Professionell översättningskvalitet med AI

I världen före LLM:er fanns det två huvudsakliga förhållningssätt för produktöversättning:

1. Maskinöversättning med verktyg som Google Translate eller DeepL

   • Kan naivt översätta mening A till mening B
   • Snabb och billig, men ofta av begränsad kvalitet

2. Mänsklig översättning

   • Kan översätta mening A till mening B med hänsyn till kontexten:
     • Produktens specifika kontext
     • Användningen av branschspecifikt jargong
     • Konsekvens med befintliga översättningar
   • Säkerställer hög kvalitet men kräver mer tid och högre kostnader

Av dessa två lösningar ger den andra tydligt bäst översättningskvalitet för en produkt, förutsatt att översättarna har tillgång till nödvändig kontext.

Men att ha tillgång till denna kontext är inte en trivial uppgift:

• Antingen känner översättarna produkten perfekt och har den befintliga terminologin i åtanke, innebörden av varje funktion, lokaliseringen av texten i produkten, användarresor, en utmärkt branschkunskap etc.
• Eller är denna kontext formellt specificerad med dokumentation, skärmdumpar, ordlistor (som specificerar branschtermer och deras översättningar i varje språk), och översättare måste hänvisa till dem noggrant.

I slutändan var bedömningen enkel: maskinöversättning är billig och snabb, men av medelmåttig kvalitet, medan mänsklig översättning erbjuder bättre kvalitet, men till en hög kostnad och med en långsammare översättningsprocess.

AI- och LLM-revolutionen

Sedan LLM:ernas (Large Language Models) framväxt har översättningsverktyg anammat denna revolution, som Prismy, med förhoppningen att avsevärt förenkla denna process.

Om vi jämför de tre förhållningssätten enligt trifektan kostnad/kvalitet/tid:

Jämförelse av översättningsmetoder

Medan kostnad- och tidsfaktorerna är relativt okontroversiella förtjänar kvalitetsfaktorn en mer djupgående analys.

Hur Prismy säkerställer översättningskvalitet

Kan jag lita på din AI för att översätta min produkt blint?

Det är en fråga vi ofta får.

Som vi sett tidigare är det hänsyn till kontexten som tillåter översättare att ge kvalitetsöversättning. Nyckeln ligger därför i förmågan att ta hänsyn till denna kontext, och det är precis där LLM:er utmärker sig, med förmågan att analysera många indata för att justera sin utdata.

Prismy förlitar sig på tre pelare för att säkerställa översättningskvalitet:

Pelare för översättningskvalitet

Pelare #1: Definiera kontext och tonalitet

Det första steget är att förklara kontexten för LLM:en, med start från det mest allmänna (branschen) till det mest specifika (platsen för texten i produkten).

Prismy låter dig globalt definiera branschen, produkten och dess nytta. Tack vare detta kan LLM:er redan använda rätt jargong, och översättningskvaliteten förbättras avsevärt.

När Prismy sedan översätter produkttexter är det ibland nödvändigt att förstå vilken del av produkten de kommer att användas i. För detta erbjuder Prismy möjligheten att definiera instruktioner per produktsektion. Dessutom kan Prismy översätta texter funktion för funktion, baserat på utvecklingsgrenar och med utnyttjande av kontexten kopplad till Pull Requests och annan metadata.

Slutligen låter Prismy dig också definiera vilken tonalitet som ska användas per språk och per produktsektion.

Pelare #2: En uttömmande och uppdaterad ordlista

Varje företag har sitt eget jargong, branschtermer för vilka de vill upprätthålla konsekvens och potentiellt påtvinga specifika översättningar.

För detta använder företag ofta ordlistor för att definiera dessa termer och deras översättningar.

Där översättare fortfarande kunde hålla termer som inte formaliserats i en ordlista i åtanke, fungerar detta förhållningssätt inte längre med AI. Det blir viktigt att formellt och uttömmande dokumentera alla specifika termer. Denna uppgift kan verka tidsödande, men Prismy låter dig automatiskt generera och underhålla en ordlista för detta ändamål. Det är ett mycket intressant ämne i sig, som jag kommer att förklara mer detaljerat i en dedikerad artikel.

Pelare #3: Översättningsminne

Den sista pelaren är att säkerställa konsekvens genom att förlita sig på befintliga översättningar. Våra översättningar vinner i erfarenhet och kvalitet tack vare översättningshistorik. Således kan Prismy, om ett ord eller en del av en mening redan har översatts någon annanstans i produkten, instruera LLM:en att basera sig på dessa befintliga översättningar och säkerställa global konsekvens.

Är detta mirakelösningen?

Tack vare dessa tre pelare revolutionerar LLM:er produktöversättning genom att säkerställa hög översättningskvalitet, med snabbhet och låg kostnad.

Räcker det? Vår erfarenhet på Prismy avslöjar att med optimal konfiguration når översättningar en utmärkt kvalitetsnivå, men fokuserad mänsklig övervakning förblir värdefull för att uppnå excellens. Det är därför Prismy också tillåter granskningsarbetsflöden och arbetar för att prioritera de mest tveksamma översättningarna för att rikta relevanta granskningar till bara ett fåtal texter.

Med denna strategi är det nu möjligt att ha en automatiserad process med bra initial konfiguration och välriktad granskning, vilket låter systemet lära sig i realtid!