机器翻译的进步使其成为不可或缺的业务工具

利用机器翻译的功能,快速且经济高效地处理大量内容,从而扩展翻译计划、增强多语言客户体验并在全球推动业务发展。  

机器翻译助您在数字世界取得成功


在内容工作流中使用机器翻译软件,有助于削减与专业人工翻译相关的费用和漫长的翻译交付时间。

公众首次接触机器翻译 (MT) 时,认为这项新技术对大多数企业而言应用面不广。

而现在,这项技术已发展成熟,可支持更多使用情形。如今,MT 是一项可推动业务发展的企业级技术。 

虽然这项技术仍有很大的改善空间,但机器翻译专家可帮助公司利用软件的力量,同时突破软件自身的局限性,避免造成不合人意的错误。如果运用得当,MT 可帮助公司解决实际业务问题并壮大全球客户群体。   

新冠肺炎疫情加速了数字化转型,让我们突然置身于一个以数字为中心的世界。公司必须有效地与全球受众进行沟通才能取得成功。他们比以往面临更大的压力,需要在现有或更低预算范围内更快地翻译更多材料。

如果公司使用理想的 MT 引擎高效处理所有内容并通过不同程度的人工干预满足不同质量要求,则能够以远低于传统人工翻译方法的成本翻译海量内容并确保质量达到预期。

Machine Translation

使用机器翻译技术的优势

正在考虑实施机器翻译?不妨了解一下如何轻松使用这项技术及其如何帮助您实现业务转型。

平均来看,在工作流中使用机器翻译后,我们的客户取得了如下成果。

提升翻译效率

可节约高达 40% 的成本。

缩短交付时间

可缩短多达 60% 的翻译交付时间。

增强客户体验

以各地客户的母语与他们沟通。

Lionbridge 的自动化解决方案如何助力《世界报》(Le Monde) 扩大订阅用户群

此前,法国领军报业集团《世界报》计划推出英文版新闻服务,即英文版《世界报》。为此,他们需要出色的翻译解决方案来处理 24 小时新闻周期中的各种复杂问题。通过 Lionbridge 的机器翻译解决方案 Smart MT™,《世界报》大幅缩短了翻译周期,成功报道了法国总统大选,并且收获了数以千计的新订阅用户。阅读我们的案例研究,了解有关《世界报》使用 Smart MT™ 的更多信息。

详细了解如何通过 Lionbridge 的自动化解决方案 Smart MT 实现“译达万物™”

哪一个是理想的机器翻译引擎?

借助 Lionbridge 的 Machine Translation Tracker,了解哪种机器翻译引擎更适合您的使用情形。

要选择合适的 MT 引擎来更好地满足您的需求,这并非易事。因为源内容的质量、源语言和目标语言等因素都会影响 MT 引擎性能。只有以数据为支撑,您才能做出这一决策。而现在,您可以做到了。Lionbridge 的 Machine Translation Tracker 长期衡量主流 MT 引擎的表现。市面上的 MT 引擎日益繁多,而该工具可以衡量引擎的整体性能以及引擎针对特定语言对和各种主题领域的翻译效果。敬请了解主流引擎在过去一年中的机器翻译质量评分。

MT 如何满足主要垂直领域的需求

无论您在哪个垂直领域开展业务,机器翻译均可帮助您克服业务挑战。下面介绍了 MT 如何为法律、生命科学和电子商务专业人员提供支持。

法律

在电子证据展示流程中,跨国法律案件会产生数以千计的多语言法律文件。法律行业专业人员需要快速翻译这些文件。 

了解如何利用机器翻译帮助法务部门有效缩减数据量并高效翻译外语文件。

生命科学

虽然制药行业采用自动化技术的速度比较缓慢,但这种情况正在改变。与人类相比,人工智能 (AI) 可更快地处理更多数据并确定不良反应,预计将对患者治疗结果产生积极的影响。阅读《药学时报》(Pharmacy Times) 的“Artificial Intelligence is Changing the Face of Pharmacovigilance”(人工智能正在改变药物警戒的面貌)一文,了解更多信息。

电子商务

在新冠肺炎疫情期间,零售商被迫关闭其实体店,电子商务为他们带来了一线生机。他们很快了解到,其客户群已不再仅仅到访实体店,也不再受地理位置的限制。他们的潜在客户包括世界各地能上网的任何人。尽管现在实体店已重新开张,但电子商务道路必须继续走下去。 

了解零售商如何借助本地化和机器翻译的功能塑造客户体验

深入了解关于机器翻译的内容

语言机器可翻译性排名助力提升 MT 效果

全球语言多种多样,其复杂程度也不尽相同,因此建议您在部署机器翻译前考虑语言复杂程度,我们的机器可翻译性排名能为您提供参考,方便您做出业务决策。

纯机器翻译与机器翻译加后期编辑

什么情况下更适合使用纯机器翻译?什么情况下应该考虑使用包含传统人工翻译的混合模式?我们来看看适用的场景。

神经网络机器翻译:人工智能在语言翻译中的作用

深入探讨什么是神经网络机器翻译,以及为什么它能为语言行业带来颠覆性影响。

翻译及本地化:了解机器翻译,辨析相关术语

这份实用的文档将帮助您快速了解一些与机器翻译相关的重要术语。

认识我们的机器翻译专家

Rafa Moral

创新副总裁

Rafa 负责与语言和翻译相关的研发活动,包括与机器翻译、内容剖析研究和分析、术语挖掘及语言质量保证和控制有关的各种项目。

Share on LinkedIn

Vincent Henderson

语言服务产品总监

Vincent Henderson 是 Lionbridge 产品与开发团队主管。他负责研究如何使用技术和 AI 来分析、评估、处理和生成全球化内容。他尤为关注大型语言模型对内容产品和服务产生的影响。

Share on LinkedIn

机器翻译简史

1954 年 - 乔治敦大学研究人员首次公开演示早期 MT 系统。

1962 年 - 机器翻译与计算语言协会 (Association for Machine Translation and Computational Linguistics) 在美国成立。

1964 年 - 美国国家科学院 (National Academy of Science) 成立了 ALPAC 委员会,旨在开展 MT 研究。

1970 年 - 法国纺织研究院 (French Textile Institute) 开始使用 MT 系统翻译文献摘要。

1978 年 - Systran 开始用于翻译技术手册。

1989 年 - Trados 率先开发翻译记忆技术并对其进行市场推广。

1991 年 - 乌克兰哈尔科夫国立大学 (Kharkov State University) 开发出首个商用 MT 系统,该系统可进行俄语-乌克兰语、英语-乌克兰语、德语-乌克兰语翻译。

1996 年 - Systran 和 Babelfish 提供针对网页小文本的免费翻译服务。

2002 年 - Lionbridge 使用其基于规则的 MT 引擎开展其首个商用 MT 项目。

2005 年左右 - 统计 MT 系统问世。Google Translate 于 2006 年发布,Microsoft Live Translator 于 2007 年面世。

2012 年 - Google 宣布 Google Translate 每天翻译的文本量相当于一百万本书。

2016 年 - Google 和 Microsoft 均采用了神经网络机器翻译 (NMT) 技术,大幅减少了语序错误,并且显著提高了术语和语法的翻译准确性。

2020 年 - 截至 10 月份,Google 神经网络机器翻译 (GNMT) 可支持 109 种语言的翻译。

选择合适的实时翻译技术

阅读本指南,了解 Lionbridge 的实时翻译技术与公共机器翻译引擎之间的差异。

联系我们

请输入企业邮箱地址