Почему мы верим в LLM вместо DeepL для нашего плагина перевода WordPress

Robbert Vermeulen

Robbert Vermeulen

· 3 мин чтения

В быстро развивающейся области машинного перевода, крупные языковые модели (LLM) стали мощными инструментами, которые часто превосходят традиционные переводческие сервисы. В EPIC WP мы решили использовать LLM для нашего плагина AI Automatic Translation для Polylang, считая, что они предлагают лучшие результаты по сравнению с такими сервисами, как DeepL. Эта статья исследует причины нашего выбора и преимущества, которые LLM приносят в процесс перевода.

Краткий обзор LLM и традиционных переводческих сервисов

Крупные языковые модели — это системы искусственного интеллекта, обученные на огромных объемах текстовых данных из разных языков и доменов. Они используют техники глубокого обучения, в особенности трансформерные архитектуры, для понимания и генерации текста, подобного человеческому. С другой стороны, традиционные переводческие сервисы, такие как DeepL, обычно используют более специализированные модели нейронного машинного перевода (NMT), сосредоточенные конкретно на задаче перевода.

Ключевые преимущества LLM в переводе

  1. Контекстное понимание: LLM обладают более глубоким пониманием контекста и нюансов языка. Они лучше воспринимают идиоматические выражения, культурные ссылки и тонкие смыслы, которые могут быть утеряны в буквальных переводах.
  2. Многоязычные возможности: Многие LLM обучены на данных из множества языков одновременно, что позволяет им хорошо работать во множестве языковых пар, не требуя отдельных моделей для каждой пары.
  3. Адаптивность к домену: LLM легче адаптируются к различным доменам и стилям текста, чем специализированные модели перевода, что делает их универсальными для разных типов контента.
  4. Обработка неоднозначности: Благодаря более широкому пониманию языка, LLM часто лучше разрешают неоднозначности в исходном тексте, приводя к более точным переводам.
  5. Последовательность в содержании длинного формата: LLM могут поддерживать последовательность в терминологии и стиле в более длинных текстах, что важно для таких документов, как научные работы или литературные произведения.
  6. Креативность в переводе: В обработке креативных или литературных текстов LLM часто могут предоставлять более естественные и плавные переводы, захватывающие суть оригинального текста.

Сила диалоговых подсказок и системных промтов

Одна из самых убедительных причин, почему мы верим в LLM больше, чем в традиционные переводческие сервисы, такие как DeepL, это возможность использования диалоговых подсказок и системных промтов. Эта функция является настоящим инструментом изменения правил игры в области перевода, особенно для сайтов с контентом, специфичным для отрасли.

Настройка переводов под конкретные отрасли

С помощью LLM мы можем эффективно «программировать» переводчика для того, чтобы он стал экспертом в области сайтов наших клиентов. Это достигается через тщательно продуманные системные промты и диалоговый контекст. Вот почему это важно:

  1. Терминология, специфичная для отрасли: Мы можем инструктировать LLM использовать лексику и жаргон, специфичные для определенной отрасли, обеспечивая, что переводы не только лингвистически корректны, но и профессионально точны.
  2. Контекстные нюансы: Предоставляя контекст о отрасли или области в системной подсказке, LLM может лучше понять и передать тонкие нюансы, которые могут быть утеряны в общем переводе.
  3. Адаптация тона и стиля: Мы можем направлять LLM на принятие соответствующего тона и стиля для данной отрасли, будь то формальный для юридического контента, технический для сайтов инженерии или неформальный для блогов о стиле жизни.
  4. Последовательный голос бренда: Для бизнес-сайтов мы можем инструктировать LLM сохранять последовательный голос бренда во всем переводимом контенте, сохраняя уникальный стиль общения компании.
  5. Обработка специализированного контента: Будь то медицинская терминология, технические спецификации или креативные маркетинговые тексты, LLM могут быть настроены на правильную обработку этих специализированных типов контента.

Гибкость и настройка

Такой уровень настройки просто невозможен с традиционными переводческими сервисами, такими как DeepL. С помощью нашего AI Automatic Translation плагина для Polylang, владельцы сайтов могут воспользоваться переводами, которые не только лингвистически точны, но и:

  • Контекстуально подходящи для их конкретной отрасли
  • Соответствуют голосу их бренда и стилю общения
  • Способны обрабатывать специализированный или технический контент
  • Адаптируемы к различным разделам сайта (например, формальные для юридических страниц, увлекательные для блогов)

Используя силу диалоговых подсказок и системных промтов, мы способны предоставлять решение для перевода, которое выходит за рамки простого перевода слова в слово. Вместо этого, это предлагает сложную, контекстно-зависимую услугу перевода, которая может по-настоящему уловить и осмыслить исходное значение и тон оригинального контента, независимо от отрасли или области.

Сравнительные примеры: DeepL vs. LLM на базе OpenAI

Чтобы иллюстрировать преимущества LLM в переводе, давайте рассмотрим три примера, где LLM на базе OpenAI (как используется в нашем AI Automatic Translation плагине для Polylang) превосходит DeepL за счет лучшего понимания контекста и обработки нюансированного языка.

Пример 1: Контекстное понимание и разговорный язык

Этот пример из голландского сайта, продающего товары для фестивалей. Описание продукта использует разговорный язык и культурные отсылки, требующие нюансированного понимания для эффективного перевода.

Оригинал (голландский): «De doorgewinterde festival bezoeker herkent het wel. Lekker zeuren bij de bar om een dopje voor je flesje te scoren. Ook een heel arsenaal aan dopjes smokkelen is met de PartyDop verleden tijd! Deze blauwe universele dop past op alle waterflesjes die op festivals worden verkocht.»

Перевод DeepL: «Опытный посетитель фестивалей узнает это. Ныть у бара, чтобы добыть крышечку для своей бутылки. Контрабанда целого арсенала крышечек также в прошлом с PartyDop! Эта синяя универсальная крышка подходит на все бутылки с водой, продаваемые на фестивалях.»

Перевод LLM на базе OpenAI: «Опытный посетитель фестиваля знает это хорошо: хлопоты с выпрашиванием крышечки для бутылки у бара. Провоз целого арсенала крышечек теперь в прошлом благодаря PartyCap! Эта синяя универсальная крышка подходит на все бутылки с водой, продаваемые на фестивалях.»

Анализ: Хотя оба перевода в общем точны, перевод LLM показывает лучшее понимание контекста и разговорного языка:

  1. «Посетитель фестиваля» против «посетитель фестиваля»: LLM выбирает более естественный термин в английском.
  2. «Знает это хорошо» лучше передает намек на знакомство, чем «узнает это».
  3. «Хлопоты с выпрашиванием» лучше передает подразумеваемое раздражение выражения «Lekker zeuren», чем «ныть».

Этот пример демонстрирует, как LLM лучше передает тон и подразумеваемые значения в оригинальном тексте, создавая перевод, который кажется более естественным и увлекательным для целевой аудитории.

Пример 2: Литературный перевод и культурные нюансы

Этот пример — абзац из известной китайской истории, который требует не только лингвистической точности, но и понимания культурного контекста и литературного стиля.

Оригинал (китайский): 我从十二岁起,便在镇口的咸亨酒店里当伙计,掌柜说,样子太傻,怕侍候不了长衫主顾,就在外面做点事罢。外面的短衫主顾,虽然容易说话,但唠唠叨叨缠夹不清的也很不少。他们往往要亲眼看着黄酒从坛子里舀出,看还如何舀法,然后各种指摘:酒色太深,是旧酒;酒色太浅,是水酒;喝了一口,烧喉咙,哪里是好酒?……我早就知道这种顾客的话不足深信,但谁叫他们是顾客呢?顾客自然可以随意饶舌。只有一种顾客,叫作孔乙己的,总是匿在柜台的角落里,才是值得只配外面的短衫主顾的。

Перевод DeepL (английский): «С тех пор как мне было двенадцать лет, я работаю официантом в Xian Heng Hotel на входе в город. Хозяин сказал, что я слишком глуп, чтобы обслуживать клиентов в длинных рубашках, поэтому я должен был выполнять работу снаружи. Клиенты в коротких рубашках снаружи были легки в общении, но также было много занудных и надоедливых клиентов. Они часто требуют лично посмотреть, как желтое вино выливается из алтаря, смотрят, как это сделать, и затем предъявляют различные обвинения: цвет вина слишком темный, это старое вино; цвет вина слишком светлый, это водяное вино; после глотка, сжигает горло, где же хорошее вино?…… Я давно знал, что слова таких клиентов не стоят доверия, но кто же их заставил быть клиентами? Клиенты, конечно, могут свободно высказывать свои мнения. Есть только один такой клиент, которого зовут Конг И Цзи, который всегда прятался в углу стойки, и он достоин только клиентов в коротких рубашках снаружи.»

Перевод LLM на базе OpenAI (английский): «С тех пор как мне было двенадцать лет, я работаю слугой в таверне Xianheng у входа в город. Хозяин сказал, что я выгляжу слишком глупо и мог бы не справиться с обслуживанием клиентов в длинных робах, так что мне пришлось работать снаружи. Хотя клиенты наружи в коротких робах были легче в общении, все равно было довольно много тех, кто был бесконечно придирчивым и неясным в своих требованиях. Они часто требовали смотреть, как желтое вино вычерпывается из кувшина, внимательно рассматривая, как это делается, и затем жаловались на разные манеры: вино слишком темное, это старое вино; вино слишком светлое, оно разбавлено; после глотка, оно горит в горле — как это может быть хорошее вино? … Я давно знал, что словам таких клиентов не стоит доверять на все сто, но поскольку они клиенты, они, конечно, могут свободно говорить. Был только один тип клиента, называемый Конг И Цзи, который всегда прятался в углу стойки, и его действительно стоило только достойным клиентам в коротких робах снаружи.»

Анализ: Перевод LLM демонстрирует превосходное понимание культурного контекста и литературного стиля:

  1. «Таверна Xianheng» против «Xian Heng Hotel»: LLM правильно идентифицирует ее как таверну, а не современный отель, сохраняя исторический контекст.
  2. «Клиенты в длинных робах» против «клиенты в длинных рубашках»: Выбор LLM лучше передает социальный статус, подразумеваемый одеждой.
  3. «Выловлено из кувшина» против «вылито из алтаря»: LLM точно описывает действие без путаницы, вызванной неверным переводом «坛子» (кувшин) как «алтарь».
  4. «Разбавлено» против «водяное вино»: LLM использует более естественное английское выражение для передачи смысла.
  5. В целом, перевод LLM имеет более целостное повествовательное течение, лучше передавая литературный стиль оригинального текста, чем версия DeepL.

Этот пример демонстрирует, как LLM может обрабатывать сложные литературные тексты, сохраняя не только буквальный смысл, но и тон, культурные нюансы и повествовательный стиль оригинальной работы.

Пример 3: Технический жаргон и идиоматические выражения

Этот пример содержит описание продукта для вымышленного программного средства, сочетающего техническую терминологию с идиоматическими выражениями и творческим языком.

Оригинал (английский): «TechWizPro не является вашим заурядным помощником по кодированию. Это изменение правил, которое убивает двух зайцев одним выстрелом — повышая производительность и одновременно уничтожая ошибки, как никто другой. Наш синтаксический предсказатель с поддержкой ИИ настолько умен, что заставит вас почувствовать, что он читает ваши мысли! Скажите прощай стрессовым сеансам отладки и привет плавным развертываниям кода. С его алгоритмами, вдохновленными квантовой механикой, TechWizPro не только мыслит нестандартно — он полностью разрушает стандартные рамки. Независимо от того, вы новичок в программировании или опытный профессионал, этот инструмент станет вашим секретным оружием в цифровой гонке вооружений. Не позволяйте вашим проектам стать быком в посудной лавке — пусть TechWizPro станет вашим клоуном кодирования, удерживая диких багов на расстоянии!»

Перевод DeepL (испанский): «TechWizPro no es el típico asistente de programación. Es un cambio de juego que mata dos pájaros de un tiro — aumentar la productividad mientras aplasta errores como nadie. Nuestro predictor de sintaxis basado en IA es tan inteligente que te hará sentir como si leyera tu mente. Despídete de las sesiones de depuración que te tiran de los pelos y da la bienvenida a despliegues de código suaves como la seda. Con sus algoritmos de inspiración cuántica, TechWizPro no sólo piensa fuera de la caja, sino que la rompe por completo. Tanto si eres un novato en codificación como un profesional experimentado, esta herramienta será tu arma secreta en la carrera armamentística digital. No deje que sus proyectos se conviertan en un toro en una cacharrería: ¡deje que TechWizPro sea su payaso de rodeo de codificación, manteniendo a raya a esos bichos salvajes!»

Перевод LLM на базе OpenAI (испанский): «TechWizPro no es tu asistente de codificación común y corriente. Es un cambio de juego que mata dos pájaros de un tiro: aumenta la productividad mientras elimina errores como nadie. Nuestro predictor de sintaxis impulsado por IA es tan inteligente que te hará sentir como si leyera tu mente. ¡Di adiós a las sesiones de depuración frustrantes y hola a implementaciones de código sin problemas! Con sus algoritmos inspirados en la computación cuántica, TechWizPro no solo piensa fuera de la caja, ¡la destruye por completo! Ya seas un principiante en programación o un profesional experimentado, esta herramienta será tu arma secreta en la carrera digital. No dejes que tus proyectos se conviertan en un toro en una tienda de porcelana: deja que TechWizPro sea tu payaso de rodeo de codificación, manteniendo a raya esos errores salvajes.»

Анализ: Оба перевода в общем точны, но перевод LLM демонстрирует некоторые тонкие улучшения в обработке идиоматических выражений и поддержании общего тона:

  1. «Заурядный»: LLM «заурядный» лучше передает идиому, чем более буквальный перевод DeepL «типичный».
  2. «Уничтожает ошибки»: LLM «уничтожает ошибки» звучит более естественно, чем буквальное «апластает ошибки» DeepL.
  3. «Стрессовые сеансы отладки»: LLM передает чувство фрустрации с помощью «стрессовых сеансов отладки», в то время как «сеансы отладки, которые вырывают вам волосы» у DeepL более буквальны.
  4. «Плавные развертывания кода»: LLM передает значение более естественно с «плавные развертывания кода», чем буквальный «суавистые развертывания кода» DeepL.
  5. «Алгоритмы, вдохновленные квантовой механикой»: LLM «алгоритмы, вдохновленные квантовой механикой» более точны, чем «алгоритмы с квантовым вдохновением» DeepL.
  6. Последовательность в неформальном тоне: LLM поддерживает последовательный неформальный тон (используя форму «ты»), в то время как DeepL переключается между формальной и неформальной («ты» и «вы»).
  7. «Бык в посудной лавке»: оба перевода адаптируют эту идиому хорошо, но «посудная лавка» LLM более привычна, чем «магазин фарфора» DeepL.

Этот пример демонстрирует, как перевод LLM обеспечивает более тонкое обращение с идиоматическими выражениями и поддерживает более последовательный тон, а также показывает небольшое преимущество в переводе технической терминологии. Различия тонкие, но они создают более естественно звучащий и увлекательный перевод, который лучше передает дух оригинального текста.

Проблемы и соображения

Хотя LLM предоставляют значительные преимущества, есть некоторые проблемы, которые стоит учитывать:

  1. Вычислительные ресурсы: LLM требуют значительной вычислительной мощности, что может сделать их менее практичными для задач перевода в реальном времени по сравнению с более лёгкими моделями.
  2. Ограничения по токенам: LLM часто имеют максимальное количество токенов, которые они могут обработать за один раз, что может быть ограничением при переводе очень длинных документов.
  3. Скорость: Переводы с использованием LLM обычно занимают больше времени по сравнению со специализированными переводческими сервисами. Однако мы считаем, что этот компромисс стоит качества и контекстной точности переводов.

Заключение

Хотя традиционные переводческие сервисы, такие как DeepL, добились значительных успехов в машинном переводе, мы считаем, что крупные языковые модели предлагают превосходный подход благодаря их контекстному пониманию, многоязычным возможностям и адаптивности. Несмотря на такие проблемы, как вычислительные требования и скорость обработки, качество переводов, производимых LLM, часто оправдывает эти компромиссы.

Возможность использования диалоговых подсказок и системных промтов выделяет LLM в области перевода. Позволяя нам настраивать процесс перевода под конкретные отрасли и контексты, LLM предлагают уровень настройки и точности, который традиционные сервисы просто не могут обеспечить.

Наши сравнительные примеры демонстрируют, как LLM превосходят в обработке разговорного языка, сохранении культурных нюансов в литературных текстах и навигации по сложностям технического жаргона с идиоматическими выражениями. Эти возможности приводят к переводам, которые не только лингвистически точны, но и культурно соответствуют и богаты контекстом.

Используя LLM в нашем плагине AI Automatic Translation для Polylang, мы намерены предоставить пользователям WordPress переводы, которые не только передают буквальное значение текста, но и захватывают его нюансы, стиль и культурный контекст. Поскольку технологии LLM продолжают быстро развиваться, мы с нетерпением ждем будущих возможностей и остаемся привержены использованию этих достижений для предоставления лучших решений для перевода для пользователей Polylang.

В все более взаимосвязанном мире, где эффективное общение через языковые барьеры становится как никогда важным, мы верим, что инструменты перевода на базе LLM будут играть ключевую роль в содействии пониманию и сотрудничеству на глобальном уровне. Выбирая LLM вместо традиционных услуг перевода, мы не просто идем в ногу с технологическими достижениями – мы активно формируем будущее многоязычного контента в интернете.

Robbert Vermeulen

Robbert Vermeulen

Founder of EPIC WP Solutions

Посмотреть все записи →