Transept

Kontrola

Pamięć tłumaczeniowa, która zapamiętuje decyzje

Gdzie każda decyzja tłumaczeniowa staje się pamięcią – sformułowania i ich uzasadnienie: odrzucone alternatywy oraz komentarze wyjaśniające wybór. Nazywamy to pamięcią z kontekstem decyzji, a Transept przekazuje ją z powrotem do modelu przy kolejnym przebiegu. Decyzje z pierwszej strony wracają na stronie pięćsetnej, w kolejnym dokumencie i u współpracowników z zespołu.

Zacznij tłumaczyć→

Darmowy start · Karta nie jest wymagana

— Przekonaj się —

Edytor, w miniaturze

Działający fragment prawdziwej aplikacji – Literess, glosariusz, przewodnik po stylu, przepływy pracy i pamięć tłumaczeniowa są w pełni aktywne. Wypróbuj.

Chill, love

Here to help you translate

Memory
Import
Try:
Search
Scope
AI context
Manage TM settings
Showing matches for the selected block
71%

A key turned in the lock and the door swung open.

У замку повернувся ключ, і двері розчахнулися.

Chill, love — chapter 2you · last week
This doc55%

The knock came just before midnight.

Стукіт пролунав перед самою північчю.

Chill, loveyou · today
Auto-saved · just now
Interactive demo — click anything
W kontekście✦

Każde narzędzie do tłumaczenia ma pamięć tłumaczeniową – Trados i memoQ stworzyły tę kategorię, a w edytorach open source można ją mieć za darmo. Prawdziwe pytanie nie brzmi więc, czy narzędzie zapamiętuje, ale co ta pamięć robi. Stara odpowiedź to wyszukiwanie: czy tłumaczyliśmy już dokładnie ten segment? Pobierz dopasowanie, wypełnij lukę. Odpowiedź Transept to kontekst – co ten projekt już wie i jak duża jego część pasuje do bieżącego zdania? Wystarczy zatwierdzić tłumaczenie, aby zostało automatycznie zapamiętane, a następnie wyświetlane podczas pracy i przekazywane modelowi jako punkt odniesienia, dzięki czemu kolejny szkic wykorzystuje wcześniejsze sformułowania, zamiast zaczynać od zera. Brak bazy danych do budowania, brak konkordancji do utrzymania, brak kopiowania i wklejania z panelu. To różnica między pamięcią, którą się przeszukuje, a pamięcią, która towarzyszy w trakcie tłumaczenia.

Przetłumacz raz, wykorzystuj wszędzie

Klasyczne narzędzia CAT oferują pamięć tłumaczeniową, którą trzeba ręcznie aktualizować i z której kopiuje się teksty. Transept buduje ją automatycznie podczas pracy i – czego nie potrafią zwykłe narzędzia AI – przekazuje ją z powrotem do modelu, dzięki czemu kolejne tłumaczenie uwzględnia już wcześniej podjęte decyzje.

  1. Zapamiętuje na bieżąco

    Każdy zatwierdzony blok jest automatycznie dodawany do pamięci tłumaczeniowej – zarówno własna praca, jak i całego zespołu. Brak oddzielnej bazy danych do zarządzania, brak etapu eksportu. W momencie gdy tłumaczenie staje się aktywne, można je ponownie wykorzystać.

  2. Dopasowania pojawiają się podczas tłumaczenia

    Po wybraniu bloku panel Pamięć wyświetla najbliższe wcześniejsze tłumaczenia – dopasowane pod kątem znaczenia, a nie tylko słownictwa. Wyszukiwanie semantyczne ujawnia segmenty o tym samym znaczeniu, nawet jeśli są inaczej sformułowane, w połączeniu z dokładnymi i rozmytymi dopasowaniami tekstu; wskaźnik procentowy pokazuje stopień podobieństwa. Jedno kliknięcie kopiuje tekst docelowy lub wstawia go do bloku.

  3. AI tłumaczy z wykorzystaniem pamięci

    To, czego nie potrafi glosariusz ani zwykły model LLM: dopasowania stają się kontekstem referencyjnym w prompcie, dzięki czemu funkcje tłumaczenia, korekty i wyszukiwania ponownie wykorzystują ustalone słownictwo, zamiast za każdym razem wymyślać nowe sformułowania.

  4. Własne zasoby i przeszukiwanie wszystkiego

    Wystarczy zaimportować istniejącą pamięć w formacie TMX lub XLIFF, aby móc ją przeszukiwać od pierwszego dnia. Zakres wyszukiwania można ograniczyć do jednego dokumentu, projektu lub całego zespołu – i przeszukiwać wcześniejsze komentarze oraz czat obok tłumaczeń.

Gdzie ponowne użycie zwraca się z nawiązką

Powtarzalne dokumenty

Instrukcje, umowy, informacje o wydaniu, katalogi produktów – to samo zdanie przetłumaczone raz i ponownie wykorzystane tam, gdzie się powtarza, zamiast ponownego tłumaczenia i ponoszenia kosztów.

Spójność w całej bibliotece

Centrum pomocy lub zestaw dokumentacji, gdzie to samo ostrzeżenie, ten sam krok i ten sam standardowy tekst muszą brzmieć identycznie w każdym artykule i w każdym języku.

Pamięć, która zapamiętuje powody

Nie tylko ostateczne sformułowanie – odrzucone alternatywy i komentarze stojące za wyborem również wracają, dzięki czemu model ponownie wykorzystuje podjęte decyzje, a nie tylko same słowa.

Na czym polega różnica✦

Opierając się wyłącznie na dopasowaniach, branża osiągnęła swój pułap. Trados i memoQ to szczytowe osiągnięcia starego paradygmatu – dopasowania dokładne i rozmyte, a na samym szczycie dopasowania kontekstowe (101% w memoQ: segment plus jego sąsiedzi). To baza danych, którą się przeszukuje, i została ona doprowadzona do perfekcji. Czego nie potrafi, to znaleźć zdania, które oznacza to samo, ale jest ujęte w inne słowa. Transept łączy trzy rodzaje dopasowań – dokładne, rozmyte i semantyczne (oparte na znaczeniu) – w jeden rankingowy wynik, dzięki czemu parafraza pojawia się obok niemal identycznego duplikatu. Samodzielne wyszukiwanie semantyczne jest ryzykowne (przepuści bliskie odpowiedniki, takie jak „ileum” zamiast „ilium”); połączenie go z dopasowaniem dokładnym i rozmytym zapewnia precyzję.

Większa różnica dotyczy tego, gdzie znajduje się pamięć. W przypadku Phrase, Smartcat i reszty jest to zorganizowana baza danych obok edytora – przeszukuje się ją, wypełnia segment, a model wybiera silnik. Lilt idzie o krok dalej i dostraja model na podstawie wcześniejszych prac, ale to wagi, których nie można sprawdzić, a nie wyszukiwanie, które można zweryfikować. Transept utrzymuje pamięć tłumaczeniową przy życiu: jest ona wprowadzana do szkicu i etapu QA, można ją przeszukiwać we wcześniejszych komentarzach, czatach i całych dokumentach – nie tylko w parach segmentów – i podróżuje z projektem, zamiast siedzieć w pudełku, o którego otwarciu trzeba pamiętać. (W przypadku lokalizacji oprogramowania na poziomie ciągów znaków, z pamięcią przypisaną do identyfikatorów komunikatów i podłączoną do CI/CD, narzędzie takie jak Lokalise nadal będzie lepszym wyborem – Transept został stworzony do dokumentów i treści).

FAQ✦

Odpowiedzi na pytania bez owijania w bawełnę

  • Tak – jest wbudowana w każdy plan, w tym plan Free. Nie ma oddzielnego dodatku ani dodatkowej bazy danych do zarządzania. Każde zatwierdzone tłumaczenie automatycznie zasila pamięć tłumaczeniową.
  • Glosariusz przypina pojedyncze terminy – nazwy, słowa związane z produktem, frazy. Pamięć tłumaczeniowa dopasowuje całe segmenty – zdania i akapity, które zostały już przetłumaczone. Uzupełniają się one wzajemnie: glosariusz dba o spójność słownictwa, a pamięć zapobiega ponownemu tłumaczeniu tego samego zdania. Większość profesjonalistów korzysta z obu tych rozwiązań.
  • Tak – wystarczy wyeksportować ją jako TMX lub XLIFF i przesłać. Istniejące pary źródłowe i docelowe można natychmiast przeszukiwać i zasilają one AI tak samo, jak każda inna pamięć.
  • Nie. Słowa są wydawane na tłumaczenie nowego tekstu. Kopiowanie, wstawianie lub ponowne użycie dopasowania z pamięci nic nie kosztuje.
  • Trados i memoQ to najlepsze przykłady klasycznej pamięci CAT: baza segmentów z dopasowaniami dokładnymi, rozmytymi i kontekstowymi (101%). Istnieją dwie różnice. Po pierwsze, dopasowywanie – zatrzymują się one na podobieństwie tekstu, podczas gdy Transept dodaje wyszukiwanie semantyczne, dzięki czemu znajduje zdanie o tym samym znaczeniu, nawet jeśli zostało sformułowane inaczej. Po drugie, miejsce, w którym znajduje się pamięć – u nich jest to panel przeszukiwany obok edytora; pamięć tłumaczeniowa Transept buduje się sama na podstawie zatwierdzonej pracy i jest przekazywana do szkicu AI oraz etapu QA.
  • Phrase i Smartcat to potężne platformy, które organizują pamięć w ramach projektów i klientów – Phrase potrafi nawet automatycznie wybrać silnik MT i ocenić każdy segment. Ale to wciąż tylko dopasowywanie i wypełnianie: pamięć to baza danych, z której czerpie przepływ pracy, a model wybiera silnik, zamiast pozwalać pamięci kierować szkicem. Lilt z kolei dostraja model na podstawie wcześniejszych prac – to potężne rozwiązanie, ale opiera się na wagach, a nie na wyszukiwaniu, które można sprawdzić lub zaimportować. Pamięć tłumaczeniowa Transept to kontekst, w którym tłumaczy AI, zbudowany z hybrydowego wyszukiwania, które jest w pełni widoczne.
  • Do pracy z dokumentami i treścią zazwyczaj nie – tłumaczenie, pamięć tłumaczeniowa, glosariusz, QA i eksport znajdują się w jednym miejscu. W przypadku lokalizacji oprogramowania na poziomie ciągów znaków (pamięć tłumaczeniowa przypisana do identyfikatorów komunikatów, podłączona do CI/CD), warto połączyć Transept z narzędziem takim jak Lokalise. Import i eksport obsługują formaty TMX i XLIFF, więc nic nie jest zablokowane w żadną stronę.
  • To pamięć tłumaczeniowa dostosowana do ery LLM. Zamiast tylko pobierać wcześniejszy segment do wklejenia, dopasowania są przekazywane do promptu tłumaczeniowego jako punkt odniesienia, dzięki czemu etap tłumaczenia maszynowego ponownie wykorzystuje ustalone sformułowania. To ta sama idea co w klasycznej pamięci tłumaczeniowej, ale zastosowana do sposobu, w jaki AI faktycznie generuje tekst.
Powiązane✦

Czytaj dalej o tej funkcji

❧

Koniec z płaceniem dwa razy za tłumaczenie tego samego zdania

Zacznij tłumaczyć→

Darmowy start · Karta nie jest wymagana