
AI 翻译这件事,现在随便一个工具都能翻出"能看懂"的结果,所以单纯比谁翻得通顺已经没意义了。真正拉开差距的是三种场景:专业术语多的技术文档、需要保留语气的商务邮件、以及带文化语境的营销文案。这三种场景对翻译的要求完全不同,一个要求准确,一个要求得体,一个要求有感染力,任何单一工具都很难在三方面同时做到最好。这篇文章按场景拆开说,告诉你什么样的内容该用什么样的方式翻,以及机器翻完之后哪些地方必须人工过一遍。
先说技术文档这一类。这类内容的翻译难点不在句子结构,在术语。一段话里出现好几个专业名词,如果每个词都按字面翻,中文读起来会非常别扭,而且容易产生歧义。举个常见的例子,接口文档里的字段名和状态描述,机器往往会给出好几种不同的译法,同一份文档里前后不一致,读的人一头雾水。解决办法是建立术语表,把你这个领域的核心词汇统一一遍,固定下来,然后在工具里设置术语优先。主流的翻译接口基本都支持自定义术语库,这个功能用好了,技术文档的翻译质量能提升一大截。另一个要点是保留原文的格式标记,代码块、行内代码、链接、参数名,这些绝对不能翻,机器经常会把参数名也当成普通单词翻掉,导致文档里的示例代码直接失效。所以处理技术文档的正确流程是:先提取出不该翻的部分占位保护,翻完再填回去,最后人工对照检查一遍术语是否统一。
再说商务邮件这一类。这类内容的翻译难点在语气和分寸。同一句中文,翻成英文可以很客气,也可以很生硬,机器往往偏生硬,因为它优先保证准确,牺牲了得体。比如中文里"麻烦您尽快处理一下",机器可能给出一个直译的命令式,在英文语境里显得很不礼貌。这类内容我的建议是不要让机器出终稿,让它出草稿,然后你自己按英文的表达习惯改一遍。改的时候注意三个地方:称呼和结尾的礼貌用语要符合对方的习惯,请求类的句子加软化词,否定和拒绝要写得委婉。这几处改好了,整封信的观感就完全不同。如果你的英文水平不够判断,一个实用的办法是让机器把英文再译回中文,看回译的结果是不是你想表达的意思,这个方法能抓到大部分语义偏差。
第三类营销文案,这是机器最不擅长的一类。原因是营销文案的核心不在信息传递,在情绪调动,而情绪是非常本地化的东西。一句中文的爆款标题,直译成英文往往变得莫名其妙,因为它依赖的语感、梗、节奏在另一种语言里不存在。这类内容的正确做法不是翻译,是重写。把中文文案的核心卖点抽出来,然后让模型用目标语言从头写一版,提示词里明确说清楚受众、平台、调性。这样出来的东西才可能地道。如果你非要翻译,那至少要接受成品需要大改,不要指望它直接能用。
说完场景,说说实际怎么选工具。现在的方案大致分三档。第一档是通用在线翻译,速度快、免费额度大,适合日常的短句和网页浏览,但长文档和专业内容质量一般,而且不支持术语库。第二档是带大模型能力的翻译工具,能理解上下文、能按你给的风格翻,适合邮件、文案这类需要语感的场景,缺点是有时候会自作主张地"优化"原文,把一些细节改掉。第三档是专业的本地化工具,支持术语库、翻译记忆库、格式保护、多人协作,适合长期做多语言内容的人,学习成本高但一旦建起来效率极高。个人站主的实际选择通常是第二档为主、第一档补充,只有在做正式的对外文档时才值得上第三档。
还有一个实用技巧值得说:分段翻,不要整篇丢进去。整篇丢进去有两个问题,一是模型在处理长文本时容易在后半段"忘记"前面的术语设定,出现前后不一致;二是出了问题你不好定位,得从头到尾找。分成三五百字一段,逐段翻,每段翻完立刻检查,问题能及时发现,术语也能保持统一。这个习惯看起来很笨,但实际做下来效率反而更高,因为省掉了返工。
最后提醒一件事:机器翻译的错误往往是"看起来很合理"的错误,这是最危险的。它不会给你语法错误的句子,它会给你语法完美但意思偏了的句子。所以任何要对外发布的译文,尤其是涉及法律条款、价格、时间、承诺的,必须人工核对关键信息。我做过多语言站点的内容,踩过的最大的坑就是把一个交付时间的表述翻错了,本来写的是"七个工作日内",译文变成了"七个工作日后",虽然只差一个字,用户的理解完全不同,后来闹了不小的误会。机器翻译可以大幅提高效率,但它不能替你承担说错话的责任,这一条永远成立。
再补一段中英互译里最容易翻错的几个结构性差异,这几个地方机器十次有六七次要出问题。第一个差异是主语。中文习惯省略主语,一句话里可以连续好几个分句都没有主语,读的人靠语境自动补上;英文的主语是句子的骨头,必须有,而且要一致。机器遇到中文省略主语时,往往会自己挑一个补进去,挑错了整句意思就跑偏,比如中文说"看了一下,觉得不太行",机器可能补成"他看了一下",但实际上说话的人可能是"我"。处理办法是在提示词里固定人称,或者在稿件里把主语写全。第二个差异是时态。中文靠"了""着""过""正在""将要"这些词表达时间,机器经常判断失误,把已经发生的事翻成将来时。凡是涉及时间的句子,中文原文最好写明确,比如把"我会联系你"改成"我明天上午联系你",机器就不容易错。
第二个差异是量词和数量表达。中文有丰富的量词,一台、一只、一条、一份,机器翻译时这些量词通常直接消失,因为它对应的英文就是简单的数量词。这在产品描述里会造成信息丢失,比如"三条线路"翻成英文变成"三个线路",意思还在但不地道。更麻烦的是中文的模糊量词,"几个""若干""一些""不少",这些词在英文里没有一个完美对应,机器往往翻成很生硬的表达。如果你的内容对数量敏感,比如规格表、参数对比,这块必须人工核对。
第三个差异是长句。中文可以用逗号串起七八个小分句,一路到底,逻辑关系靠语序和语境暗示;英文受不了这种结构,必须拆成短句并且用连接词明确关系,因果、转折、并列都要显式标出来。机器翻译长句时经常两种毛病都犯,要么硬翻成一个超长英文句子读起来喘不上气,要么拆得不合逻辑把因果关系搞反。实用建议是中文原文自己先拆,一句话里塞了三层转折的,直接拆成三句,机器翻译的准确率会明显提升,你后面核对也省事。
第四个差异是被动语态和语气词。中文的被动可以用"被""让""给""受",也可以完全不加标记,靠语境判断;英文的被动要明确用 be 加过去分词。机器经常会漏掉被动关系,把"这个问题已经处理了"翻成主动的"有人处理了这个问题"。语气词就更容易丢,"吧""呢""啊""嘛"这些在英文里完全没有对应,机器一律丢弃,结果是原文一段轻松的口语,翻出来变成一段冷冰冰的陈述。这类损失不会影响语义准确性,但会明显改变文字的观感,做社媒内容尤其要注意。
把这四个差异记下来,做成自己的检查清单,每次翻完按清单过一遍,比盲目相信工具要靠谱得多。清单不用长,五到八条就够,重点是自己常犯的那几个。
