。

以下是基于匹配率的折扣率示例:

翻译记忆库的长期效益

随着时间的推移，使用TM可以导致显著的成本降低。例如，IT领域中定期更新手册和报告的客户可以多年来积累庞大的TM数据库。翻译的每个新文档可能会利用TM中的50% 或更多内容，从而节省了成本。在五年的时间里，这样的客户可以将翻译成本降低多达30%，这要归功于以前翻译的内容的有效重用。

尽管TM系统是有益的，但它们需要适当的维护以避免 “污染”-将错误合并到TM中，这可能会使将来的翻译错误长期存在。维护包括定期更新和审查，以确保存储的翻译的准确性和相关性。虽然这涉及一些成本，但与受污染的TMs的潜在损失相比，它是最小的，这可能会通过引入需要校正和重新翻译。

快速摘要

通过集成和适当维护TM系统，企业和翻译服务提供商可以大幅降低翻译成本，同时保持多语言内容制作的高质量。

第二部分: 机器翻译的影响

机器翻译与神经机器翻译软件随着AI的出现而迅速扩张。Google Translate等通用MT引擎为日常用户提供可访问的解决方案，而专业MT引擎提供量身定制的解决方案，可提高特定行业的翻译准确性。事实证明，采用人工翻译改进MT输出的编辑后工作流程可以大大降低成本。根据后期编辑所需的深度，与传统翻译方法相比，成本可以降低很多。但是，将MT集成到专业工作流程中需要仔细管理，以平衡成本节省与潜在的质量风险。

机器翻译引擎的类型

机器翻译 (MT) 引擎通过提供不同级别的可访问性和质量来显著影响翻译成本。通常，有两种类型的MT引擎: 通用和专用。

像Google MT这样的通用引擎每个人都可以使用，并且具有成本效益。他们是专为一般使用没有具体的定制。另一方面，专用引擎使用专用语料库针对特定需求进行定制，并且通常在组织内私下部署。尽管专用引擎通常比通用引擎提供更高的翻译质量，但它们的培训和维护成本却高得多。在考虑总成本以达到可比的质量时，这两种类型之间的差异不足以在这里进行详细讨论。

使用机器翻译对翻译人员的成本影响

机器翻译后编辑至关重要，有两种形式: 全后编辑和轻后编辑。完整的后期编辑 (Full PE) 涉及对机器翻译文本的全面审查和更正，以确保其符合高标准的准确性和流畅性。相比之下，轻型后期编辑 (轻型PE) 旨在以最小的校正获得可接受的质量，重点关注主要错误和连贯性。

对13位经验丰富的翻译人员进行的一项调查将他们的完整PE报价与传统的人工翻译进行了比较。结果显示，完整的PE价格约为完全手动翻译费用的70%，这表明通过集成机器翻译 (不包括MT本身的成本) 可以节省约30% 的成本。

轻PE价格约为全PE率的一半，约为人工翻译成本的35%，表明节省约65%。

对翻译过程的影响

在评估整体翻译工作流程时，我们以纯人工翻译的成本为基准，包括翻译和审阅，我们将其设置为100%。关于成本机器翻译步骤，我们设置5% 的人工翻译成本。以下是机器翻译及其相关流程如何降低成本:

快速摘要

总之，机器翻译可以节省大量成本，具体取决于质量要求和采用的具体工艺。它提供了一种可扩展且经济可行的选择，尤其是与战略性后期编辑实践相结合时，可以在有效管理成本的同时满足各种翻译需求。

第3部分: 大型语言模型的影响

大型语言模型，例如由OpenAI开发的模型，有望在翻译方面带来进一步的革命。LLMs可以快速生成初步翻译并处理大量文本。此外，他们通过检查质量，提取术语，甚至直接以多种语言创建内容来帮助翻译人员。他们在简化翻译过程和减少人为干预必要性方面的作用不断增强。

期望

尽管大型语言模型 (llm) 最初被吹捧为具有将翻译成本降低多达30% 的潜力，但其实际性能尚未完全满足这些期望。让我们从三个方面分析LLMs在翻译过程中的成本节约潜力:

翻译过程改进

快速提供翻译: llm能够快速生成初步翻译，这对于迫切需要的文档处理特别有用。然而，这些快速翻译的质量并不总是可靠的，并且通常需要进一步的人工修订和校正。

处理大量内容: LLMs擅长处理大量文本，对于内容量大且经常更新的内容尤其有用。

然而，由于仍然需要依赖传统机器翻译作为基础的质量问题，这种优势没有表现出比现有先进机器翻译技术显著的成本节约效益。尽管在处理速度和体积方面具有优势，但由于需要额外的人为干预的质量问题，这些特征的成本节约并不显著。

协助翻译工作

质量检查: LLMs可以帮助检测和纠正翻译中的错误，特别是语法和用法方面的错误。然而，它们的不稳定性有时会导致翻译人员花费额外的时间来验证和纠正这些输出。

术语提取: LLMs在提取特定领域术语方面显示出一定的能力，帮助翻译人员更快地理解和使用专业术语。

抛光翻译: LLMs可以提供风格和色调改进的建议，帮助确保翻译更加严格地遵守目标语言规范。

解释原始文本: 对于含糊不清或复杂的文本，LLMs可以提供可能的解释，帮助翻译人员更好地理解原始内容的意图。

提供辅助翻译供参考: LLMs生成的翻译可以作为参考材料，为翻译人员提供额外的视角和比较点。

对翻译人员的调查表明，尽管llm提供了这些辅助工具，但由于技术的不稳定性，它们对效率的总体影响有限，因此这些方面并没有显着降低成本。

3.减少需要翻译的内容量

内容创建方面的帮助: 技术作者或内容创建者可以使用LLMs直接以多种语言制作内容，从而减少了对后续翻译的需求。例如，如果作者精通另一种语言，他们可以利用LLM来生成该语言的内容，然后进行必要的调整。

本地内容创建: 基于全球内容，本地用户可以使用llm创建适合其市场的本地化内容，从而进一步降低传统翻译要求。

这些通过创作减少翻译需求的方法为客户节省了一些成本，展示了LLMs在内容创作领域的潜力。

快速摘要

大型语言模型在降低翻译成本方面提供了一些潜在的优势，特别是在内容处理能力和协助翻译人员方面。但是，由于该技术的不稳定性以及现有机器翻译技术的竞争性存在，实际的成本节省并未达到最初的预期。随着技术的进步和应用的稳定，llm降低翻译行业成本的潜力可能会逐渐变得更加明显。

结论

人工智能技术与翻译行业的整合已经显示出可观的成本节约和效率提高。虽然每一项技术 -- 翻译记忆、机器翻译和大型语言模型 -- 都有其独特的优势和挑战，但总体趋势是朝着更加自动化、准确和成本效益的方向发展。ive翻译过程。随着这些技术的不断发展和成熟，它们的集体影响可能会扩大，从而提供更高的效率并改变语言服务的格局。翻译的未来不仅在于降低成本，还在于提高全球受众的可访问性和质量。