翻譯

The Challenge

專業領域的翻譯與通用翻譯根本不同。醫療文件需要精確翻譯藥物名稱、劑量單位和解剖術語，其中的錯誤可能危及患者。法律合約必須跨語言保留條款的精確含義，包括在目標語言中沒有直接對等的管轄權特定法律概念。技術文件需要一致翻譯產品術語、API 名稱和 UI 標籤，這些必須與軟體的本地化版本相匹配。

通用翻譯模型——即使是高品質的——在這些特定領域的要求上持續失敗。它們翻譯了本應保持不變的品牌名稱，使用口語化醫學術語而非臨床術語，並對合約條款產出法律上模糊的措辭。在專業領域後期編輯通用翻譯的成本往往超過從頭翻譯的成本，因為審查者必須對照特定領域詞彙表和風格指南檢查每個術語和措辭。

The Solution

Ertas 允許組織在其自有的雙語語料庫上微調翻譯模型，包括翻譯記憶庫、先前核准的翻譯和特定領域詞彙表。透過在其特定領域的正確翻譯範例上訓練，模型不僅學習語言對映射，還學習組織偏好的術語、風格慣例和不可翻譯術語的處理方式。Ertas Studio 接受 JSONL 格式的平行文字對，並端到端處理訓練管線。

微調模型保留品牌名稱，一致使用核准術語，並產出匹配目標市場慣例的翻譯——正式 vs. 非正式語體、公制 vs. 英制單位、日期格式和文化參考。透過 Ertas Cloud 或本地部署，模型在人機協作工作流程中作為第一道翻譯引擎，產出專業翻譯人員只需最少後期編輯的草稿。隨著組織的詞彙表演進和新產品推出，Ertas Studio 中的定期重新訓練使翻譯模型保持同步，無需從頭開始。

Key Features

Example Workflow

一家全球醫療器材製造商需要將產品手冊、監管提交文件和培訓材料翻譯成 8 種語言。其現有的翻譯工作流程依賴通用 MT 引擎，後續由專業翻譯人員進行大量後期編輯，平均每字成本 12 美分。本地化團隊從其翻譯記憶系統收集 200,000 對先前核准的翻譯對並上傳至 Ertas Vault。使用 Ertas Studio，他們微調語言對特定的模型，學習公司的產品術語、監管措辭慣例和風格偏好。微調模型作為 API 端點部署，與其 CAT 工具整合。後期編輯工作量減少 60%，術語一致性——以詞彙表遵循率衡量——從 78% 提升至 97%。每字成本降至 5 美分，每年為公司在翻譯成本上節省超過 $400,000，同時品質也有所提升。