1. Aurora AI™
橙色與紫色極光背景,疊加 Lionbridge Aurora AI Array 標誌的影像,代表全新的客戶介面。

人類專業能力搭配強大的 AI 功能

Lionbridge Aurora AI™ 是一個全球 AI 內容平台,強化多語創作,並以相關且個人化的內容擴展受眾。

mobile-toggle

選擇語言:

動感十足的數位背景

在生成式 AI 風行的世界中,機器翻譯佔有什麼樣的重要地位

舊有的翻譯引擎對採用 AI 技術的翻譯解決方案仍舊非常重要,能為快速且有效的溝通形成穩固的基礎。

打算汰換掉機器翻譯嗎?先別急著這麼做。


隨著生成式 AI (GenAI) 持續蓬勃發展,若能有效地將機器翻譯工具融入採用 AI 的翻譯工作流程,企業依然可以獲益於這些舊有工具。

為了因應快速變動的翻譯環境,組織無不努力調整適應,但卻同時發現,機器翻譯 (MT) 仍舊是拓展全球溝通範疇不可或缺的基礎。

生成式 AI (GenAI) 與大型語言模型 (LLM) 可提供更優異的脈絡理解能力,帶來了許多新的可能性,但它們在速度上還是難以媲美一流的神經機器翻譯 (NMT) 引擎。

將使用 NMT 或是檢索增強生成 (RAG) 所生成的機器翻譯結果,與代理式 AI 譯後編修提示鏈跟精準的人類監督相結合,企業便可大幅加快內容交付的速度並降低成本,獲致更上層樓的速度與拓展能力。

這個工作流程的運作方式如下:
—在流程的一開始使用 MT 進行初始翻譯。
­—使用生成式 AI 解決方案 / LLM 處理譯後編修和品管工作,提升整體品質。

這種做法可讓貴組織以優異的速度、品質與成本效益表現,滿足您的翻譯需求。

隨著機器翻譯角色持續變化,它能帶來哪些好處

將 MT 納入您的 AI 工具組並將其應用於初始翻譯階段,可有效增進效率,進而獲致以下好處。

節省成本

MT 可減少人工翻譯的時間、降低成本,讓人們有餘力從事重要的監督工作。

加快交付時程

MT 能以人力及 LLM 功能難以匹敵的速度處理翻譯。

規模更龐大

MT 可輕而易舉地處理大量的內容。

採用 AI 技術的 MT 如何能提供主要產業領域所需的支援

機器翻譯能協助不同的產業因應業務上的眾多挑戰。歡迎了解我們 MT 與採 AI 技術的解決方案,能為法律、生命科學和電子商務客戶提供哪些相關支援。

法律相關產業

進行跨國法律訴訟案時,經常可能會產生大量需要快速完成翻譯的多語言電子事證開示法律文件,或者必須提交更多嚴謹的正式文件給法院。深入了解何時適合運用機器翻譯來翻譯法律文件,進而達成正確、高效率和高成本效益的結果,以及為何應該運用 AI 翻譯來提升而非取代專業法律翻譯服務的四個理由。

生命科學產業

使用 AI 時除了必須要能控管風險,更得要能保障使用者安全並遵循法規,儘管條件嚴苛,它仍舊是個重要的工具,有助提供大規模生命科學語言服務。在這些由專家主導、AI 支援的語言服務協助下,製藥與醫療器材開發的相關公司企業將可更輕鬆地遵守緊湊的時程、管理日漸增加的文件量,以及順利進軍新市場。歡迎探索 MT 與 AI 如何協助生命科學公司獲致更好的病患治療結果

電子商務

對打算進軍全球市場的公司來說,電子商務是很關鍵的一種方法,AI 增強式 MT 則能協助這些公司企業為任何語言的客戶,更快速且穩定地持續製作引人入勝又貼近個人需求的內容。歡迎了解零售商如何早已開始運用 MT 及 AI,與全球各地的客戶互動交流

四種機器翻譯部署策略之比較


機器翻譯解決方案共有以下四種基本策略。

公用 MT

這個策略會使用例如 Google 翻譯或 Bing Translator 等服務,這些服務可隨時隨地免費使用。然而,這個策略的一些缺點包括在某些情況下存在安全性與品質問題,因為引擎並不是針對特定領域或特定使用案例而訓練。

內部 MT

採用這個策略的企業,必須在自己的 IT 環境中部署 MT 伺服器。雖然這是安全性最高的策略選擇,可是所費不貲,部署與管理也非常複雜,而且需要持續不斷地維護。更重要的是,這種策略的表現雖然不俗,但面對多種語言組合或內容類型時,往往無法產出最佳的 MT 翻譯。

雲端 MT

這種策略的運作方式類似公用 MT,因為其伺服器也是放在雲端代管。但與公用 MT 不同的是,它可以建立公司專屬的執行個體,所有提供給服務的資料都會受到嚴密保護,不會與第三方分享。這類服務能提供自訂術語和其他便利功能,但往往會導致企業必須仰賴特定一家廠商,而且也難以在不同語言組合間得到最佳的機器翻譯品質。

業內最佳 MT

使用這個策略的公司,可以透過單一平台使用多個引擎,它除了能提供一套集中管理的自訂術語、簡易好用的介面,亦可針對不同的語言組合、產業/領域以及內容類型,選擇最合適的選項。這個由 Lionbridge 精心設計的做法,能夠交付最優異的翻譯結果,也是我們能脫穎而出的其中一個關鍵。

閱讀精彩內容,深入了解自動翻譯技術

線上研討會重點摘要:可以用 AI 進行譯後編修嗎?

透過 Cisco 的實際體驗,了解他們如何使用 NMT 進行初始翻譯,再採用 LLM 進行 AI 譯後編修以調整與改善輸出,然後由測試人員進行依文本脈絡功能審閱,最後得以在短短三個月內將超過 1500 萬字翻譯至 14 種語言。

Lionbridge Aurora AI

Lionbridge Aurora AI 平台能統籌協調整個全球內容生命週期,從擷取客戶資料、使用機器翻譯 (MT) 進行翻譯、使用 LLM 進行自動譯後編修,然後再將其傳回內容庫,全部一手掌握。

Smart MT™:企業級機器翻譯 + 人工智慧 (AI)

探索 Lionbridge 企業級的機器翻譯與 AI 解決方案,了解它們如何運用最適宜的 MT 引擎及 AI 審閱功能,強化全球性的溝通交流。

機器翻譯自訂與機器翻譯訓練

機器翻譯自訂與機器翻譯訓練:了解它們的意義及各自的使用時機,有助您改善自動翻譯的品質。

參考依機器可譯性排序的語言排名,更有效地運用機器翻譯

在部署機器翻譯前,不妨先考慮語言的複雜性。我們的機器可譯性排名,能協助您做出更明智的商務決策。

機器翻譯詞彙解釋

使用這份實用的速查表,掌握最新的機器翻譯重要詞彙。

認識我們的機器翻譯與生成式 AI 專家

Lionbridge 擁有深厚的 AI 專業知識,能提供值得您安心信賴的機器翻譯服務及生成式 AI 語言服務。

Rafa Moral

創新副總裁

Rafa 負責監管語言及翻譯相關的研發 (R&D) 事務,包括為機器翻譯客製的 LLM、問答 (Q&A) 助理,以及其他使用 RAG、微調與其他 LLM 客製技術的工作。

Share on LinkedIn

機器翻譯大事記

1954 年 - 喬治城大學研究人員進行了史上第一次的 MT 初期系統公開展示。

1962 年 - 機器翻譯與計算語言學學會 (Association for Machine Translation and Computational Linguistics) 於美國成立。

1964 年 – 美國國家科學院 (National Academy of Sciences) 成立專責研究 MT 的委員會 (ALPAC)。

1970 年 - 法國紡織研究所 (French Textile Institute) 使用一套 MT 系統著手翻譯摘要。

1978 年 - Systran 開始翻譯技術手冊。

1989 年 - Trados 率先開發與行銷翻譯記憶庫技術。

1991 年 - 烏克蘭的哈爾科夫大學 (Kharkov State University) 研發了第一個商用 MT 系統,可進行烏克蘭文對俄文、英文、德文之間的翻譯。

1996 年 - Systran 與 Babelfish 在網路上提供簡短文字的免費翻譯服務。

2002 年 - Lionbridge 使用旗下的規則式 MT 引擎執行首個商用 MT 專案。

2000 年代中期 - 統計式 MT 系統正式向大眾公開。Google 翻譯於 2006 年推出,而 Microsoft Live Translator 則於 2007 年問世。

2012 年 - Google 宣布 Google 翻譯每天翻譯的文字數量約等於一百萬本書籍。

2016 年 – Google 和 Microsoft 皆啟用神經機器翻譯 (NMT),不僅有助於減少語序錯誤,更大幅改善了詞彙與文法。

2020 年 - 截至當年 10 月為止,Google 神經機器翻譯 (GNMT) 可支援 109 種語言。

2022 年 - Lionbridge 專家分享其分析結果,指出 MT 引擎輸出的表現停滯不前,而且追蹤的所有引擎表現都相差無幾。這些發展顯示神經 MT 典範或許已經達到頂點,新的典範轉移可能就要開始。

2022 年 - OpenAI 在 11 月向大眾公開其生成式 AI 引擎 ChatGPT,讓世人注意到持續發展且擴增的翻譯技術版圖。

2023 年 - GenAI 不斷擴展,有更多模型上市、穩定地持續推出新版本,並有針對不同產業和使用案例打造的解決方案。

2024 年至今 – MT 的相關應用發生轉變,隨著生成式 AI 的蓬勃發展而開始搭配 LLM 使用。

與我們洽談

Business Email Only