既存の参照資料の活用
このシステムは様々な形式の参照資料を使用できます。
- TMX(Translation Memory eXchange):翻訳メモリを保存するための XML ベース形式です。
- CSV(Comma-Separated Values):表形式のデータを保存するためのシンプルなテキスト形式です。
- TSV(Tab-Separated Values):CSVに似ていますが、区切り文字としてタブを使用します。
翻訳を大きなスケールで管理・公開する新しい方法
あなたのコンテンツが流暢さのレビューを必要としているかご存知ですか?自動化されたワークフローには、カスタムGenAI以上に適したものはありません。コストと時間を90%削減できます。
機械翻訳(ニューラル、LLM翻訳)は長年にわたり信頼性が向上してきました。しかし、品質を保証するためには依然として人間によるレビューが必要でした。これにより、以前の翻訳(100%マッチ)がロックされ、翻訳者が各セグメントをレビューし、エラーをポストエディットし、人間によるレビューを翻訳メモリに追加するというセグメントレベルの考え方が生まれました。
MTQE(機械翻訳品質評価)の登場により状況は改善しました。一定の品質に達した機械翻訳セグメントは、人間の翻訳者によるレビューやポストエディットに送られなくなりました。それでも、私たちはセグメントレベルで作業を行っていました。
多くの翻訳者とクライアントは、ロックされたセグメントを文脈に応じて修正できないプロセスに縛られていると感じていました。ワークフローは若干改善されたものの、依然として翻訳を発注し、翻訳メモリを実行し、翻訳をレビューし、クライアントに送信する必要がありました。
当社のディープ・アダプティブAI翻訳技術は、機械翻訳における大きな進歩を表しています。クライアントの既存の翻訳資料や特定の用語集を使用することで、クライアント固有のニーズに適応するよう設計されており、高度にカスタマイズされた正確な翻訳を提供します。
既存の参照資料の活用
このシステムは様々な形式の参照資料を使用できます。
AI駆動の適応プロセス:検索拡張生成(RAG)
品質評価
このステップでは、生成された翻訳の品質を評価します。翻訳品質を評価するよう訓練された機械学習モデルを使用します。これにより、高品質の翻訳のみがプロセスの次の段階に進むことが保証されます。「過剰なポストエディット」は人間によるレビューのためにフラグが立てられます。通常、エラーと過剰なポストエディットは出力の10%未満です。
AI検証エージェント
これらは特定のタスク向けに訓練された専門のAIモデルまたはアルゴリズムです。自動ポストエディットにおいて、翻訳の最終チェックを行い、専門用語、正確性(翻訳の正確さ)、流暢さ(目標言語でどれだけ自然に聞こえるか)、そしてスタイルガイドの特定のポイントなど、必要な特別な特徴を検証します。
自動編集後の品質を保証する最先端のプロセス
人間の翻訳者は、価値の高いコンテンツ、文化的な適応、最終的な検証など、本当に必要な場合にのみ価値を付加します。
各クライアントは、独自の適応を持つ特定の翻訳エンジンを持っています。tmx、csv、tsvで新しいコンテンツを追加して、さらに適応させ、改善する。
専門分野では、特定の分野に特化することが成功と認知への確実な道だとしばしば謳われています。
特定の分野での豊富な経験は、常に個人のブランド力を高め、キャリアの向上を促進する方法です。それは個人に権威、経験、熟練度、そして労働市場で他者と差別化するための指揮能力を与えます。
...