标语、法律条款和产品描述出错的方式各不相同，因此它们不应共用同一个工作流。以下是如何决定每种内容类型的哪些环节适合自动化、如何检查，以及哪些环节仍需人工参与。
我的团队负责 Phrase 自身的本地化工作，我们并没有为其使用单一的工作流。帮助中心文章创建和更新频繁，且能从我们的翻译记忆库和术语库中获得强大的支持，因此它们通过自动化翻译进行处理，只需进行少量人工审核，甚至无需审核。博客文章采用相同的处理方式，但原因不同：术语并非关注重点，速度和成本才是首要考虑因素。
产品界面和营销文案则有所不同。我们对每一个字都进行译后编辑，因为它必须准确且符合用途，而且它仍然通过自动化流程运行，从而减轻了项目经理在路由、分配和交接方面的工作负担。
内容决定了它需要多少审核。
自动化几乎可以处理所有其他事务。
Phrase 的研究也指向了相同的方向。一项 关于机器翻译质量的 Phrase 研究得出了一个警示：输出结果中质量足以免于编辑的部分所占比例，以及由此节省的成本，会因领域、内容类型和语言对的不同而有所差异。
本文将这一警示转化为一种方法。机器翻译的质量因内容类型而异，出错的代价也各不相同，这就是为什么当每种内容类型都有其专属配置时，自动化翻译工作流的效果最好。您将在下方看到一个决策矩阵、三个具体示例（产品描述、法律条款和标语）、这些示例在 Phrase 中对应的设置，以及让团队付出最大代价的错误。
自动化翻译工作流的决策矩阵
每一行都回答了两个问题。对于此类内容，您在多大程度上可以信任机器，以及对其译文进行评分的检查机制？如果错误内容流出，会付出什么代价？
| 内容类型 | 引擎和上下文 | AI 步骤 | 自动化质量检查的作用 | 人工步骤 | 出错的代价 |
|---|---|---|---|---|---|
| 支持文章 | 您首选的引擎或 MT Autoselect，结合翻译记忆库 | 在经过测试的场景中使用 AI 译后编辑 | 一道关卡：通过检查的文章经轻度审校或无需审校即可发布 | 针对高流量或安全相关文章进行审校；其余文章进行抽样检查 | 重复工单，不满的客户 |
| 产品说明 | 您首选的引擎或 MT Autoselect，结合翻译记忆库和强制执行的产品术语 | 经测试后，进行 AI 译后编辑以确保流畅度和术语准确性 | 一道关卡：达到阈值的句段会被标记为已确认，其余句段则交给译后编辑人员 | 针对性译后编辑，外加定期抽查 | 退货、支持工单、销售损失 |
| UI 字符串 | 翻译记忆库和术语库，并保护占位符和标签 | 很少需要 | 对标签和占位符进行 QA 检查；根据分数确定处理优先级 | 译后编辑，并结合实际界面审校新功能和紧凑布局 | 构建损坏、按钮截断、用户困惑 |
| 法律和受监管文本 | 严格的翻译记忆库和术语库 | 无，或仅进行术语检查 | 对已核准术语进行 QA 检查；分数可供审校人员参考，但绝不作为决定依据 | 由专业译员审校并签核 | 法律责任和监管风险 |
| 标语和品牌文案 | 可选，作为初稿或创意来源 | 提供不同版本和符合品牌语气的改写，供文案作者参考 | 最多用于筛选分流 | 创译或本地化写作，并进行品牌审核 | 对品牌造成的损害难以修复 |
前三行受到的关注不如合同和营销活动，但大部分工作量都集中在这三类内容上。根据我的经验，仅支持内容和 UI 字符串就占大多数本地化团队 60% 至 80% 的工作量，因此对这些工作流进行小幅改进，效果很快就会累积起来。
将此矩阵视为一个起点。您的语言、引擎和风险偏好会改变这些界限。
当机器的可信度与出错代价指向不同方向时
机器的可信度因内容而异。引擎的表现并不均衡：Phrase 的 MT Autoselect 文档指出，在产品描述方面表现良好的引擎在处理医疗报告时可能会遇到困难，因此 MT Autoselect 会同时考虑内容领域和语言对。自动质量检查也各不相同。Phrase 的 AI 战略顾问 Alon Lavie 曾指出，质量评估在进行细粒度、依赖上下文的判断时最不可靠，尤其是在创意内容方面。
成本的差异同样巨大。拙劣的产品描述可能会让您失去一笔订单。翻译错误的终止条款可能会让您面临诉讼。一句在日本市场反响不佳的标语，其代价更难衡量，弥补起来也更耗时。
当这两个答案出现分歧时，问题就出现了，而法律文本是最明显的例子。合同结构严谨、格式固定且重复性高，这正是机器翻译擅长处理的原文类型，因此您会发现行业指南将法律文件描述为机器翻译的理想对象。在质量方面，他们的观点有一定道理。在成本方面，情况则有所不同：高质量得分仅能预估翻译的质量，却无法说明如果翻译质量不佳会产生什么后果。
医疗和其他受监管的内容处于更棘手的领域，机器在这些领域可靠性较低，且一旦出错，代价最为高昂。技术文档的表现更像产品文案：结构化程度足以让机器很好地处理。
本文的其余部分将通过三个例句展示各自的工作流，从最易于自动化的到最难自动化的。
产品描述：让检查程序负责筛选分流
“防水深度达 50 米。充电电池单次充电可续航长达 14 天。”
这正是自动化翻译所针对的内容。它结构清晰，在整个目录中重复出现，并且大部分重要内容都可以核对：单位、数字、产品名称。这里的内容量也最大，因此节省成本的空间也最大。
适合它的工作流：
- 为每个语言对选择引擎。使用您测试过的引擎，或者让 MT Autoselect 进行选择。
- 提供上下文。翻译记忆库保持目录的一致性，术语库则确保产品名称和规格准确无误。
- 在证明有价值的环节添加 AI 译后编辑。MT Optimize 是 Phrase Orchestrator 中的生成式 AI 步骤，可优化流畅度、语法、术语和正式程度。在全面启用之前，先在您自己的目录上进行测试。
- 自动检查每个句段。Phrase 的 QPS（质量评估分数）等质量得分可以预估专业审校人员会如何评价每个句段，而 QA 检查则可以发现缺失的标签和未经核准的术语等问题。通过这两项检查的句段将被标记为已确认；其余句段则交由译后编辑处理。
- 抽样检查通过的内容。每个周期对一部分已确认的句段进行抽查。QA 可以对样本进行初步审查并标记出问题供人工判断，这样您就能在客户发现之前察觉到偏差。
可自动化并不等同于零风险。错误的电池续航时间或表述混乱的安全说明会导致退货、支持工单，在某些类别中还会引发监管问题。即使结果看起来不错，也要保持检查和抽样，并特别关注两点：新产品线（会带来翻译记忆库中未见过的词汇）以及源内容本身，因为源内容中的错误会直接传递过来。
法律条款：高分，必须经人工确认
“任何一方均可提前三十（30）天书面通知另一方以终止本协议。”
对于机器而言，这句话近乎理想。它格式固定，其某个版本可能已经存在于您的翻译记忆库中，且引擎很可能会流畅地翻译它。但在这句话中，如果“可以”（may）变成“必须”（must），或者 30 天变成 3 天，贵公司同意的条款就会发生变化。
模糊匹配展示了差异可以有多小。正如Phrase 的 TMS 产品总监 Martin Švestka 所指出的，“陪审团裁定被告有罪”的存储译文与“陪审团裁定被告无罪”之间会有很高的模糊匹配度，而没有人希望后者被自动确认。
因此，法律工作流利用自动化确保一致性并安排工作流转，同时将决策权留给专家：
- 专业法律译员负责翻译和审校。受监管的内容需要了解语言对双方各自法律体系的人员。
- 严格要求使用翻译记忆库和术语库。术语库不会锁定文本，但可以配置QA，使工作在使用已核准的术语之前无法完成或进入审校。
- 如果使用机器翻译，其译文也只是供译员使用的初稿。针对每种语言对选择引擎，并将引擎输出视为起点。
- 分数可以告诉审校人员应优先查看哪些内容。它们绝不会决定是否进行审校。
- 必须进行确认，且确认过程可追溯。Phrase 会记录分配给每项工作的供应商和译员，并附带时间戳（为供应商工作的译员会被匿名化），为您和监管机构的审计留下可追溯的记录。
如果某个市场需要额外的人工复核，Phrase Orchestrator 可以仅针对该市场增加审校步骤和条件审校循环。医疗及其他受监管的内容遵循相同的模式，其中更多的工作由专家承担，因为机器生成的草稿本身可靠性较低。
自动化在此处依然发挥着重要作用，且大部分工作并不引人注目：确保每次使用正确的术语，每项工作分配给合适的译员，并记录谁在何时完成了什么工作。最终判断仍由具名负责的人作出。
标语：评分最无用武之地的地方
“为穿到破旧而生。”
读一遍这个虚构的标语，你就能领会到两层含义：产品经久耐用，而且你会一直穿着它。直译最多只能保留一种含义。它读起来也会很流畅，而这恰恰是它的风险所在。我们曾撰文探讨过为何流畅的译文如此难以评判。
在这里，两个问题指向同一个方向。机器能提供的帮助最少，评分最无用武之地，而且一旦出错，公众都会看到。QPS旨在预测审校人员如何评价译文的准确性和流畅度，因此，特意偏离原文的创意翻译可能会得分较低但却完全正确，而直译可能得分很高却显得平淡无奇。
翻译是将意义从一种语言传达到另一种语言。创意翻译传达的是意图，它允许改变文字、图像或整个概念以达到目的。因此，标语需要创意翻译。
- 先为每个市场制定一份简报。说明该标语需要实现的功能，以及它所表达的内容。
- 将 AI 作为陪练。Auto Adapt 是 Phrase Orchestrator 中的一个生成式 AI 步骤，它能根据受众或语调调整内容，并生成供撰稿人参考的变体。如果您的品牌文案有自己的内容组，这些变体将借鉴其风格指南和规则，因此它们在每个市场上的呈现方式会更贴近您的品牌调性。
- 让创意翻译人员或当地市场的撰稿人来创作或选择标语。
- 在当地市场进行审校，并由了解品牌和受众的人员参与。
- 最多用分数来确定处理优先级，例如用于标语周围较长的品牌文案。绝不能将其作为门槛。
自动化仍然有其作用，就像它在 Phrase 自身的营销文案中所起的作用一样：在作者、审校人员和市场之间流转工作，而无需项目经理跟进每一个步骤。
设置阈值，并检查它们是否有效
质量阈值是成本与风险之间的调节器。降低它，更多句段无需人工干预即可确认；提高它，更多句段将进入审校流程。在 Phrase 中，您可以在预翻译设置或 Phrase Orchestrator 中设置 QPS 阈值，并选择哪些句段会被锁定、无法编辑，以及锁定的依据。
Phrase 的 2024 年研究显示了该调节器的价值。对于一家将英语翻译成德语的技术客户，总共约 35,000 个句段，90 的阈值将使 37% 的句段无需编辑即可确认，而 95 的阈值将使 17% 的句段无需编辑即可确认。对于一个聘请译后编辑检查所有内容的团队来说，这意味着花了不少钱来确认本已达到质量要求的译文。
评分仍然只是一个估算值，因此请将任何阈值视为一个假设，并根据审校人员实际修改的内容进行测试。Phrase Analytics 中的 QPS（质量评估分数）洞察仪表板显示了译员编辑各分数对应句段的频率，以及他们在这些句段上花费的时间。如果他们很少修改分数为 88 的句段，那么您就是在付费请他们确认已经完成得很好的工作。如果他们不断修改分数高于您设定阈值的句段，那么要么是阈值设置不当，要么是该内容的分数不可靠：
- 针对不同内容类型和语言对设置阈值。资源较少的语言对需要格外谨慎，因为引擎和评分在这些情况下都较不可靠。
- 循序渐进。逐步降低阈值，并检查译后编辑在分数略低于新阈值的句段中修改了什么。
- 接受某些内容没有阈值的事实。对于法律和品牌文案，得分可为审校人员提供参考。它不能取代审校人员。
如何按内容类型设置自动化翻译工作流
在 Phrase 中，设置遵循矩阵模式，并由内容组将其整合在一起。
- 为每种内容类型设置其专属的内容组。内容组将项目与其风格指南、风格规则和 AI 质检相关联，因此法律文本和品牌文案不会遵循相同的规则。质量评估从内容组和目标语言中提取检查项。
- 按内容类型设置机器翻译配置文件，并在必要时按语言对进行设置。选择您首选的引擎，或者让 MT Autoselect 从您在每个配置文件中启用的引擎中进行选择。Autoselect 会权衡包括英语在内的 12 种主要源语言的内容领域；对于其他源语言，它仅根据语言对的性能进行选择。
- 为每种内容类型附加翻译记忆库、术语库和 QA 规则。
- 在测试结果支持的情况下添加 AI 步骤。用于译后编辑的 MT Optimize、用于适配受众和语气的 Auto Adapt，或能够生成结合上下文的译文并内置审校与优化功能的 AI 翻译智能体。
- 选择您的质量检查项目和阈值。Phrase 的质量评估是一个工具箱，而不是单一工具：QPS（质量评估分数）、QA 检查、按内容组归入质量配置文件的 AI 质检，以及用于自动化初步审校的 Auto LQA。选择每种内容类型所需的检查项目，并仅对适合设置阈值的内容设置阈值。
- 在 Phrase Orchestrator中串联这些步骤。它可以按类型路由内容，将质量得分用作决策依据，添加有条件的审校循环，并在 AI 与人员之间交接工作，从而节省大部分项目管理时间。
- 查看结果。使用领域和子领域元数据标记项目，TM 阈值仪表板即可按领域、子领域和目标语言区域筛选您的结果。定期查看这些结果，并结合 QPS Insights 进行分析。
代价最大的错误
- 认为自动化要么全做，要么不做。大量内容无法跳过审校，但几乎所有内容都可以跳过人工交接。
- 依赖单一信号。分数、QA 检查和人工抽检能发现不同的问题。对于客户将要看到的任何内容，至少使用两种方式。
- 设置一次后就置之不理。这些设置是持久生效的。Phrase 自身的数据显示，在团队拥有指导仪表板之前，各项目的平均翻译记忆库阈值多年来一直维持在 76。一旦数据呈现在他们面前，这一数值就上升到了 86 左右。
- 用 BLEU 评判生产质量。BLEU 用于衡量有多少单词和短语与参考译文重叠。它对于研究中系统间的比较很有用，但对于决定某个句段是否可以发布几乎没有用处。
从哪里开始
选择一种您可能过度审校的内容类型，以及一种您可能把关不足的内容类型。对于大多数团队来说，前者通常是支持或产品内容，而后者则是受监管或对品牌至关重要的内容。为每种内容设置独立的内容组和检查项，然后观察审校人员在一个月内所做的更改。
然后提出本文一直在探讨的问题：哪些内容可以靠分数来保证质量，而哪些内容始终需要有人为其背书？
要了解分数的工作原理，请从QPS 说明或2024 年阈值研究开始。要找到适合您内容的质量评估工具，请从小处着手：选取一两个工具对样本进行测试，并将结果与审校人员的判断进行比较。
数字来源
- 质量得分数据： 2024 年 9 月发布的 Phrase 模拟研究。某科技客户，英译德，约 3,500 项工作、35,000 个句段和 457,000 个单词。信息来源：Alon Lavie，“了解 QPS 及其预期节省和投资回报率。”
- 翻译记忆库阈值数据：2025 年 4 月发布的跨项目 Phrase Analytics 数据。信息来源：Martin Švestka，“掌握本地化自动化中的翻译记忆库和 Phrase QPS 阈值。”
- 工作流实践和工作量估算：Phrase 本地化团队，2026 年 10 月。
- 产品行为：Phrase 帮助中心和开发者文档，截至 2026 年 10 月。
附录：指标
- QPS（质量评估分数）。Phrase 的 AI 质量评估。它无需参考译文，即可预测专业审校人员在 MQM 框架下给出的 0 到 100 分之间的翻译评分。Phrase 将分数分为四个等级：95 到 100 为优秀，90 到 94 为非常好，75 到 89 为良好，75 以下为较差。
- MQM（多维质量指标）。人工评估员使用该框架，按类型和严重程度对错误进行分类，涵盖准确性、流畅度、术语和风格等类别。它专为人工评估而设计，将其应用于自动评估有其自身的困难。
- 编辑距离（TER，chrF）。译后编辑人员对输出内容的修改程度。这是衡量工作量的直接指标，也是检验阈值设置是否合理的最佳方法。
- COMET。一种在研究中广泛用于比较机器翻译系统的神经网络指标。其质量评估变体无需参考译文即可进行评估。
