探索DeepL的机器翻译DeepL的工作原理及其准确性

在语言之间实现高效且准确沟通的承诺，一直是推动机器翻译（MT）发展的主要动力。翻译作为计算能力最早的应用之一，最初在20世纪50年代以实验性项目开始，到了21世纪已成为一种可行的生产力工具。

如今，AI驱动的机器翻译工具正在革新全球商业运营。领先的MT服务商之一是DeepL，这是一家总部位于德国的神经网络机器翻译（NMT）技术服务商。在本指南中，我们将深入探讨DeepL的工作原理、优缺点，以及在专业翻译项目中使用它的最佳实践。

什么是DeepL？DeepL简介

DeepL于2009年在德国成立，最初名为Linguee，是一个在线词典，旨在创建一个神经网络机器翻译系统，能够生成比传统统计机器翻译（SMT）高得多的翻译质量。

DeepL的工程师应用了最新的深度学习技术（这也是公司名称的由来），并在Linguee数据库的现有数据上训练模型。

自2017年以来，DeepL极为流行，迄今已有超过十亿人使用其服务。它支持28种语言，可实现650种翻译组合。

用户可以选择DeepL的免费版或付费版，并可在网页界面和独立翻译器之间切换。免费版适合个人使用，付费版则为企业提供更多功能。

不过，DeepL现已不仅仅是一个翻译服务。目前，DeepL也开始涉足人工智能领域，专注于文本生成。其最新产品DeepL Write于2023年初推出，旨在成为英语写作助手，并超越Grammarly等竞争对手。

DeepL如何工作？

并非所有机器翻译系统都是一样的，随着时间的推移，系统变得越来越复杂。直到2016年，机器翻译系统要么是基于规则的——依赖于大量手动编写的规则——要么是基于统计的——根据多语言语料库（大量平行文本）进行翻译，以单词或短语为基础，寻找统计模式。

如今，大多数主流机器翻译系统使用神经网络。这被称为神经机器翻译，是一种端到端学习方式，其中程序的神经网络在生成输出句子时考虑整个输入句子，而不是仅关注翻译词两侧的几个单词。

DeepL是一个NMT系统的例子——得益于深度学习算法，它生成的翻译比统计机器翻译引擎生成的更像人类。它的网络架构还使其能够从大量数据中学习并适应新环境。

分析DeepL的特点

如前所述，DeepL的核心优势在于其NMT系统，使其能够生成比传统统计机器翻译方法更准确、更自然的翻译。让我们来看看它的一些最显著的能力：

• 多语言支持：DeepL支持多种语言之间的翻译，包括英语、西班牙语、法语、德语、中文、日语等。用户可以在不同语言对之间无缝翻译文本，而无需单独的工具。
• 上下文意识：DeepL使用的AI引擎能够理解输入文本的上下文，旨在确保翻译更具上下文准确性，并保持原意。这在处理习语和复杂句子时可能是有益的。
• 翻译质量：DeepL以其对某些语言对的翻译质量而闻名，受到用户的高度评价。它理解上下文并提供精确翻译的能力受到专业人士和语言爱好者的重视。
• 翻译插件和桌面应用程序：DeepL提供可与各种应用程序集成的浏览器插件，包括Microsoft Office，方便用户直接翻译文本，无需离开正在使用的程序。此外，用户还可以在主流操作系统中下载其桌面应用程序。
• 文档翻译功能：除了文本翻译，DeepL还允许用户上传整个文档进行翻译，为处理多语言内容的个人和企业提供了有用的功能。
• 数据隐私：总部位于德国的DeepL受欧洲联盟数据保护法的约束。虽然该公司对DeepL的免费机器翻译工具如何处理数据没有太多说明，但明确表示所有DeepL Pro订阅者都可以享受安全和加密的连接进行所有翻译，并且翻译完成后数据不会存储在他们的服务器上。
• API 集成DeepL提供一个API，使开发者能够将其翻译服务集成到他们的应用程序、网站或服务中，为最终用户提供无缝的翻译体验。

DeepL的主要竞争对手有哪些？

机器翻译工具的世界广阔而多样。除了DeepL，一些最知名的机器翻译服务商包括：

Google 翻译

Google 翻译于2006年推出，在2016年从统计模型切换到神经机器翻译模型——在DeepL推出的几个月前。

它支持超过133种语言，且免费使用（除非通过API访问翻译你自己的网站，或每月翻译字符数超过500,000时）。其易于访问的界面和直观的设计使其成为普通用户的热门选择。此外，它可以翻译整个网站、图像和语音。

Systran Translate

Systran成立于1968年，是市场上第一个商业机器翻译软件。Systran也是唯一一家拥有神经网络机器翻译和神经序列学习开源生态系统的公司：OpenNMT。

Systran Translate支持超过50种语言，用户可以添加自己的术语表、词典和语料库，以个性化输出。

微软翻译

集成到Bing（微软的搜索引擎）和作为Microsoft Office应用程序中的内置功能，Microsoft Translator于2009年推出，基于最新的神经网络技术和基于注意力的模型。

如今，它也作为独立的移动应用程序可用于iPhone和Android设备。它支持超过100种语言，并可进行语音和文本翻译。

Amazon Translate

作为该领域最年轻的参与者之一，Amazon Translate于2017年发布。它使用神经机器翻译引擎，并在短暂的生命周期中取得了令人印象深刻的性能水平。

用户需要一个AWS账户来访问Amazon Translate提供的一系列功能——定制（术语和并行数据）、编码术语和批量翻译（Amazon S3），仅举几例。

腾讯机器翻译

腾讯机器翻译（TMT）是市场上最新的参与者之一。它目前支持10种语言，并结合了神经网络和统计机器翻译模型。

腾讯机器翻译在中文能力方面尤为突出：在英译中翻译中取得了最高记录的人类评估分数，而在中译英翻译中则获得了最高的自动评分。

DeepL与Google 翻译：哪个更好？

DeepL比Google 翻译更好吗？这个问题的答案，像其他任何事情一样，取决于上下文和用户的具体需求。一般来说，DeepL通常被视为比Google 翻译更准确的机器翻译引擎。

也就是说，它确实有一些限制：DeepL的语言选择比Google 翻译的更有限，要访问其全部功能——如保留原始格式的完整文档翻译或选择正式和非正式语体的能力——您需要一个高级账户。

DeepL提供的一个功能是用户无法从Google 翻译获得的，即可以点击输出框中的任何翻译单词以快速查看替代翻译。如果您选择了与DeepL建议的不同翻译，其余文本将自动更新以反映您的选择。

在安全方面，就其免费版本而言，Google 翻译和DeepL都会保留您翻译的文本历史。相比之下，DeepL Pro提供世界领先的数据保护标准，并在翻译后立即删除您的文本。这使其特别适合敏感内容。

总体而言，两家提供商都为机器翻译提供了有用的解决方案。如果您只是寻找一个便宜、易于使用的翻译工具，且不需要自定义的广泛语言选项，那么Google 翻译可能是更好的选择。另一方面，如果您需要高度准确的翻译，且可以自定义，并且需要确保您的数据受到保护，那么DeepL可能是更好的选择。

评估DeepL的准确性和性能

确定机器翻译引擎的准确性通常非常具有挑战性。结果因所涉及的语言对、翻译文本的类型而异——高度专业的金融文档与博客文章并不相同——以及您所需的自定义程度。

此外，由于语言是动态的，作者的意图等因素无法量化，因此准确性具有相对的定义。例如，小说对语法和标点准确性的期望与社交媒体帖子的期望会有所不同。

也就是说，基于网络上的一般情绪，用户报告称DeepL的准确性相当高，尤其是在欧洲语言对方面。DeepL自己的实验也支持这一点。然而，由于公司呈现数据的方式可能被视为有偏见，因此更可靠的准确性指标是用户反馈——这通常是积极的，主要体现在：

• 习语和俚语的解释与等价
• 自然性
• 对语域敏感的翻译

归根结底，每个用户在尝试DeepL在其使用案例中的表现后都需要做出自己的决定。好消息是，免费版本允许您在不产生任何费用的情况下做到这一点。

DeepL的优缺点

神经机器翻译系统如DeepL开启了一个全新的可能性世界。作为领先的NMT技术供应商之一，DeepL可以是：

• 相当准确：它能够理解单词和短语的更广泛上下文，从而产生更准确和流畅的翻译，并随着时间的推移而改进。
• 学习速度快：可以通过自动化流程快速训练神经网络，这不同于传统机器翻译所需的昂贵且主要依赖人工的方法。
• 灵活且易于集成：通过API、扩展和插件，您可以将其集成到大多数浏览器或软件中，并应用于多种内容文件格式。
• 可定制通常可以通过术语数据库、品牌专属词汇表和其他数据源自定义DeepL的输出，以提升结果质量。
• 成本效益高：与其他神经机器翻译引擎一样，DeepL能够以极低的成本提供高准确性和快速的翻译。
• 可扩展：当您的翻译需求需要扩大时，DeepL可以帮助您轻松满足增加的需求。

尽管DeepL的发展已达到很高的水平，但几乎没有任何机器翻译引擎能够达到完美——DeepL在追赶人类水平的准确性方面仍有很长的路要走。

DeepL在未来几年将继续改善的程度尚待观察，且难以预测。目前，它仍然无法达到人类水平的技能，例如：

• 提问
• 理解上下文
• 识别源文本中的错误
• 捕捉讽刺
• 创造性翻译
• 做出深思熟虑的选择
• 进行研究
• 观察一致性
• 保证完整性
• 故意省略或包含信息
• 添加注释或说明

尽管机器翻译引擎处理这些类型任务的能力仍然有限，但手动译后编辑在不久的将来仍然可能是任何翻译工作流的重要组成部分。

利用DeepL进行专业翻译：最佳实践

在使用DeepL进行机器翻译时，重要的是要坚持那些可以最大限度地发挥其作用而不影响质量的用例。其中包括：

• 可见度或流量低的内容，例如内部备忘录、网站页脚、电子邮件、用于情感分析的社交媒体帖子等。
• 重复的技术内容，只需可操作，例如说明手册——如果可能，最好让人工翻译对这些内容进行译后编辑，以避免用户体验问题。
• 低风险内容，不需要完全准确或遵循复杂的规定——一个好的例子是用户生成的内容，如产品评论，消费者通常不期望高质量。
• 时效性强的内容，例如聊天或电子邮件支持消息、客户咨询等。
• 需要短时间内交付的大量内容，例如需要快速上线的数百个产品描述。
• 需要经常修改的内容——考虑功能和信息更新。

这些用例中的大多数将需要轻度机器翻译译后编辑(MTPE)以确保准确性和清晰度，如果内容不是至关重要的，您甚至可以使用原始输出。

其他一些需要更高准确度的内容将需要更多时间的译后编辑。其中，我们发现：

• 产品名称：产品名称信息量大且简明扼要，往往包含专有名词和多义词，词序弹性通常较大，容易造成歧义。
• 不同语法的语言对之间的翻译：例如，日语和西班牙语涉及单词和短语的重新排序，使得机器翻译引擎更难形成良好的句子。
• 中等可见度的内容影响客户体验：知识库、常见问题、警报等需要尽可能准确，以实现高效客户支持的目标。
• 后端SEO元信息：一些SEO元素，如图像替代文本和标题，虽然可见度低，但需要技术优化，例如译文关键词，以提高搜索排名。

如何利用翻译技术充分发挥DeepL的作用

现代翻译技术，如本地化平台，已成为高效全球扩展努力的推动者，彻底改变了企业管理、翻译和交付多语言内容的方式。这些工具简化了整个流程，从头到尾。

这些解决方案中的大多数还集成了机器翻译引擎，使用户能够在同一界面中快速将大量文本转换为目标语言，该界面已经用于提取、翻译、审阅和导出内容回原系统。仅在生产力方面的提升就非常显著，并且当与利用机器翻译所带来的成本节省相结合时，最终的投资回报率可以是惊人的。

相比之下，当将机器翻译作为独立引擎使用，且该引擎与内容不在同一系统中时，实际上是在翻译过程中增加了额外的复杂性——例如手动上传文件或下载结果的麻烦。由此产生的瓶颈、脱节的工作流程以及对整个过程缺乏可见性，必然会影响翻译的交付时间和准确性。

以 DeepL 作为在 企业翻译管理系统 中的完全托管机器翻译引擎为例，例如 Phrase TMS。该系统会自动为每个工作选择最佳的机器翻译引擎，其基于 AI 的解决方案会过滤掉不应翻译的内容：

• 无需担心技术设置：只需将开关切换到“开启”，即可自动为所选语言启用引擎，并立即开始发挥其强大功能。
• 仅对最合适的内容使用 DeepL：尽管 DeepL 是一个非常强大的引擎，但并不能保证——并非所有领域和语言对都会以相同的方式受益。Phrase 的自动选择功能可一次启用多个机器翻译引擎，并自动将其分配给最符合其能力的内容。
• 利用术语表：您可以直接在 TMS 中管理所有 机器翻译术语表 以及相关术语，DeepL 将使用它们确保所有翻译与贵公司的风格保持一致。这对于其他集成的机器翻译引擎也适用。
• 享受跨引擎的无限机器翻译用于译后编辑：尽管 DeepL 提供无限的机器翻译作为独立解决方案，但使用 Phrase TMS，您可以为所有完全托管的引擎享受同样的好处。

DeepL 的效果取决于您如何使用它。

显然，DeepL 自其谦逊的起步以来已经走了很长一段路，今天它可以用于快速生成多种用例的高质量翻译。

然而，要释放其真正的潜力，您需要将其用于合适的内容，并根据用例进行不同程度的译后编辑，当然，还要在合适的技术环境中进行操作。像 Phrase TMS 这样的翻译管理系统是实现此目的的理想环境，让您能够访问所有让 DeepL 脱颖而出的功能。