Vi är stolta över våra medarbetare som hjälpt företag att kommunicera med sina kunder i över 20 år.

Om oss
Ledarskap
Nyheter
Insikter
Viktiga fakta

Utnyttja kraften hos Lionbridge Lainguage Cloud för att hantera lokalisering och innehållets hela livscykel

Lainguage Cloud™ Plattform
Anslutning
Translation Community
Arbetsflödesteknik
Smairt Content™
Smairt MT™
Smairt Data™

VÄLJ SPRÅK:

Lionbridges bedömningsverktyg för maskinöversättning

Här presenterar vi vårt bedömningsverktyg som hjälper dig att välja den bästa maskinöversättningsmotorn för dina behov

Inledning

Maskinöversättning (MT) har funnits i många år, men på senare år har tekniken utvecklats exponentiellt. I takt med att företagen producerar en ständigt ökande mängd innehåll på olika språk har de börjat se maskinöversättning som en väg till utökad räckvidd i en alltmer globaliserad värld. 

Företag som vill använda maskinöversättning har fyra grundläggande strategier att utforska: 

Offentlig MT

Användning av tjänster som Google eller Bing Translate. Dessa tjänster är tillgängliga för alla kostnadsfritt, men de saknar mer avancerade funktioner, som kundanpassning av terminologi, och data kan komma att återanvändas i andra tjänster. 

Lokal MT

Denna strategi kräver att företaget använder en maskinöversättningsserver i sina IT-miljöer. Säkerheten är mycket hög, men strategin medför en betydande kostnad, är komplex att använda och hantera samt kräver löpande underhåll.

MT i molnet

Fungerar på ett liknande sätt som offentlig MT och finns i molnet, men skapar en egen instans för företaget. Alla data som delas med tjänsten skyddas och delas inte med någon utomstående. Den erbjuder tilläggsfunktioner för terminologi och andra fördelar, men kan resultera i en beroendeställning till leverantören och en inte helt optimal maskinöversättningskvalitet över flera språkkombinationer. 

Förstklassig MT

En enda plattform som ger möjlighet att hantera flera maskinöversättningsmotorer och erbjuder ett enkelt lager av terminologisk kundanpassning, ett lätthanterat gränssnitt samt möjlighet att välja de bästa motorerna för olika språkkombinationer och innehållstyper.

Oavsett vilken strategi de väljer kan det vara svårt att välja rätt motor utan korrekta data och kunskaper. Med över 20 års erfarenhet är Lionbridge expert på maskinöversättning och har samlat en stor mängd språk- och kvalitetsdata om maskinöversättningsteknik som kan vara till hjälp i valet av rätt motor. Den här webbsidan ger grundläggande information om maskinöversättningsmotorer för de vanligast förekommande språkkombinationerna för att hjälpa företag att göra det bästa valet för sitt innehåll. 

Vilken är den bästa maskinöversättningsmotorn? Den frågan har inget enkelt svar.


När du väljer bland marknadens alla maskinöversättningssystem är det viktigt att komma ihåg att vissa motorer är avsedda att användas till en viss funktion eller inom ett särskilt område. Om du har andra behov än det tänkta ändamålet kan det hända att motorn inte fungerar optimalt, oavsett hur sofistikerad den är. För att kunna välja det bästa alternativet behöver du därför först ta reda på varför du tänker använda maskinöversättning.

Om du vill ha en maskinöversättningsmotor för allmänt bruk kan det passa bra att använda Google Translate eller Bing Translator. Om du efterfrågar maskinöversättningstjänster för ett visst språk eller område kan du uppnå bättre resultat genom att vända dig till Amazon Translate eller DeepL Translator.

Lionbridges bedömningsverktyg för maskinöversättning analyserar motorernas resultat varje månad för att hjälpa dig att hitta den bästa maskinöversättningsmotorn för den språkkombination du arbetar med. Så nästa gång du undrar vilken maskinöversättningsmotor som är bäst, kan du i stället fråga: ”Vilken maskinöversättningsmotor passar bäst för mig?” Och räkna med att Lionbridge kan leda dig rätt.

Vill du lära dig mer om olika typer av maskinöversättningstekniker? Läs vår blogg Machine Translation in Translation.

Lionbridges expertkommentar

Mars 2023

Generativ artificiell intelligens (AI) har nått en viktig milstolpe: I en av våra jämförande analyser överträffade den en neural maskinöversättningsmotor (NMT). Närmare bestämt var det så att den stora språkmodellen (LLM) GPT-4 producerade något högre kvalitet än Yandex för språkkombinationen engelska till kinesiska, som du kan se i bild 1.

Den här utvecklingen är anmärkningsvärd, eftersom det är första gången ett annat slags MT-metod har överträffat en neural MT-motor sedan NMT såg dagens ljus. Dessutom är det en ”icke-MT”-metod som har klått NMT-motorn, en allmän språkautomation som inte har förberetts speciellt för maskinöversättning.

Varför är den här händelsen viktig för dig? Om du är MT-leverantör måste du gå i täten för tekniska framsteg och fundera över hur de kan påverka ditt befintliga MT-erbjudande, så att du kan behålla din konkurrenskraft. Om du är MT-köpare behöver du hålla ett vaksamt öga på utvecklingen för att göra kloka MT-investeringar – som förmodligen omfattar LLM-baserad teknik i stället för renodlade neurala MT-lösningar.

Det är värt att notera att generativ AI fortfarande är i sin vagga. Det innebär att den fallerar på vissa viktiga områden. Till exempel producerar den olika resultat vid flera körningar, har ett instabilt API (Application Programming Interface) och gör fler fel än neurala MT-motorer. De här problemen måste lösas för att tekniken ska mogna och vi kan redan se att förbättringar uppnås i häpnadsväckande hastighet.

LLM-modeller har en förmåga att förbättras i otrolig fart, vilket stöder uppfattningen att LLM:er kan bli nästa paradigm för maskinöversättning. Vi förväntar oss en hybridperiod då leverantörer av neural MT integrerar vissa aspekter av LLM:er i neurala MT-arkitekturer i takt med att paradigmet utvecklas.

I vår blogg kan du läsa en jämförelse av översättningskvaliteten från neurala MT-motorer och LLM:er för två ytterligare språkkombinationer och få veta mer om vår syn på om detta är början på slutet för paradigmet neural maskinöversättning.

 

    —Rafa Moral, Lionbridge Vice President, Innovation

Klicka här för att läsa tidigare expertkommentarer.

Bedömning av generell maskinöversättningsprestanda
Jämförelse av maskinöversättningsmotorer
Tid
Efter språkparskvalitet
Välj mellan tyska, spanska, ryska och kinesiska i listrutan
Tid
Prestanda efter ämnesområde
Välj område/ämne i listrutan
Tid

Om du vill ta del av fler insikter och framtidstrender gällande maskinöversättning kan du läsa vårt blogginlägg Språkteknologins framtid  – Maskinöversättningens framtid.

Lionbridges spårningsmetod för maskinöversättning

Lionbridge använder omvänt redigeringsavstånd som bedömningsmodell. Redigeringsavstånd är ett mått på skillnaden mellan översättningar mätt i det antal tecken (för asiatiska språk) eller ord (för västerländska språk) som behöver ändras under den manuella efterredigeringen. Ju högre värde desto bättre kvalitet.

Av de fyra maskinöversättningsmotorer vi utvärderade uppvisade Google och Bing NMT den bästa prestandan för olika språkkombinationer med allmänt innehåll. Men för vissa språkkombinationer fungerar mer specialiserade motorer bäst: DeepL har bäst prestanda för tyska och Amazon är bäst på att översätta kinesiska.

Ansvarsfriskrivning

  1. Maskinöversättningsmotorerna i den här rapporten utvärderas varje månad av Lionbridge.
  2. De data som tillhandahålls är avsedda som illustration och varje fall bör behandlas och utvärderas individuellt.
  3. Den här rapporten är framtagen baserat på förvalda källdata från Lionbridges maskinöversättningsteam. Varje gång skickas samma källdata till varje maskinöversättningsmotor och språkkombination, vilket gör det möjligt att jämföra översättningsmotorerna.
  4. Inga kunddata har använts i framtagandet av den här rapporten.

Smartare MT med Smaⁱrter™

Smaⁱrt MT™: Maskinöversättning för den digitala tidsåldern

Ta reda på hur du kan använda maskinöversättning för att erbjuda digitala upplevelser på lokala språk, uppnå bättre kundnöjdhetssiffror och lyckas på globala marknader.

Språkteknikens framtid: Maskinöversättningens framtid

Maskinöversättning kommer att fortsätta utvecklas och bli allt viktigare för översättningsproduktiviteten om den används på rätt sätt.

Maskinöversättning jämfört med maskinöversättning med efterredigering

När är det bäst att förlita sig på maskinöversättning? När bör du överväga en hybridmodell som innehåller traditionell manuell översättning? Vi går igenom scenarierna. 

Neural maskinöversättning: så här fungerar artificiell intelligens vid översättning

Lär dig mer om neural maskinöversättning och varför det anses vara en avgörande förändring för språkbranschen. 

Maskinöversättning vid översättning

Med den här behändiga översikten får du koll på de viktigaste termerna inom maskinöversättning. 

Se nyckeldefinitioner inom maskinöversättning genom att klicka på bilden nedan

Kontakta oss