واحد 6 / 11

محلی سازی (L10n): نرم افزار، وب، بازی و سازگاری فرهنگی

سود:

  • توانایی تشخیص بومی سازی از ترجمه و مدیریت صحیح یکپارچگی مکان نگهدار، طول متن و تاریخ/پول/قالب اندازه گیری
  • امکان تطبیق ویژگی‌های فنی مانند قوانین جمع و زبان‌های راست به چپ با منطقه هدف
  • توانایی ارزیابی عناصر فرهنگی از دیدگاه یک متخصص داخلی و گرفتن مکان‌یابی و خطرات فرهنگی هوش مصنوعی با QA

تبدیل کردن دکمه "ذخیره" برنامه به "ذخیره" یک ترجمه است. اما تطبیق فرمت تاریخ برنامه، واحد پول، نوشته راست به چپ، طول دکمه، تصاویر فرهنگی و متون قانونی با بازار هدف بومی سازی است. در این واحد با بومی‌سازی، ویژگی‌های فنی آن (جایگزین، طول، کدگذاری)، نقش هوش مصنوعی در این فرآیند و سازگاری فرهنگی آشنا می‌شوید. هدف این است که مانند یک متخصص بومی سازی فکر کنید، "محصول را متناسب با فرهنگ هدف قرار دهید، نه کلمات."

مفاهیم اساسی

محلی سازی (L10n - بومی سازی؛ L10n زیرا 10 حرف بین "l" و "n" وجود دارد) فرآیند تطبیق کامل یک محصول (نرم افزار، وب، بازی، برنامه) با یک زبان و فرهنگ خاص است. این شامل ترجمه اما فراتر از ترجمه است. بین‌المللی‌سازی (i18n - بین‌المللی‌سازی) عبارت است از طراحی محصول از ابتدا به گونه‌ای که برای زبان آماده باشد (جدا کردن متن از کد، امکان انعطاف‌پذیری طول را فراهم می‌کند). قبل از بومی سازی است و آن را فعال می کند.

String قطعه متنی است که در نرم افزار ترجمه می شود. مکان‌ها علامت‌هایی در رشته هستند که در زمان اجرا با متغیر پر می‌شوند: "Hello {name}"، "{count} items". محلی ترکیبی از زبان + منطقه (tr-TR، en-US) است. تاریخ، زمان، شماره و فرمت ارز را مشخص می کند.

بومی‌سازی با ترجمه متفاوت است: شما نه تنها معنی، بلکه عملکرد و مناسبت فرهنگی را نیز منتقل می‌کنید. تاریخ "3/4/2026" 4 مارس در ایالات متحده آمریکا و در ترکیه بی معنی است (ما می نویسیم 03.4.2026). "₺" به جای "$"؛ رنگ قرمز ممکن است در یک فرهنگ هشدار و در فرهنگ دیگر یک جشن باشد.

نکته: آنچه مترجمان اغلب در بومی سازی از قلم می اندازند عناصر خارج از متن است: قالب تاریخ/زمان/شماره، واحد پول، واحد اندازه گیری (مایل/کیلومتر)، ترتیب نام، قالب آدرس، قالب تلفن. اینها را در هر پروژه با یک "چک لیست محلی" اسکن کنید.

جای جای و یکپارچگی فنی

خطرناک‌ترین اشتباه فنی در بومی‌سازی، خراب کردن مکان‌ها و برچسب‌ها است. اگر {n} را در جمله "شما {n} پیام دارید" حذف کنید، آن را اشتباه بنویسید، یا طبق دستور زبان ترکی آن را در جای اشتباه قرار دهید، نرم افزار خراب می شود یا به صورت "شما پیام های {n} دارید" خام به نظر می رسد. قوانین:

  • هرگز جای‌بان‌ها را نچرخانید، حذف نکنید یا قالب‌بندی نکنید. {name}، %s، {{count}} ثابت می مانند.
  • نحو ترکی می تواند جایگزین مکان نگهدار شود. با حفظ معنی آن را به مکان جدید منتقل کنید، اما خود علامت را از بین ندهید.
  • قواعد جمع بسته به زبان متفاوت است: در حالی که انگلیسی می گوید "1 مورد / 2 مورد"، در ترکی هیچ پسوند جمع پس از عدد ("2 مورد") وجود ندارد. چارچوب های محلی سازی این موضوع را به طور جداگانه مدیریت می کنند.

هوش مصنوعی در اینجا یک ابزار دو طرفه است: رشته‌ها را به سرعت ترجمه می‌کند، اما ممکن است به‌طور تصادفی جای‌بان را برگرداند یا از دست بدهد. به همین دلیل است که دور QA نگهدارنده مکان در بومی سازی ضروری است.

احتیاط: گسترش متن مشکل پنهان محلی سازی است. متن ترجمه از انگلیسی به ترکی اغلب 20-40٪ طولانی تر است. "OK" 2 حرف است، همتای آن "OK" 5 حرف است. ترجمه ای که در یک دکمه باریک قرار نمی گیرد، رابط کاربری را می شکند. در صورت امکان، در رابط واقعی ببینید که آیا متن مورد نظر مناسب است یا خیر.

جریان بومی سازی و سازگاری فرهنگی با هوش مصنوعی

هوش مصنوعی وظایف زیر را در بومی سازی سرعت می بخشد: ترجمه اولیه رشته ها، بررسی سازگاری، هشدار طول ("این ترجمه 35٪ طولانی تر از نسخه اصلی است")، غربالگری مناسب فرهنگی ("آیا این تصویر/مثال باعث ایجاد مشکل در فرهنگ هدف می شود؟"). اما تصمیم فرهنگی متعلق به انسان است: متخصص محلی می داند که چگونه یک شوخی، یک تعطیلات، یک مثال، یک رنگ در فرهنگ هدف درک می شود. هوش مصنوعی می تواند یک هشدار کلی بدهد. تصمیم نهایی توسط مترجمی گرفته می شود که بازار محلی را می شناسد.

نمونه‌هایی از سازگاری‌های فرهنگی: روش‌های پرداخت (کارت‌های محلی)، نام‌های مثال (نام‌های محلی)، واحدهای اندازه‌گیری، تعهدات قانونی (متون KVKK/GDPR)، تعطیلات، شکل آدرس (شما/شما)، رنگ و معانی نماد.

سه کیف کوچک

مورد 1 - Placeholder QA از خرابی جلوگیری کرد. در ترجمه یک برنامه تلفن همراه از 1200 رشته، هوش مصنوعی متغیر {count} را به عنوان "{number}" در 18 مکان ترجمه کرد. راند QA Placeholder اینها را گرفت. اگر رفع نمی شد، برنامه روی آن صفحه ها خراب می شد.

مورد 2 - طول رابط را شکست. منوی یک نرم افزار به زبان انگلیسی طراحی شده است. هنگامی که ترجمه های ترکی به طور متوسط ​​30 درصد طولانی تر شدند، سه آیتم منو جابجا و قطع شدند. اگر تیم اخطار طول را زودتر دریافت کرده بود، جایگزین های کوتاهی را آماده می کرد (در صورت لزوم به جای "تنظیمات" مخفف می شد). کار دوباره انجام شد و با کنترل طول فرآیند به روز شد.

مورد 3 - سازگاری فرهنگی باعث نجات فروش شد. در تبلیغات بازی یک نشان شایستگی با یک شکل خوک وجود داشت. در یک بازار هدف، این از نظر فرهنگی نامناسب بود. مترجم محلی هشدار داد، رقم تغییر کرده است. هوش مصنوعی متن را ترجمه کرده بود، اما این کارشناس محلی بود که به خطر فرهنگی اشاره کرد.

چهار قالب قابل کپی

1) ترجمه رشته (محافظت از نگهدارنده مکان):

رشته های نرم افزار زیر را به [زبان مقصد] ترجمه کنید. قانون: هرگز متغیرهایی مانند {name}، %s، {{count}} را ترجمه، حذف یا قالب بندی نکنید. آن را همانطور که هست نگه دارید (می توانید آن را مطابق نحو ترکی حرکت دهید). حفظ HTML/تگ ها آن را مختصر و مناسب برای رابط بنویسید. قالب: منبع → ترجمه. رشته ها: [...]

2) جای‌بان/برچسب QA:

در زیر منبع و رشته های ترجمه شده آمده است. فقط مسائل مربوط به مکان‌نما و برچسب را علامت‌گذاری کنید: ترجمه‌شده/حذف/تخریب‌شده{...}، %s، {{...}}، <tag>. تعداد متغیرهایی را که در منبع وجود دارد، تعداد آنها در ترجمه را فهرست کنید و مواردی را که مطابقت ندارند فهرست کنید. منبع: [...] | ترجمه: [...]

3) هشدار طول و رابط:

ترجمه‌های رابط کاربری زیر را از نظر طول ارزیابی کنید. برای هر ترجمه، درصد پسوند را با توجه به منبع بدهید و مواردی را که ممکن است در فضاهای تنگ (دکمه ها، منوها) جا نشوند علامت بزنید. برای کسانی که مناسب نیستند، جایگزین کوتاهتری پیشنهاد کنید که معنی را حفظ کند. جفت (منبع | ترجمه): [...]

4) غربالگری مناسبات فرهنگی:

نقش شما: مشاور محلی سازی [بازار هدف]. پرچم‌گذاری عناصری در محتوای زیر که ممکن است در فرهنگ هدف مشکلاتی ایجاد کند: تصویر، مثال، نام، رنگ، نماد، جوک، قالب تاریخ/اندازه‌گیری، متن قانونی. تصمیم نهایی با من است. شما به خطر اشاره می کنید و گزینه های جایگزین را پیشنهاد می کنید. محتوا: [...]

اعلان ضعیف / اعلان قوی

ضعیف: "Translate this app texts." (جایگاه، طول، بدون زمینه رابط؛ مکان‌دار را ماشین ترجمه می‌کند، متن طولانی‌تر می‌شود.)

قوی: "این رشته‌های برنامه تلفن همراه را به ترکی ترجمه کنید. مکان‌نماهای {user} و %d را همانطور که هستند نگه دارید. این متن‌ها در دکمه‌های باریک ظاهر می‌شوند؛ در صورت امکان آنها را کوتاه نگه دارید. 'Settings'→'Settings', 'Profile'→''Profil'. برای عبارات جمع از قانون ترکی پیروی کنید (بدون پسوند عدد)."

تفاوت: اعلان قوی نشان دهنده مکان، طول، مدت و قرارداد جمع است. خروجی نزدیک به ورود مستقیم به رابط خواهد بود.

جدول ابعاد بومی سازی

اندازه

مثال

ریسک

مکان یا برچسب

{name}، %s، <b>

نرم افزار خراب می شود

طول

"OK" → "OK" (150%)

سرریز رابط

تاریخ / شماره / پول

3/4/26, $, 1,000.50

اطلاعات نادرست

قانون جمع

2 مورد → 2 مورد

گرامر بد

عنصر فرهنگی

تصویر، رنگ، طنز

شهرت / فروش

متن قانونی

KVKK/GDPR

ریسک قانونی

اشتباهات رایج

  • جابجایی را برگردانید/حذف کنید. باعث از کار افتادن نرم افزار یا ظاهر شدن متن خام می شود.
  • بدون در نظر گرفتن کشش متن. سرریز رابط، عناصر کوتاه شده اند.
  • تبدیل نشدن فرمت تاریخ/ارز/اندازه گیری. "5 مایل" باقی مانده است، نه "8 کیلومتر".
  • گذراندن عنصر فرهنگی بدون مشورت با کارشناس داخلی. شهرت و ریسک فروش
  • ترجمه قواعد جمع با منطق انگلیسی. گرامر بد مانند "2 مورد".

زبان های شبه محلی سازی و راست به چپ

دو موضوع فنی کیفیت بومی سازی را تعیین می کند. اولین مورد شبه محلی‌سازی است: آزمایش محصول با متن جعلی اما واقعی با طول و نویسه‌های خاص (مثلاً "تنظیمات" → "[Ŝéttîngŝ~~]") قبل از ترجمه واقعی. این نشان می دهد که آیا رابط می تواند متون طولانی و کاراکترهای خاص را مدیریت کند، آیا رشته ها واقعاً قبل از شروع ترجمه استخراج می شوند یا خیر. اگر مترجمی که با توسعه‌دهنده کار می‌کند این آزمایش را توصیه کند، بسیاری از خطاهای رابط قبل از وقوع شناسایی می‌شوند.

دومی زبان‌های راست به چپ (RTL): زبان‌هایی مانند عربی، عبری، فارسی از راست به چپ نوشته می‌شوند و محلی‌سازی نه تنها به متن بلکه کل طرح‌بندی رابط (موقعیت منو، فلش‌ها، تراز) نیاز دارد. در ترجمه RTL، اعداد و اصطلاحات با حروف لاتین می توانند سردرگمی ایجاد کنند. این مشکل «متن بیدی» توجه ویژه ای را می طلبد. هوش مصنوعی می‌تواند متن RTL را ترجمه کند، اما انعکاس طرح‌بندی و تصمیم‌گیری جریان دو طرفه به تخصص فنی-فرهنگی نیاز دارد. این دو موضوع نشان می دهد که بومی سازی یک کار مهندسی-فرهنگی فراتر از ترجمه است.

به طور خلاصه

بومی سازی به معنای تطبیق محصول، نه کلمات، با زبان و فرهنگ مقصد است. شامل ترجمه می‌شود، اما شامل یکپارچگی مکان‌نما، طول متن، قالب تاریخ/پول/اندازه‌گیری، قوانین جمع، و عناصر فرهنگی است. هوش مصنوعی ترجمه رشته، طول و غربالگری ریسک فرهنگی را تسریع می کند. اما یک تور QA ضروری است زیرا می‌تواند مکان‌دار را مختل کند و تصمیم فرهنگی توسط متخصصی گرفته می‌شود که بازار محلی را می‌شناسد. موفقیت در بومی سازی توجه به جزئیات فراتر از متن است.

وظیفه کاربردی

یک متن رابط نمونه از 15 تا 20 رشته (با متغیرهایی {...} یا %s و مثال تاریخ/پول) بگیرید. با الگوی «ترجمه رشته» ترجمه کنید، سپس یکپارچگی متغیرهایی را با «QA نگهدارنده مکان» بررسی کنید و خطر سرریز را با «اخطار طول» بررسی کنید. قالب تاریخ و پول را با منطقه هدف تطبیق دهید و در صورت وجود عنصر فرهنگی، «اسکن مناسب فرهنگی» را انجام دهید.

چک لیست

  • [ ] من متغیرها و برچسب ها را همانطور که بودند نگه داشتم و آنها را با QA تأیید کردم.
  • [ ] من کشش متن را کنترل کردم و از سرریز شدن در مناطق باریک جلوگیری کردم.
  • [ ] من تاریخ، عدد، واحد پول و واحدهای اندازه گیری را با منطقه هدف تطبیق دادم.
  • [ ] من عبارات جمع را طبق قوانین زبان مقصد ترجمه کردم.
  • [ ] عناصر فرهنگی را از دیدگاه یک متخصص داخلی ارزیابی کردم.