机器翻译
把一种语言的文本转成另一种语言
语言与知识入门 #03
输入文本文本
这项能力指什么
输入源语言文本，输出目标语言译文。与「文本生成」不同，它的评价有客观参照——译文是否忠实于原文；与「摘要」不同，它不应删减信息，而是要尽量等量地重建内容。除正文外，还要处理术语表、格式标记与占位符，让译文能嵌回原系统。
技术上如何做到
2017 年 Transformer 提出时，编码器-解码器加注意力就是为翻译设计的，此后神经机器翻译基本取代了统计机器翻译。做法是编码源句、解码目标句，训练数据是平行语料。近年多语言大模型用同一套参数覆盖上百种语言，并把翻译当作指令来完成，低资源语言则借助高资源语言迁移与回译增广。
代表产品
6DeepL Translator
2017DeepL
以译文质量为卖点的神经机器翻译服务
应用 免费增值
文本文本
GPT-4o
2024OpenAI
原生多模态的通用模型，文本、图像与音频走同一个入口
模型 闭源
文本图像音频文本音频
Gemini
2023Google DeepMind
原生多模态、可处理超长上下文的通用模型
模型 闭源
文本图像音频视频文本
Qwen
2023Alibaba (Qwen)
覆盖多规格、含多模态版本的开放权重模型家族
模型 开放权重
文本图像文本
Hunyuan
2023Tencent (Hunyuan)
腾讯的通用模型家族，含开放权重版本
模型 开放权重
文本图像文本
Whisper
2022OpenAI
把多语种语音转写成文字，并翻译成英文
模型 开放权重
音频文本
相关机构
典型用途
- 跨境文档与合同翻译
- 软件与网站的本地化
- 实时跨语言沟通
- 论文摘要与字幕翻译
怎么评价它好不好
- BLEU
- 与参考译文 n-gram 重叠度，偏高更好但不等于可读
- COMET
- 用神经模型给译文打分的忠实度指标
- chrF
- 按字符统计的 F 值，对形态丰富的语言更稳
边界与难点
- 低资源语言与方言的译文质量与高资源语言差距明显
- 长文档中术语与专名的一致性难以保持，同一名称可能反复变译
- 习语、双关与文化特定表达容易被直译而失去原意