Ertas para Traducción y Localización

The Challenge

La traducción en dominios especializados es fundamentalmente diferente de la traducción de propósito general. Los documentos médicos requieren traducción precisa de nombres de medicamentos, términos anatómicos e instrucciones de dosificación donde un error puede poner en peligro a los pacientes. Los contratos legales deben preservar el significado exacto de las cláusulas entre idiomas, incluyendo conceptos legales específicos de jurisdicción que no tienen equivalente directo. La documentación técnica necesita traducción consistente de terminología de producto, nombres de API y etiquetas de interfaz que coincidan con la versión localizada del software.

Los modelos de traducción genéricos — incluso los de alta calidad — fallan consistentemente en estos requisitos específicos del dominio. Traducen nombres de marca cuando deberían dejarse intactos, usan términos médicos coloquiales en lugar de clínicos y producen frases legalmente ambiguas de cláusulas contractuales. El costo de post-edición de traducciones genéricas en dominios especializados a menudo supera el costo de traducir desde cero, porque los revisores deben verificar cada término y frase contra glosarios y guías de estilo específicos del dominio.

The Solution

Ertas permite a las organizaciones ajustar modelos de traducción con su propio material bilingüe: memorias de traducción, traducciones aprobadas anteriormente y ejemplos que respetan el glosario. Al entrenar con traducciones correctas de su propio dominio, el modelo aprende la terminología preferida de la organización, sus convenciones de estilo y el tratamiento de los términos que se dejan sin traducir. Ertas Studio acepta pares de texto paralelo en formato JSONL, o un dataset importado desde Hugging Face, y ejecuta el entrenamiento en GPU en la nube.

El modelo ajustado mantiene intactos los nombres de marca, usa la terminología aprobada de forma coherente y sigue las convenciones del mercado de destino: registro formal o informal, unidades métricas o imperiales, formatos de fecha y referencias culturales. Exportado desde Hub y ejecutado en los servidores de la organización, actúa como motor de primera traducción en un flujo con revisión humana y produce borradores que los traductores profesionales poseditan. Los documentos de origen que se traducen después de exportar el modelo se quedan en la infraestructura de la organización. La memoria de traducción que se usa para entrenar se carga en Ertas, así que elimina cualquier contenido confidencial antes de subirla. A medida que el glosario evoluciona y se lanzan nuevos productos, el equipo vuelve a entrenar en Ertas Studio a partir de su dataset guardado, con los nuevos pares aprobados añadidos.

Key Features

Example Workflow

Un fabricante global de dispositivos médicos traduce manuales de producto, documentación regulatoria y materiales de capacitación a 8 idiomas. Su flujo actual usa un motor de traducción automática genérico seguido de una posedición intensa por traductores especializados, con un costo medio de 12 centavos por palabra. El equipo de localización exporta 200,000 pares de traducción aprobados de su sistema de memorias de traducción, elimina datos de pacientes y detalles de productos no lanzados, y los carga en Ertas Studio. Los lingüistas revisan por muestreo cada par de idiomas en Data Craft. El equipo ajusta modelos específicos por par de idiomas que aprenden la terminología de producto de la empresa, su redacción regulatoria y sus preferencias de estilo, y luego compara cada entrenamiento con un conjunto reservado de traducciones aprobadas, midiendo la adherencia al glosario y el esfuerzo de posedición. Los modelos elegidos se exportan y se sirven en servidores internos conectados a la herramienta CAT. Los traductores poseditan cada borrador, y el equipo compara el tiempo de posedición y el costo por palabra con su línea base anterior antes de extenderlo a los ocho idiomas.