翻译技术教程王华树pdf（翻译技术实践 王华树）

过去，译者依靠自己的努力，单打独斗，在翻译市场上获得竞争优势；未来，这种服务方式将逐渐被人机服务模式所取代。借助人工智能技术的发展，翻译技术得到了快速发展，目前正在发生许多新的变化。

首先，科技生态资源不断整合语言服务向数字平台转型。以云计算、大数据、人工智能、物联网等为代表的新技术推动翻译数据的开放、流动、共享。翻译数据已成为翻译技术公司最关键的生产资料。翻译技术提供商整合海量语言资源，分析翻译数据的内在规律，优化翻译模型，释放数据价值。智能翻译系统需要不断获取新的翻译数据并进行持续深入的学习。翻译技术生态资源整合已成大势所趋。越来越多的翻译技术提供商正在将机器翻译引擎构建到翻译和本地化工具中。当翻译记忆库中没有匹配的翻译对时，翻译记忆库系统会自动调用内置的机器翻译引擎，快速提供替代译文供译者参考、编辑和确认。 Alchemy Catalyst、memoQ、MemSource、Multilizer、SDL Passolo、Sisulizer等专业工具集成了Google Translate、Bing Translate、Systran、KantanMT、PowerTranslator等主流MT引擎； Intento、YiCAT等云平台灵活调用主流机器翻译API。节省客户在环境配置、文件传输、项目管理等方面的时间，有效避免资源浪费。二是功能应用场景不断创新，翻译工具从单一功能升级为多功能或全功能，覆盖客户多样化、多层次的翻译需求。翻译技术提供商将翻译搜索、记忆匹配、内容推荐、机器翻译、译后编辑、实时热点等功能无缝集成，提供一体化服务输出。在复杂的翻译辅助环境中，翻译工具和翻译环境是高度集成的。 CAT软件为各类机器翻译引擎提供了广泛的应用场景。这种模式常以“MT+TM+PE（机器翻译+翻译记忆库+稍后编辑的翻译）”来表示。越来越多的CAT工具（如SDL Trados、memoQ、MemSource、MateCat等）与各种机器翻译集成，提供质量评估、译后编辑、翻译前后编辑差异等功能。越来越多的翻译技术提供商开始使用自动翻译质量评估技术来协助客户或语言服务提供商进行机器翻译引擎评估和选择、待翻译内容筛选、项目质量监控以及译员筛选和培训等，例如如ModelFront、御智云饭食一宝、一哲科技的YiCAT等。此外，随着融合媒体技术的爆发式增长，抖音、快手、微视等风靡全球，成为最受欢迎的互联网产品形态。这也为机器翻译提供了更加丰富、实时的应用场景，比如字节跳动的跳动火山引擎、阿里巴巴达摩院的电商直播翻译、中译语通的字幕、网易的外播等。成熟。随着云OA、云CRM、云ERP、云SCM等技术和产品在各行业的广泛应用，云翻译模式正在语言服务领域大显身手。在翻译生态环境中，比较突出的就是“CAT+TMS+CMS模式”。该模型以翻译、项目管理和内容管理作为基本信息架构。一旦系统检测到项目有更新，会自动提取更新内容并按照预定义的工作流程进行处理，包括字数统计、重复匹配、难度分析、任务分配、任务通知等，减少翻译人员的工作量和项目经理并缩短项目周期。云翻译技术融合私有云、云计算接口、云共享资源平台和云语言服务产业链，可大幅提升翻译生产效率。例如，过去传统的基于桌面的CAT工具已经从单机版发展到在线版，再发展到APP，无所不在的翻译模式成为主流趋势。云翻译平台将不断适应使用场景，趋向轻量级、SaaS化、生态化。而且，利用互联网+的技术特点，融合移动性和社交化的优势，企业将以更低的成本、更短的时间提供更多的服务。未来，翻译行业云生态将聚焦行业融合，推动新商业模式、数字平台和生态系统的建设。

第四，人机交互模式逐渐成为主流。从人工智能到机器智能，狭义人工智能（Artificial Narrow Intelligence，ANI）专注于完成某项特定任务，如语音识别、图像识别、翻译等，擅长单一方面。人工智能。强人工智能（Artificial General Intelligence/AGI）通常能够思考、计划、解决问题、抽象思维、理解复杂的想法、快速学习和从经验中学习。强大的人工智能系统包括学习、语言、认知、推理、创造和规划。目标是让人工智能能够在没有监督学习的情况下处理前所未有的细节，同时与人类进行交互式学习。在人工智能技术驱动下，翻译模式一般会经历人工翻译、人机辅助翻译、机器辅助翻译、智能机器翻译等几个阶段。从传统笔译到机器翻译译后编辑模式，从传统口译到机器辅助口译，人机交互程度越来越高。我们目前正在从机器辅助人工翻译转向人工辅助机器翻译。未来，高度智能化的翻译系统将自动连接翻译所需的一切资源，充分发挥人工智能赋能的优势，将译者的智慧集中到更有价值、更有创造性的工作上，极大地解放翻译的劳动工作。数量。