体验下一代
机器翻译
Phrase NextMT 提供三种不同版本的企业级翻译,以满足您对机器翻译的独特需求。
Phrase Next GenMT:
智能跃升,语境精准,让翻译如母语般自然

我们迄今最先进的机器翻译解决方案——翻译整个文本块,以获得更加流畅自然的结果。
- 提高上下文准确性——通过考虑更广泛的上下文,引擎可以更好地理解含义,减少误译和歧义。
- 增强流畅性——Phrase Next GenMT 了解不同句子中单词的关系,让译文听起来更加流畅、自然和连贯。借助更长范围的依赖关系,可以获得更加自然的译文,提高句子之间的连贯性。
- 更高的一致性——确保关键术语、语气和措辞在整个文档中保持一致,强化您的品牌声音。
- 减少译后编辑工作——从流程之初就产生更为准确自然的译文,因此译员可以花更少的时间来纠正错误。
- 更好地处理复杂结构——上下文感知翻译确保相关的内容在句子之间保持连贯,让译文更为可读和准确,尤其是在技术或结构化内容中。
实现机制
虽然传统的机器翻译引擎提供了快速的翻译,但它们通常单独处理句子,这使得保持一致性变得更加困难。多句段 Phrase Next GenMT 采用了更先进的方法,将整个文本块在一起翻译,以确保自然流畅、准确的术语和连贯的风格。
之前(传统机器翻译) |
---|
高效翻译单个句子 |
可能需要额外审查,以确保术语、正式程度和代词使用的一致性 |
以 AI 驱动的流畅性和准确性快速提供结果 |
最适合结构化的内容和清晰的句子边界 |
之后 (Phrase Next GenMT) |
---|
将整个文本块在一起翻译,以提高连贯性 |
确保不同内容间术语、正式程度和代词使用保持一致 |
先进的 AI 驱动流畅性和准确性,进一步减少人工干预 |
最大限度地减少译后编辑,加快翻译工作流 |
保留完整上下文,以便产生更自然、与品牌一致的译文 |
全面升级机器翻译
有了 Phrase NextMT,机器翻译不再是白纸一张。与其他普通翻译引擎不同的是,Phrase NextMT 可以借助用户的翻译记忆库生成质量更高的翻译结果。当检测到非完美匹配字段时,Phrase NextMT 会应用与翻译记忆库匹配的部分,并自动填补缺失的内容。
智能应用术语
Phrase NextMT 搭载了高级术语库功能,确保生成的翻译结果遵循用户的术语表。当其他翻译引擎还在使用简单的搜索替换功能确保术语一致性时,Phrase NextMT 会根据语境选择正确的形态,减少译后编辑工作量。
优雅地使用机器翻译
绝大部分翻译引擎在处理格式和占位符标签时表现并不尽如人意。Phrase NextMT 采用了高级标签替换功能,确保译文格式与原文一致。

一键开启
Phrase NextMT 是 Phrase Language AI 的一项功能。搭配机器翻译自动选择和机器翻译质量评估分数等高级功能,轻松使用机器翻译。采用基于 MTU(机器翻译单位)的灵活定价模式,您只需为使用的部分付费,即可享受 NextMT 和其他主流引擎提供的高质量机器翻译,方便译后编辑。
用自定义机器翻译实现质的飞跃
Phrase NextMT 搭配创新的 Phrase Custom AI 功能使用可完全自定义,打造用户专属的 AI 语言模型,重新定义机器翻译质量的上限。

关注我们
想了解我们的生成式 AI 机器翻译引擎未来的新动态吗?尽请期待后续文档级上下文、风格指南集成和高级创译等功能。
数说 Phrase NextMT
50%
通过采用翻译记忆库
翻译质量提高 50%
10%
通过采用术语库
翻译质量提高 10%
常见问题解答
解答 Phrase NextMT 相关的常见问题
Phrase NextMT 都支持哪些语言对?
Phrase NextMT 目前支持以下语言对(互译):
- 英语-捷克语
- 英语-西班牙语
- 英语-法语
- 英语-俄语
- 英语-德语
- 英语-意大利语
- 英语-荷兰语
- 英语-中文(简体)
- 英语-瑞典语
- 英语-日语
- 英语-葡萄牙语
- 英语-韩语
- 英语-波兰语
- 英语-丹麦语
- 英语-希腊语
- 英语-挪威语
- 英语-印尼语
- 英语-匈牙利语
- 英语-芬兰语
- 英语-斯洛伐克语
- 英语-越南语
- 西班牙语-加泰隆语
我们后续还将持续为 Phrase NextMT 添加更多语言对。
在自动选择机器翻译时,Phrase 是否会优先选择 Phrase NextMT?
Phrase Language AI 的机器翻译自动选择算法是完全中立的,为待翻译的语言对和文本类型建议最合适的翻译引擎。
Phrase Language AI 推荐翻译引擎时,参考的是各个翻译引擎过往的翻译表现,并不会优先选择 Phrase NextMT。
Phrase 是否使用了用户的数据训练 Phrase NextMT?
我们使用了商业和公开的数据集训练 Phrase NextMT,没有使用用户的数据。