Пайдалар:
- Котормо эс тутуму (TM), бүдөмүк дал келүү жана сегменттер түшүнүктөрүн түшүнүү жана бүдөмүк дал келүүлөрдөгү айырмачылыктарды сокур эмес, аларды ылайыкташтыруу менен колдоно билүү.
- ТМга бекитилген котормолорду гана жазуу дисциплинасын колдонуу, кардар TMлерин өзүнчө сактоо жана ТМ тейлөөсүн аткаруу мүмкүнчүлүгү
- CAT ичиндеги MT/LLM интеграциясында маалыматтар кайда кеткенин көзөмөлдөө менен купуялуулукту коргоо мүмкүнчүлүгү
Кесипкөй котормо көбүнчө жөнөкөй текст редакторунда эмес, CAT куралында жүргүзүлөт. Бул бөлүмдө сиз CAT куралдарын, котормонун өзөгүн түзгөн котормо эстутумун (TM), алардын машиналык котормо жана LLM менен кантип иштешерин жана бул экосистеманы кантип натыйжалуу жана коопсуз колдонууну үйрөнөсүз. Максат - жеке сүйлөмдөрдү эмес, бүтүндөй долбоорду ырааттуу, тез жана байкоого мүмкүн болгон котормо технологиясын колдонуучу болуу.
Негизги түшүнүктөр
CAT куралы (Computer-Assisted Translation) - котормо сүйлөмдөрүн сүйлөм (сегмент) боюнча уюштуруп, котормо эстутумун жана терминдер базасын байланыштырган профессионалдуу программалык камсыздоо (Trados, memoQ, Phrase, MateCat сыяктуу). Булак менен максатты жанаша көрсөтөт, кайталоолорду кармайт, форматты сактайт.
TM (Translation Memory) бул сиз мурда которгон булак-максаттуу сүйлөм жуптарын сактаган маалымат базасы. Жаңы сүйлөм келгенде, ТМде окшош сүйлөм бар болсо, агент аны сизге сунуштайт. Бул жерде негизги түшүнүк бүдөмүк дал келет: жаңы сүйлөмдүн ТМдагы сүйлөмгө окшоштугу (100% = так бирдей, 85% = негизинен окшош). Жогорку дал келүүлөр ишти тездетет, анткени мурунку котормоңузду кайра колдоносуз.
Сегмент – котормонун негизги бирдиги – көбүнчө сүйлөм. CAT куралы текстти сегменттерге бөлүп, ар бирин өзүнчө түзөтөт.
TM маанилүүлүгү: MT чийки долбоорлорду чыгарат, бирок TM сиздин жактырылган, адамдык сапаттагы мурунку котормоңуздарды кайтарып берет. Экөө эки башка: МТ – алдын ала айтуу, ТМ – эс тутум.
Кеңеш: ТМ менен МТны чаташтырбаңыз. 100% TM дал келүү (сиздин мурда бекитилген котормоңуз) жалпысынан ишенимдүү; MT сунуш дайыма текшерилиши керек. CAT инструменттер эки башка түстөр / энбелгилер менен көрсөтөт; ар дайым бул айырманы көр.
MT жана LLMди CATга интеграциялоо
Заманбап CAT инструменттери MT кыймылдаткычтарын жана барган сайын LLMди ички деп атайт: эгерде ТМде дал келүү жок болсо, агент сегмент үчүн MT сунушун автоматтык түрдө кайтарат; сиз аны түзөтөсүз (мисалы, MTPE CAT ичинде агып чыгат). Акыркы муундун куралдары да LLMди интеграциялайт: куралда "бул сегментти ушул обон менен кайра жазыңыз", "бул терминди терминдик базага оңдоо" ж.б. сыяктуу операцияларды аткара аласыз.
Бул интеграциянын артыкчылыгы: TM, termbase, MT жана LLM бир экранда бириктирилген; Ар бир сүйлөм үчүн "адегенде ТМны караңыз, антпесе МТ сунуштаңыз, QA термини автоматтык түрдө" агымы орнот. Терс жагы жана сактык: маалыматтар кайда кетет? Булуттагы MT/LLM интеграциясы тышкы серверлерге текстти жөнөтө алат; Жашыруун иште бул келишимди бузуу болушу мүмкүн. Унаа кайсы кыймылдаткычка жана кайсы маалымат саясатына туташып турганын билиңиз.
Котормо эс тутумун азыктандыруу жана тазалоо
ТМнын баалуулугу андагы котормолордун сапаты сыяктуу. Таштандылар, таштандылар. Эки дисциплиналар:
- Жөн гана тастыкталган котормосун TMге жазыңыз. Эгер сиз МТнын чийки чыгарылышын аны текшербестен ТМга сактасаңыз, ал сиздин келечектеги жумушуңузга жаман "эс тутум" катары кайтып келет.
- TM тейлөөнү аткарыңыз. Убакыттын өтүшү менен терминдер өзгөрүп, каталар кирет. Мезгил-мезгили менен тазалоо TM, туура эскирген / туура эмес жуптар. Бул иште мен LLMди колдонуп жатам "бул TM түгөйлөрүндө кандайдыр бир карама-каршылыктар/терминдик тенденциялар барбы?" Сиз аны аудитор катары колдоно аласыз.
Эскертүү: Бир кардардын ТМ башка кардардын бизнесинде колдонуу купуялуулукту бузуу жана мөөнөттү чаташтыруу коркунучу болуп саналат. ТМлар кардар/долбоор негизинде өзүнчө сакталат. Аралаш "баары TM" купуялуулукту да, сапатты да бузат.
үч мини учурлар
1-жагдай — TM кайталоолорду учту. Өндүрүүчүнүн өнүмдөр үй-бүлөсү которулуп, анын нускамасынын 70% жыл сайын ошол эле бойдон калган. TM аркасында 100% жана жогорку бүдөмүк дал келүүлөр ар бир жаңы версияда автоматтык түрдө келип турду; 30 000 сөздүк иштин ~ 9 000 сөзү гана жаңы котормо болгон. Убакыт жана чыгым үчтөн бирине кыскарды.
Case 2 - Dirty TM катаны жайылтты. Бир команда чийки МТ өндүрүшүн текшерүүсүз TMге сактап койгон. Бир жылдан кийин ошол эле ката котормо кайра-кайра кайталанып, 100% дал келген "ишенимдүү" болуп чыкты; Ката 14 түрдүү документке тараган. Команда "ТМга гана күбөлөндүрүлгөн котормо" эрежесин жана тазалоо турун киргизди.
3-жагдай - Интеграцияда купуялуулук ачыкка чыкты. Котормочу булут МТга автоматтык түрдө туташтырылган CAT долбоорунда жашыруун ишти аткарган; Текст маалымат саясаты түшүнүксүз болгон тышкы кыймылдаткычка кетти. Байкагандан кийин, жашыруун долбоорлор үчүн MT интеграциясы өчүрүлгөн жана "маалыматтарды сактабаган/окутпаган" ишкана кыймылдаткычтары гана колдонулган.
Көчүрүү үчүн төрт шаблон
1) бүдөмүк дал келүүнү баалоо (LLMге):
Төмөндө жаңы булак сүйлөм, TM окшош сүйлөм жана анын бекитилген котормосу. TM котормосун жаңы сүйлөмгө ылайыкташтыруу үчүн эмнени өзгөртүү керек экенин так айтыңыз; Керексиз өзгөртүүлөрдү сунуштабаңыз. Мааниси боюнча айырманы ачык көрсөт. Жаңы булак: [...] | TM булагы: [...] | TM котормосу: [...]
2) TM ырааттуулугун текшерүү:
Төмөндө TM булак-максат жуптары болуп саналат. Бир эле же абдан окшош булак сүйлөмдөр БАШКА ТОЛУГУ МЕНЕН которулганда дал келбестиктерди жана терминдердин четтөөлөрүн белгилеңиз. Жөн гана көйгөйлөрдү тизмектеңиз. Жубайлар: [...]
3) Сегменттик тонду кайра жазуу (CAT боюнча LLM):
Төмөнкү максаттуу сегментти [каалаган обон] маанисин өзгөртпөстөн түзүңүз. Шарттардын тизмесин сактаңыз: [...]. Сандарды жана ысымдарды сактаңыз. Кайра жазылган сегментти гана экспорттоо. Сегмент: [...]
4) Купуялык/интеграцияны алдын ала текшерүү:
Мен CAT долбоорунда MT/LLM интеграциясын колдоном. Мен бул долбоордо тексттин түрүн сүрөттөп берем; Бул текстти булутка негизделген тышкы кыймылдаткычка жөнөтүү туурабы же жокпу, айтыңыз, кандай суроолор (маалыматтарды сактоо, окутуу, жайгашкан жер) мен провайдерден сурашым керек.Текст түрү/купуялык абалы: [...]
Алсыз тездик / Күчтүү тездик
Алсыз: "ТМде котормону колдонуңуз." (Кандай дал келүү ылдамдыгы жана эмнеге ылайыкташуу керектиги белгисиз; сокур көчүрүү каталарды жаратат.)
Күчтүү: "Бул жаңы сүйлөм 90% TMдеги сүйлөмгө дал келет. TM котормосу боюнча түзүңүз, бирок бул айырманы чагылдырыңыз: булакта "ай сайын" дегендин ордуна "жылдык" бар, андыктан "айлык" ордуна "жылдык" болушу керек. Башка эч нерсени өзгөртпөңүз."
Айырма: күчтүү тез дал келген айырманы так аныктайт; Бул бүдөмүк дал келүүнүн эң кеңири таралган катасы болгон "эски котормону ошол бойдон калтырууну" алдын алат.
CAT экосистемасынын компоненттеринин таблицасы
компоненти
Эмне кылат
AI менен мамилеси
TM (котормо эстутуму)
Бекитилген мурунку котормолорду кайтарат
ишенимдүү; MT алдында турат
Termbase
Термин ырааттуулугун камсыз кылат
Бул LLMге эскертүү катары берилет
МТ сунушу
Бош сегментке чийки эскиз
Пост-редакцияланган болушу керек
LLM интеграциясы
Үн/термин/кайра жазуу
Көзөмөлгө алынат, купуялуулукка көңүл бурулат
QA модулу
Скандоочу номер/термин/тег катасы
автоматтык башкаруу
Жалпы каталар
- бүдөмүк матчты сокур кабыл алуу. 85% дал келген маанидеги 15% айырманы жашыра алат.
- ТМ чийки MT чыгарууну жазуу. Dirty TM катаны келечекке алып барат жана аны көбөйтөт.
- Кардар/долбоор TMлерди аралаштыруу. Купуялуулук жана терминди чаташтыруу коркунучу.
- Интеграция маалыматтары кайда кеткенин билбейт. Жашыруун текст сиз билбестен чыгып кетиши мүмкүн.
- TM / MT айырмасын унутуп. MT - бул баа; TM бул эс тутум. Экөө бирдей коопсуз эмес.
Алдын ала которуу жана тегиздөө
Эки өркүндөтүлгөн CAT функциялары AI доорунда иштин жүрүшүн дагы тездетет. Биринчиси, алдын ала которуу: долбоордун башында курал бардык сегменттерди TM жана МТ менен автоматтык түрдө толтурат; Бош файлдын ордуна, сиз 100% дал келген файлдан баштайсыз, бүдөмүк дал келүүлөр адаптацияланууну күтүп жатат, ал эми бош файлдар MT долбоорлору. Бул жумушту "нөлдөн баштап жазуудан" "карап чыгууга жана түзөтүүгө" чейин өзгөртөт - бирок алдын ала котормого сокур бекиткендин ордуна, ар бир сегментти баалоо керек.
Экинчиси тегиздөө: эгер сизде мурда которулган, бирок TM кире элек булак-максаттуу документ жуп болсо, тегиздөө куралы аларды сегмент боюнча сегментке дал келтирет жана аларды TMге айландырат. Ошентип, сиздин мурунку котормоңуз "эстутумга" кошулат. Тегиздөөдө этият: автоматтык дал келүү дайыма эле туура боло бербейт; бир сегмент тайгаланып бүт тегиздөө бузулат. Тегизделген жуптарды TMing алдында карап чыгуу, биринчи кезекте, кир TM коркунучун алдын алат. Бул эки функция учурдагы активдериңизди (мурдагы котормолоруңузду) келечектеги бизнеске инвестицияга айлантат.
Кыскача айтканда
CAT куралдары; Ал котормо эс тутумун, термин базасын, машина котормосун жана LLMди бирдиктүү өндүрүш линиясына бириктирет. TM - бул сиздин жактырылган мурунку котормоңуздарды алып чыгуучу жана кайталануучу тапшырмаларда чоң ылдамдыкты камсыз кылуучу эс; MT - бул ар дайым текшерилиши керек болгон божомол. Кыраакы колдонуучу бүдөмүк дал келүүлөрдүн айырмасын кылдаттык менен ыңгайлаштырат, ТМга бекитилген котормолорду гана жазат, кардар TMлерин өзүнчө сактайт жана интеграцияда маалыматтар кайда кеткенин билүү менен купуялуулукту коргойт.
Колдонмо тапшырмасы
CAT куралында чакан долбоорду орнотуңуз (акысыз онлайн CAT да иштейт): термин базасын жана бош TM кошуңуз. 10 сүйлөмдөн турган текстти которуңуз, бекитилген котормолорду TMге сактаңыз. Андан кийин биринчи текстке абдан окшош экинчи текстти которуңуз жана TM тарабынан кайтарылган бүдөмүк дал келүүлөрдү "бүтүлбөгөн дал келүүлөрдү баалоо" үлгүсү менен ылайыкташтырыңыз; ТМны сокур кабыл алсаңыз, канча сүйлөмдү ката кетирээриңизди байкаңыз.
текшерүү тизмеси
- [ ] Мен долбоорго TM жана termbase туташтырдым.
- [ ] Мен бүдөмүк дал келүүлөрдүн айырмасын сокур эмес, ыңгайлаштырып колдондум.
- [ ] Мен ТМга мен тастыктаган тастыкталган котормону гана жаздым.
- [ ] Мен кардар/долбоор ТМларын өзүнчө кармадым.
- [ ] Мен MT/LLM интеграциясында маалыматтар кайда бараарын текшердим.