Notatki z warsztatu
Rzeczy, których uczymy się, tworząc Transept i obserwując, jak ludzie tłumaczą.
Najnowsze
Ten languages in three days: field notes from localizing an AI translation product
We localized Transept into German, Ukrainian, Chinese, Portuguese, French, Spanish, Czech, Italian, Polish, and Turkish in one long weekend, using machine translation the way we tell our users to use it: with context, terminology decisions, and human post-editing. These are the plural rules, register flips, typography inversions, and hreflang lessons we collected on the way.
Więcej wpisów
Literess jako agent: edytor, który pamięta Twoje decyzje i wykonuje pracę
Większość rozwiązań AI w narzędziach tłumaczeniowych to chatboty dopięte na doczepkę. Literess stworzyliśmy jako agenta – narzędzie osadzone w tej samej pamięci kontekstu decyzyjnego, z której korzysta produkt, zdolne do podejmowania realnych działań w Twoim imieniu, zawsze za Twoim potwierdzeniem.
Pamięć tłumaczeniowa: czym jest, jak działa i dlaczego ma kluczowe znaczenie dla lokalizacji AI
Pamięć tłumaczeniowa przechowuje treści, które Twój zespół już zatwierdził. Musieliśmy ustalić, co oznacza TM, gdy rolę tłumacza przejmuje model LLM, jak rynkowe narzędzia zapamiętują (lub zapominają) oraz na jakie rozwiązanie postawiliśmy w Transept: pamięć jako kontekst decyzyjny.
Ile tak naprawdę „myśli” AI podczas tłumaczenia?
Próbowaliśmy kontrolować budżet myślenia Gemini 3 tak samo, jak w przypadku Gemini 2.5. To już jednak tak nie działa. Oto co zmierzyliśmy zamiast tego – i co to oznacza dla jakości oraz kosztów tłumaczenia AI.
Witamy w Journalu
Dlaczego zaczęliśmy tu pisać, czego możecie się spodziewać i skromne zaproszenie, by do nas zaglądać.
Autorzy
Nowe wpisy pojawiają się mniej więcej co miesiąc.
RSS