翻译和本地化现状2019


2019-06-18 09:53:07

翻译

在当今的全球经济中,技术的快速发展使公司能够为全球各地的客户大规模创建定制体验。“在一个日益数字化的世界中,能够利用语言来更好地改善客户互动和运营的组织领先于那些无法做到的人,” AppTek首席营收官Mike Veronis 说。“虽然先前版本的机器翻译(MT)以基于短语的翻译系统的形式存在,但呼叫中心,新闻媒体甚至在线零售商等组织对动态和灵活的翻译服务实时需求更大,”Veronis补充道。
 
事实是,“世界上没有一个地区的内容数量正在减少,”尼尔森的前数字化全球化领导人Bruno Herrmann说。翻译和本地化行业的利益相关者不希望服务和技术的需求在短期内逐渐减少。
  
 
翻译和本地化年度回顾
虽然需求在增加,但大多数专家都认为2018 年的翻译和本地化并没有任何惊天动地的发展。“没有革命,但有一种演变,”赫尔曼说。“但看到行业的增长实际上更有意思。由于人工智能[AI]和机器翻译的进步,演变的第一部分是翻译和本地化工具的加速和创新,“他说。
 
拥有大量内容的大型组织正在采用这些工具,因为他们看到了将AI用于翻译目的的巨大机会。在过去几年中,当从一种语言到另一种语言的翻译的大量例子尚未存在时,执行翻译具有挑战性。在2018年,当Facebook推出无监督的神经机器翻译(UNMT)时,这一切都发生了变化,这是一个可以在没有句子配对的情况下翻译的系统。这一进步可以使设备能够实时翻译稀有语言,甚至允许翻译以丢失语言编写的文档。Facebook的前AI翻译总监于2018年加入阿里巴巴,推出首个电子商务翻译工具,使用AI来弥合买家和卖家之间的语言障碍。
 
对于营销人员而言,人们越来越关注全渠道体验。这不仅仅是“翻译他们的网站,而是关注他们所有主要的沟通渠道,并确保体验是一致的,并且特别是全面本地化,”全球销售,营销和政府执行副总裁Craig Witt说道。在MotionPoint上市。
 
在从本地化内容中看到明确的投资回报率时,转换率只是这个难题的一小部分。“公司在其原始旗舰网站上花费数十万美元用于搜索引擎优化,但他们通常不会在其翻译网站上进行相同的投资,”Witt说。
 
赫尔曼说,在数据驱动本地化的使用方式方面取得了一些进展。“由于机器学习的进步,数据驱动的本地化正在成为标准,因为在国际上,客户旅程变得更加分散。如果组织没有使用数据来提供翻译和本地化,他们可能会错过那些支离破碎的客户旅程的关键部分。“
 
与去年和10年前一样,没有灵丹妙药的解决方案可以有效地管理数据。所有全球组织的趋势是考虑本地化有效性(客观和有形)而不是本地化质量(这是主观的)。“数据不是主观的,尽管它可以用不同的方式解释,”赫尔曼解释说。他认为,由于主观讨论,组织在数据和关键绩效指标(KPI)上浪费了大量时间和金钱。
 
“一方面,传统的KPI仍然存在,用于捕捉和衡量本地化内容的成功影响或痛点。它们包括术语的一致性和交付的准确性。然而,这些传统的关键绩效指标现在应该与可食用内容的指标相结合和改进,使其更加细化,并与客户的微观经验联系更紧密,“赫尔曼说。“如果本地化内容不能充分转移,公司可能会在一个市场看到很好的销售,但另一个市场的销售不佳。必须采用一种没有主观性的新思维方式来有效地管理数据。“
 
翻译与本土化展望
在2019年,Witt预测,一旦销售结束,翻译和本地化的需求就不会停止,而是扩展到包括从头到尾的完整客户体验。“我们将看到更多的公司专注于完整的体验 - 不仅通过买方的旅程和参与,而且一直到客户支持方面。”
 
该领域的专家预计2019年及以后的语言服务供应商将会增长。“有些语言肯定会有很高的需求,包括亚洲和西欧语言。Herrmann说,新的机会将推动市场,包括非洲语言。“一项对客户体验和数字化本地化产生巨大影响的全球倡议是新丝绸之路 - 将中国与亚洲其他地区更紧密地联系到欧洲和非洲的倡议。它将创造更多的产品,更多的内容,以及对翻译和本地化服务的更多需求,“Herrmann解释道。
 
“未来几年,人工智能将触及我们在这个星球上的每一件产品和每一件内容,”赫尔曼预测道。但是,翻译人员不应该担心机器人会偷工作。“用于翻译和本地化的人工智能工具必须与人力资源(包括人工翻译和语言学家)在一段时间内(可能永远)结合起来。”
 
Witt同意在2019年我们会看到更多的混合翻译和本地化请求,从MT开始,然后添加人工编辑元素。“许多初步翻译将由机器完成,而人类作品将从编辑的角度出发,”威特说。“但是,技术必须推进。”
 
“当我们展望未来时,我们可以期待看到依赖人工神经网络的机器翻译模型的不断增加,因为它们很容易胜过以前基于统计短语的系统,”Veronis说。“随着时间和技术在人工智能学习的处理能力和时间方面的进步,我们可以期待看到神经机器翻译(NMT)与自动语音识别(ASR)系统完全集成,从而实现完整的翻译范围,同时也带来了好处联合培训和学习,“他解释道。
 
“这种组合将进一步增加以前的MT模型和NMT 之间的差距,因为NMT将越来越精通除纯粹翻译之外的任务,”Veronis补充说。“这看起来像是自动插入标点符号,恢复正确的单词,甚至将数字转换为其口语形式的数字。所有这一切都以高于5年前可以实现的质量水平完成,最终使组织