选择语言:

机器翻译

了解机器翻译领域的最新趋势。 

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。

阅读精彩内容,了解更多信息

语言技术的未来:机器翻译的未来

机器翻译将进一步发展,如果部署得当,对提升翻译效率将变得越来越重要。

纯机器翻译与机器翻译加后期编辑

什么情况下最适合使用机器翻译?什么情况下应该考虑使用包含传统人工翻译的混合模式?我们来看看适用的场景。 

神经网络机器翻译:人工智能在语言翻译中的作用

深入探讨什么是神经网络机器翻译,以及为什么它被认为是语言行业的变革者。

了解机器翻译

这份实用的文档将帮助您快速了解一些与机器翻译相关的重要术语。 

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。   

认识我们的机器翻译专家

Rafa Moral

创新副总裁 

Rafa 负责与语言和翻译相关的研发活动。这包括与机器翻译、内容剖析研究和分析、术语挖掘及语言质量保证和控制有关的各种项目。 

Jordi Macias

语言卓越副总裁

Jordi 负责语言卓越领域,包括监管机器翻译团队、语言质量服务团队以及 Lionbridge 针对一些富有创新精神的大客户所开展的工作。

Lionbridge机器翻译可助您节省成本,减少周转时间。联系我们,了解更多信息。

联系我们