Загрузите один и тот же PDF-файл в два разных сервиса онлайн-перевода, и результаты будут разными. Один и тот же абзац на французском языке отображается одним инструментом одним способом, а другим — другим. Различия варьируются от выбора слов и структуры предложений до того, как инструмент обрабатывает форматирование, встроенный текст и изображения, содержащие слова. Эти расхождения не являются ошибками в традиционном смысле. Каждый инструмент обеспечил лучший перевод на основе выбранного дизайна, механизма перевода и конвейера обработки документов. Понимание того, почему существуют эти различия, поможет вам выбрать правильный инструмент для конкретного документа и интерпретировать выходные данные в соответствии с соответствующими ожиданиями.
Различные системы перевода выдают разную лингвистическую информацию
Онлайн-инструменты перевода PDF построены на основе механизмов машинного перевода общего назначения, чаще всего это варианты моделей нейронного машинного перевода, обученных на больших многоязычных корпусах. Двумя доминирующими подходами являются система нейронного машинного перевода Google, используемая Google Translate и инструментами, лицензирующими ее, и подход сверточной нейронной сети DeepL. Microsoft Translator и Amazon Translate представляют собой дополнительные независимые реализации. Каждая система была обучена на разных обучающих данных, оптимизирована для разных показателей качества и настроена с разными приоритетами в отношении беглости речи и буквальной точности. Одно и то же входное предложение будет порождать разные выходные предложения в этих системах.
Различия наиболее заметны в трех областях. Во-первых, как справиться с двусмысленностью: французское слово «avocat» может означать либо юриста, либо авокадо, в зависимости от контекста. Разные системы перевода разрешают подобные двусмысленности с помощью разных статистических моделей и не всегда приходят к одному и тому же выводу. Во-вторых, регистр и формальность: некоторые механизмы по умолчанию используют формальный адрес на языках, которые отличают формальный от неформального, тогда как другие по умолчанию используют нейтральный адрес. Немецкий перевод, в котором используется «Sie» вместо «du», меняет социальный тон всего документа. В-третьих, идиоматические выражения: фраза, имеющая прямой эквивалент на целевом языке, может быть переведена буквально одним механизмом и идиоматически другим, создавая тексты, которые являются одновременно правильными, но стилистически разными.
Обработка структуры документа создает нелингвистические различия
Помимо перевода отдельных слов и предложений, онлайн-инструменты PDF различаются тем, как они обрабатывают структуру документа, окружающую текст. Некоторые инструменты извлекают весь текст в линейный поток, переводят его и помещают обратно в исходные позиции, теряя разрывы абзацев, иерархию заголовков и связь между основным текстом и подписями. Другие пытаются сохранить структуру документа, переводя текст внутри каждого блока макета независимо. Второй подход обеспечивает более точный макет, но может переводить повторяющийся текст, например бегущий заголовок, который появляется на каждой странице, по-разному каждый раз, когда он появляется, поскольку инструмент рассматривает каждый экземпляр как независимую единицу перевода, не зная о предыдущих экземплярах.
Инструмент Translate PDF WukongPDF обрабатывает текстовый слой вашего документа, сохраняя исходный макет и форматирование. Механизм перевода отображает каждый текстовый элемент на месте, сохраняя визуальную структуру документа. При сравнении переводов, выполненных с помощью разных инструментов, структурная точность вывода зачастую так же важна, как и лингвистическое качество. Перевод, который читается прекрасно, но потерял все разрывы абзацев и стили заголовков, требует переформатирования, которое может занять больше времени, чем улучшение более грубого перевода, сохранившего исходный макет.
Обработка встроенного текста в изображениях и отсканированном контенте
Основным источником расхождений между инструментами перевода является то, как они обрабатывают текст, который не хранится в PDF-файле в виде выбираемых символов. PDF-файл может содержать изображения со встроенным текстом, например диаграммы с метками, фотографии знаков или отсканированные страницы, где текст существует только в виде пикселей. Некоторые инструменты перевода полностью игнорируют текст на основе изображений, выполняя перевод только текстового слоя и оставляя изображения непереведенными. Другие сначала пытаются распознать изображения, а затем перевести распознанный текст, но на этапе оптического распознавания возникают собственные ошибки, которые усугубляются переводом. Одно и то же изображение, обработанное двумя разными инструментами, может дать разные показания оптического распознавания символов еще до начала перевода.
Последствия для качества документа значительны. Переведенный PDF-файл, в котором был обработан только текстовый слой, будет содержать переведенный основной текст, непереведенные подписи к изображениям, метки диаграмм и встроенный текст. Читатель, не владеющий языком оригинала, сталкивается с этими островками непереведенного контента как с тупиками. При сравнении инструментов перевода документа, содержащего встроенный текст в изображениях, проверка того, как каждый инструмент обрабатывает этот встроенный контент, является важнейшим критерием оценки, который имеет такое же значение, как и лингвистическое качество перевода текста.
Сохранение формата: шрифты, цвета и макет страницы
Перевод меняет длину текста. Немецкий и финский переводы обычно на 20–30 процентов длиннее английского источника. Китайские и японские переводы, как правило, короче на 10–20 процентов. Это изменение длины влияет на каждый аспект макета документа. Текст, который аккуратно помещается в ячейку таблицы на английском языке, может выходить за пределы на немецком языке. Заголовки, которые были сбалансированы в одной строке, могут переноситься на две. Точки маркеров, которые были четко выровнены, могут стать неровными. Каждый инструмент перевода обрабатывает эти последствия макета по-разному.
Некоторые инструменты уменьшают размер шрифта, чтобы перевести переведенный текст в исходное пространство. При этом сохраняется структура страницы, но могут создаваться страницы, на которых размер шрифта заметно различается в зависимости от раздела, что создает противоречивое впечатление от чтения. Другие инструменты сохраняют исходные размеры шрифта и позволяют перекомпоновать текст, что может привести к изменению разрывов страниц и взаимосвязи между текстом и соседними изображениями. Лучший подход зависит от типа документа. Юридический договор, в котором каждое слово должно оставаться на той же странице, что и в оригинале, требует регулировки размера шрифта. Маркетинговая брошюра, в которой визуальное единообразие имеет большее значение, получает больше преимуществ от сохранения размеров шрифта и возможности перекомпоновки.
Как выбрать и оценить инструмент перевода для вашего документа
Учитывая различия между инструментами, наиболее надежный способ сделать выбор — протестировать репрезентативную страницу вашего документа с помощью двух или трех инструментов-кандидатов и сравнить результаты. Посмотрите на лингвистическое качество: читается ли перевод естественно на целевом языке или звучит как машинный перевод? Посмотрите на полноту: был ли пропущен какой-либо текст, особенно в верхних и нижних колонтитулах и подписях к изображениям? Посмотрите на точность верстки: похож ли переведенный документ на оригинал или его нужно переформатировать? Ответы на эти вопросы будут различаться в зависимости от языковой пары, типа документа и конкретного содержания вашего документа.
Для документов, качество перевода которых имеет юридические или деловые последствия, рассмотрите возможность привлечения рецензента для сравнения результатов и выбора лучшего перевода для каждого раздела. Инструменты машинного перевода работают быстро и становятся все более точными, но они не являются непогрешимыми, а различия между инструментами означают, что ни один инструмент не подходит для каждого документа лучше всего. Процесс параллельной оценки переводов PDF Compare — это этап обеспечения качества, который превращает машинный перевод из азартной игры в управляемый процесс.
Роль постредактирования в рабочих процессах перевода с использованием нескольких инструментов
Растущая передовая практика в рабочих процессах профессионального перевода заключается в том, чтобы пропустить исходный документ через две или три системы перевода, сравнить результаты и попросить редактора-человека выбрать и уточнить лучший вариант перевода каждого отрывка. Этот многопроцессорный подход сочетает в себе сильные стороны различных моделей перевода. Один движок может лучше обрабатывать техническую терминологию, в то время как другой создает более естественную прозу. Редактор-человек становится куратором машинного вывода, а не переводчиком, работающим с нуля. В результате получается перевод, который превосходит то, что может произвести любой отдельный механизм, и создается за меньшее время, чем потребовалось бы для полностью ручного перевода. Для документов, которые будут опубликованы, широко распространены или использованы в контекстах, где качество перевода напрямую влияет на достоверность, рабочий процесс проверки с использованием нескольких механизмов обеспечивает вывод высочайшего качества, доступный с помощью современных технологий.
Различия между инструментами перевода не исчезают. Каждый инструмент представляет собой отдельный набор инженерных решений, выбор обучающих данных и приоритеты оптимизации. Понимание этих различий и использование их в своих интересах превращает источник несогласованности в стратегию обеспечения качества. Лучший перевод вашего документа редко бывает результатом использования одного инструмента. Это лучшее из того, что могут создать несколько инструментов, основанное на человеческом суждении о том, что правильно звучит на целевом языке.
Эта вариативность инструментов перевода не является слабостью технологии. Именно отражение подлинной лингвистической двусмысленности делает перевод трудной проблемой. Разные инструменты делают разный выбор, сталкиваясь с этой двусмысленностью. Понимание природы этого выбора поможет вам выбрать правильный инструмент для каждого документа и интерпретировать результаты с осознанным суждением, а не со слепым доверием. Цель состоит не в том, чтобы найти единственный лучший инструмент перевода, которого не существует, а в том, чтобы определить, какой инструмент дает наилучший результат для каждого конкретного документа и языковой пары. Навыки заключаются не в выполнении перевода, а в оценке результата и выборе наилучшего рендеринга среди вариантов, предоставляемых различными инструментами.
Различия между инструментами перевода — это особенность нынешнего технологического ландшафта, а не недостаток. Они предоставляют возможности, которых не было бы у одного универсального переводчика. Пользователь, который понимает, почему существуют различия, может использовать их для создания перевода более высокого качества, чем любой отдельный инструмент. Это понимание превращает перевод из простого нажатия кнопки в процесс с контролем качества.