Lionbridge Machine Translation Tracker

针对主流机器翻译引擎（目前又新增了若干生成式 AI 模型）的长期衡量结果，将帮助您选择能够更好地满足您需求的自动化翻译方案。

机器翻译在全球化沟通中的作用

在技术变革时代仍然至关重要

随着公司生成的多语言内容日益增多，他们开始寻求以更快、更具成本效益的方式触达全球化市场。

他们可以借助什么来实现这一目标呢？机器翻译 (MT) 引擎和生成式人工智能 (GenAI) 技术，每种技术在本地化中都发挥着不同的重要作用。

尽管 GenAI/大型语言模型 (LLM) 非常适合辅助式译后编辑，以及通过自动化技术来优化本地化工作流程，但 MT 引擎凭借其卓越的速度与成本效益，在初步翻译阶段仍无可匹敌。此外，就初步翻译而言，MT 的质量通常优于 LLM，不过我们也在密切关注这方面的技术发展动态。

对比四种 MT 部署策略

部署 MT 解决方案有以下四种基本策略。

公共 MT

这一策略使用 Google Translate 或 Bing Translator 等服务。这些服务免费开放且方便使用。然而，这些策略也不乏缺点：安全性欠佳；引擎针对特定领域或特定使用情形的训练不足，某些情况下会产生质量问题。

本地 MT

采用该策略的公司需要在内部 IT 环境中部署 MT 服务器。这一策略安全性高，但成本也较高，难于部署和管理且需要持续维护。重要的是，该情况下针对多种语言对或不同内容类型产出的 MT 质量仍需优化。

云 MT

这一策略与公共 MT 方案的工作原理类似，因为它也是在云中托管的。不过，不同于公共 MT 的是，它可以创建公司专属实例。传输至该服务的所有数据均受到严格保护，不会与第三方共享。该服务还具备其他功能和优势，例如术语定制，但会导致公司只能依赖固定的一家供应商，而且对于有些语言对的互译，MT 质量也较低。

优选 MT

这一策略会利用统一的平台，公司可以通过该平台使用多个引擎。该平台可以针对所有引擎定制一套术语，界面易于管理，且能够针对具体的一对语言、行业/领域和内容类型选出合适的选项。Lionbridge 提供的这一方法旨在实现出色的翻译成果，也是 Lionbridge 的核心竞争优势。

想要详细了解 MT 术语和不同类型的自动化翻译技术？请查看我们的博客文章《翻译及本地化：了解机器翻译，辨析相关术语》。

哪个自动化翻译引擎效果更好？

要回答这个问题并不容易。

面对市面上的各种自动化翻译引擎，您在选择时需要注意一点：一些 MT 引擎是针对特定用途或领域来训练的。如果您的需求与引擎用途不匹配，那么无论该引擎多么先进，翻译效果可能都会不尽人意。

因此，要确定适合自己的理想选择，您首先要明确自己使用自动化翻译的目的。如果只是用于一般用途，那么 Google Translate 或 Bing Translator 或许就挺合适。但是，如果您需要针对某个特定语言或领域的 MT 引擎，那么可能会有其他工具更加适合您。

Lionbridge 如何在不同的引擎中进行选择？我们的优选 MT 方法利用一个平台整合五种引擎：Amazon、Bing NMT (Microsoft)、DeepL、Google NMT 和 Yandex。该平台可通过我们的 Smart MT™、应用程序编程接口 (API) 以及客户的本地化工作流程访问。

我们支持根据语言或具体使用场景，灵活应用和定制 MT 系统的选择，并通过在平台层面（而非引擎层面）直接添加针对特定语言的规则、词汇表和保留不译 (DNT) 术语来实现出色效果。

我们的 MT 解决方案涵盖 115 种语言对，服务全球各大品牌。

分析 MT 性能

来自 Lionbridge Machine Translation Tracker 的见解

我们在 MT 领域深耕二十多年，积攒了丰富经验，并且汇集了有关 MT 技术的海量语言和质量数据。

Lionbridge 的 Machine Translation Tracker 会分析五大主流 MT 引擎和若干 GenAI 模型的表现，定期发布分析结果，帮助您了解这些工具在不同内容领域和语言对中的具体表现。

我们的分析结果如下。您可以根据这些持续更新的结果选出适合自己的 MT 方案。

MT 整体质量评估

时间

图表 1：主流 MT 引擎和几种生成式 AI (GenAI) 模型处理德语、俄语、西班牙语和中文内容的平均质量比较。 MT 引擎和 GenAI 模型的表现受多种因素的影响，例如源内容质量、源语言和目标语言、内容主题，以及 MT 引擎是否经过训练。在整体质量比较中，尽管 GenAI 模型表现得也相当不错，但神经 MT 引擎总体优于 GenAI 模型。

针对不同语言对的质量表现

从下拉菜单中选择德语、西班牙语、俄语或中文。

时间

图表 2：主流 MT 引擎和几种 GenAI 模型针对特定语言对的平均质量比较。

针对不同领域的质量表现

从下拉菜单中选择领域/主题。

时间

图表 3：主流 MT 引擎和几种 GenAI 模型针对特定领域内容的平均质量比较。