无论公司选择何种策略，如果没有合适的数据且不具备相关经验，那么就很难选出理想引擎。Lionbridge 在机器翻译领域深耕 20 余年，经验丰富，且汇集了有关机器翻译的海量语言和质量数据，可帮助客户做出正确选择。此网页提供了一些基本信息，可让您了解机器翻译引擎在处理常见语言对时的表现，帮助公司根据自己的内容做出合理选择。

想要进一步了解不同类型的机器翻译技术？请阅读我们的博客文章《了解机器翻译》。

Lionbridge 专家评论

2022 年 3 月

如果您一直关注相关页面，那么您对我们的通用 MT 比较评估一定不陌生。我们每个月都会对多个 MT 引擎进行评估，看看对于特定语言对，谁的表现更优秀，并跟踪各引擎的改进情况。在三月份，各个引擎的表现均原地踏步。我们发现，这种趋势已经持续了一段时间。正如我们在上个月的评论中所说，这可能表示我们需要新的 MT 范式。

我们分享的是通用 MT 的结果，但我们发现，许多公司越来越关注客制化 MT 的比较评估。和通用 MT 评估不同，这类评估将公司的具体需求纳入考量，以此为基础选出更具优势的 MT 引擎。

如果一家公司计划采用 MT 或希望改善当前的 MT 使用方式，其中的关键在于确定哪种 MT 引擎效果更好。在执行客制化评估时，我们采用的评估方式与此页面中展示的方式类似，但我们会基于公司的内容类型和语言对需求给出建议。

虽然客制化 MT 比较评估已经问世多年，但其需求却更胜以往。我们将这一趋势归因于 MT 对于帮助公司制胜数字化市场发挥着重要作用。

— Rafa Moral，Lionbridge 创新副总裁 

单击此处阅读以往的专家评论。

MT 整体质量评估

MT 引擎比较

时间

^{图表 1：主流机器翻译引擎处理德语、俄语、西班牙语和中文内容的平均质量比较。}

各机器翻译引擎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，以及机器翻译引擎是否经过训练，因此它们的表现各不相同。在整体质量比较图表中，从引擎处理所有语言内容的长期表现来看，截至 2021 年 1 月，Google NMT 仍然处于领先地位。在过去一年中，Bing 和 Amazon MT 引擎的质量评分波动最大，质量有较大起伏。

针对不同语言对的质量表现

在下拉框中选择德语、西班牙语、俄语或中文

时间

^{图表 2：主流机器翻译引擎针对特定语言对的平均质量比较。}

一些机器翻译引擎在处理特定语言对的内容时，表现非常出色。从长期语言质量表现数据来看，最合适处理德文的 MT 引擎是 DeepL，Amazon 在处理中文内容时令其他引擎望尘莫及。Google 处理大多数其他常用语言时一直处于领先位置，Bing 紧随其后。

针对不同领域的质量表现

在下拉框中选择一个领域

时间

^{图表 3：主流机器翻译引擎针对特定领域内容的平均质量比较。}

我们的研究表明，未经训练的 DeepL MT 引擎在处理汽车和机械领域的主流语种内容时，表现始终优于其他引擎。Amazon 似乎为处理电子商务和零售行业内容的不二之选。神经网络机器翻译引擎同样可以接受针对某种语言、某个行业的训练，以进一步提升翻译质量。

如需了解有关机器翻译的更多见解和未来趋势，请阅读我们的“语言技术的未来”系列博客文章 —
《机器翻译的未来》。