机器翻译

让机器翻译成为您内容处理流程的一部分

确定哪些内容适合机器翻译，了解为什么您应该采用这项技术。

翻译更多内容、译得更快，而且成本控制在当前预算之内，您意下如何？听起来令人难以置信？其实可以实现。机器翻译 (MT) 可以帮助您在不增加成本的情况下提高翻译效率。

MT 并非适用于所有内容。但机器翻译的质量最近一直在提升，因此这项技术的实用性日益增强。采用 MT，您将能够紧跟一些全球化组织的步伐，这些组织已经将 MT 的功能运用到更多语言。您还能更好地满足需要以母语呈现内容的消费者的期望。

作为最早使用 MT 的语言服务提供商之一，我们在过去 20 年里借此技术处理了数十亿的词汇。因此，对于我们的建议您大可放心。在将 MT 融入您的本地化战略之前，请确保：

• 确定适合 MT 的内容
• 建立必要的语言资源，以恰当地训练您的 MT 引擎
• 必要时加入人工后期编辑，以提高 MT 质量

正确地使用 MT，在确保质量的前提下充分节省成本。

机器翻译简史

1954 年 - 乔治敦大学的研究人员首次公开演示早期 MT 系统。

1962 年 - 机器翻译与计算语言学协会 (Association for Machine Translation and Computational Linguistics) 在美国成立。

1964 年 - 美国国家科学院 (National Academy of Science) 成立了 ALPAC 委员会，旨在开展 MT 研究。

1970 年 - 法国纺织研究院 (French Textile Institute) 开始使用 MT 系统翻译文献摘要。

1978 年 - Systran开始用于翻译技术手册。

1989 年 - Trados 率先开发翻译记忆技术并对其进行市场推广。

1991 年 - 乌克兰哈尔科夫国立大学 (Kharkov State University) 开发出首个商用 MT 系统，该系统可进行俄语-乌克兰语、英语-乌克兰语、德语-乌克兰语翻译。

1996 年 - Systran 和 Babelfish 提供针对网页小文本的免费翻译服务。

2006 年 - Google Translate 推出统计 MT 系统。

2012 年 - Google 宣布 Google Translate 每天翻译的文本量相当于一百万本书。

2016 年 - Google 实现了八种语言之间的神经机器翻译 (NMT)，可以减少一半的语序错误，并且显著提高了术语和语法的翻译准确性。

2020 年 - 截至 10 月份，Google 神经机器翻译 (GNMT) 可支持 109 种语言的翻译。

选择合适的实时翻译技术

在本指南中，了解 Lionbridge 的实时翻译技术与公共机器翻译引擎之间的差异。

什么是理想的机器翻译？

通过 Lionbridge 的 Machine Translation Tracker 了解哪种机器翻译引擎最适合您的使用情形。 

选择合适的机器翻译引擎来更好地满足您的需求并非易事。源内容的质量、源语言和目标语言，这些都是会影响机器翻译引擎性能的因素。如果能够以数据作支撑，那便最好不过。现在，您可以做到了。Lionbridge 的 Machine Translation Tracker 可以衡量各大机器翻译引擎的整体性能，以及针对不同语言对和不同领域的表现。了解一下过去一年四个主要机器翻译引擎的质量评分吧。   

阅读精彩内容，了解更多信息……

左右滑动查看更多