什么是翻译智能？

翻译不是瓶颈，缺少上下文才是。

本地化长期以来一直被视为翻译问题。

多年来，整个行业一直围绕这一假设进行优化。翻译管理系统帮助团队让内容在工作流程中流转。机器翻译能更快地产出初稿。翻译记忆库会重复利用之前的语段。术语表有助于提高术语的一致性。审核步骤让人们有机会在内容上线前纠正错误。

这些系统提高了本地化效率。它们帮助企业将更多内容翻译成更多语言，并实现更强的运营控制。

但他们还没有解决本地化中最棘手的部分。

最难的部分已不再是生成翻译。如今，AI 可以在几秒钟内生成流畅的多语种文案。更难的问题在于，这份翻译是否适合其所服务的产品、品牌、市场以及所呈现其中的客户体验。

翻译在语法上可以正确，但仍可能不合格。

它可能会使用错误的产品术语。可能不符合品牌调性。可能无法传达营销信息的意图。可能对按钮来说太长。可能在翻译编辑器中看起来没问题，但放到实际产品中却显得不自然。可能保留了源文的字面意思，却失去了让原文奏效的细微之处。

这就是为什么翻译质量越来越多地不是受翻译结果本身的限制，而是受其周边智能的限制。

这就是翻译智能的作用。

翻译智能是将分散的产品、品牌、UI、市场和审校人员知识转化为更佳本地化决策的基础设施。它帮助人类和 AI 在翻译开始前理解内容的含义、呈现位置、应有的语言风格，以及必须遵循的约束。

简单来说：翻译智能为翻译提供所需的上下文，使其发挥作用。

为什么仅靠翻译还不够

大多数翻译工作流程都始于一段源文本。

该文本可能是产品字符串、帮助中心文章、电子邮件、营销活动标题、引导消息或法律声明。在许多系统中，译员或 AI 模型会看到源文本、目标语言以及可能的术语表匹配项。

但语言本身很少能传达足够的信息。

考虑一个简单的字符串：

创建项目

这看起来很容易翻译。但正确的翻译取决于几个问题。

它是按钮、菜单项，还是页面标题？“project”是正式的产品对象，还是泛指的普通词语？用户是在创建空白项目、导入项目，还是从模板开始？目标语言是否需要更明确的语法？按钮是否有字符限制？同一产品对象是否已在其他地方完成翻译？语气应当偏技术化、简洁，还是企业级？

没有此上下文，人类和 AI 都必须猜测。

同样的问题也会出现在营销本地化中。一则营销活动的标题用英语表达时可能简短、巧妙且富有感染力，但直译后可能无法在另一个市场传达相同的意图。译者不仅需要理解文字本身，还需要理解产品定位、受众、优惠内容、语气以及期望引发的反应。

它也会出现在支持内容中。帮助文章可能包含必须与界面保持一致的产品术语。如果文章使用了一个术语，而产品使用了另一个术语，即使每句话在语言上都正确，翻译也可能会让用户感到困惑。

这不仅仅是语言问题，也是语境问题。

瓶颈已从生产转向判断

AI 改变了翻译的经济模式。

生成初稿如今非常迅速。制作更多多语言内容比以往任何时候都更加容易。但这种速度也带来了新的挑战：团队必须决定哪些内容可以信任，哪些内容需要审核，以及哪些内容需要更深入地了解产品或市场。

换句话说，瓶颈已经从生产转移到了判断。

关键问题已不再只是：

我们如何翻译这个？

现在是：

这是此特定使用场景的正确翻译吗？

这个问题需要的不只是流利程度，还需要结合语境。

高质量的本地化决策需要考虑产品含义、用户意图、品牌调性、设计限制、术语规则、市场预期、合规要求以及以往的决策。当这些信息缺失时，本地化团队只能通过人工方式进行补偿。

译员提出问题。审校人员重写文案。产品经理解释功能。本地化经理收集截图。区域团队讨论语气。工程师修复 UI 溢出问题。不同项目反复做出相同的术语决策。

这并不意味着团队的本地化工作做得不好，而是意味着系统所承载的智能不足。

翻译智能 vs 翻译管理

翻译管理和翻译智能解决的是不同的问题。

翻译管理关乎协调。它帮助团队组织内容、分配工作、管理语言、跟踪进度并批准翻译。

翻译智能关乎决策质量。它帮助团队深入理解内容，从而正确地进行翻译、审校和调整。

翻译管理系统可以告知本地化经理某个字符串已准备好进行审核。

翻译智能层可以显示该字符串没有截图、与术语表规则冲突、使用了高风险产品术语、超出 UI 字符数限制，或与之前批准的翻译不同。

这一点很重要，因为本地化质量并不仅仅取决于工作流是否完成，还取决于做出翻译决策时可获得的知识。

在缺少上下文的情况下，即使是经验丰富的译员和先进的 AI 模型也会产生不一致的结果。有了上下文，工作流程会更加可靠。

翻译智能包括哪些内容

翻译智能汇集了本地化团队通常需要手动搜索的知识。

它包含产品上下文：某项功能的作用、用户与其交互的方式，以及短语所指的具体产品对象或操作。

它包含视觉上下文：屏幕截图、UI 位置、组件类型、字符限制和设计约束。

其中包括品牌背景：针对不同市场的声音、语调、信息传达原则以及预期的正式程度。

其中包括术语上下文：已批准的术语、产品名称、禁用词、术语表规则和特定领域语言。

它包括市场背景：文化期望、地区偏好、当地惯例，以及直译与本地化改编之间的差异。

它包含工作流上下文：需要由谁审核内容、内容涉及的风险级别，以及是否需要人工批准。

最重要的是，它包含决策历史：更改了什么、批准了什么、审阅者纠正了什么，以及为什么做出某个特定选择。

这正是传统本地化系统经常力有不逮的地方。它们可能会存储最终译文，但不一定会保留译文背后的思考过程。因此，团队记得翻译了什么，却不记得为什么这样翻译。

翻译智能改变了这一点。它将本地化知识转化为可复用的资产。

从翻译记忆库到决策记忆

翻译记忆库一直是本地化领域最重要的理念之一。它帮助团队重复利用之前的翻译、减少重复工作并保持一致性。

但是，翻译记忆库有一个局限：它会记住输出结果。

它并不总能记住上下文。

它可能会显示某个句子被翻译成了某种表达方式，但不会说明这一选择是出于品牌语调、界面空间、产品术语、法律偏好，还是审阅者的反馈。它可能不会显示该翻译在实际生产环境中是否表现良好，也可能不会解释同样的决定是否应适用于新功能或营销活动。

翻译智能将记忆的概念扩展到已翻译的文本片段之外。

它会创建决策记忆。

决策记忆记录了本地化选择背后的原因。它帮助团队了解的不仅是翻译了什么，还有为什么要采用这种翻译方式。当 AI 参与工作流程时，这一点尤为重要，因为 AI 能够从结构化上下文和人工反馈中学习，从而不断改进。

如果审阅者修改了某个术语，系统应该从这次修改中学习。如果区域专家解释了某个短语为何不适合当地市场，这些知识下次应该可以使用。如果产品经理澄清了某项功能的含义，这一解释今后应该随相关字符串一同提供。

本地化就是这样不断自我改进的。

实际操作中的样子

情境感知的本地化工作流程与传统的基于字符串的工作流程大不相同。

在开始翻译之前，系统会从工作已开展的工具中收集相关上下文。它可以了解内容来源，判断内容属于产品界面、帮助文章、营销页面还是宣传活动；可以附加屏幕截图、检测术语、识别相关字符串、检索之前的决策，并在翻译人员或审核人员看到任务之前提示风险。

在翻译过程中，AI 建议会受到产品知识、术语表规则、品牌语调和 UI 约束的指导。系统不会生成通用翻译，而是可以建议符合实际使用场景的翻译。

在审核过程中，不会要求人工从头开始检查所有内容。他们可以专注于需要判断的决策：含义模糊的术语、高影响力的文案、市场适配、法律风险、语气，或与先前指导意见相冲突的内容。

审核后，工作流不会简单地存储最终翻译结果，而是记录所做的更改，并将这些知识反馈到未来的工作中。

这是从一次性翻译任务转向将本地化作为学习系统的转变。

为什么 Hyperlocalise 围绕翻译智能构建平台主管?

在 Hyperlocalise，我们相信，下一代本地化软件的定义标准不会仅仅是翻译速度。

速度很重要。但没有上下文的速度可能会给审阅者带来更多工作、导致各市场之间出现更多不一致，并在发布前带来更多不确定性。

Hyperlocalise 正在将翻译智能融入本地化工作流，帮助团队从一开始就将上下文纳入流程。我们致力于帮助 AI 和人工审校人员获取所需信息并开展工作：产品上下文、屏幕截图、术语表规则、品牌语调、UI 约束、工作流要求，以及以往的本地化决策。

这很重要，因为大多数公司已经拥有实现更好本地化所需的知识。问题在于，这些知识散落各处。它们存在于产品工具、设计文件、支持平台、内容系统、审阅评论、Slack 讨论以及各个团队成员的头脑中。

Hyperlocalise 助力将这些知识转化为实际行动。

Hyperlocalise 旨在自动将恰当的上下文带入翻译体验，而不是让翻译人员和审校人员费力寻找上下文。Hyperlocalise 不把 AI 当作通用翻译器，而是利用上下文引导 AI 做出更好的决策。Hyperlocalise 不让审校人员的反馈在任务完成后消失，而是帮助将反馈转化为记忆，从而改进未来的工作。

目标不是消除人的判断，而是让人的判断更聚焦、更有依据且更易复用。

本地化的未来是具备上下文感知能力的

在全球取得成功的公司，不会只是翻译最多词语的公司，而是能够在每个市场中清晰、一致且自然地进行沟通的公司。

这需要的不仅仅是翻译。

这需要能够理解语言、产品、品牌、设计与客户体验之间关系的系统。

这就是翻译智能为何重要的原因。

它为本地化团队提供了更好的 AI 协作基础。它减少了重复收集上下文的工作量，帮助审校人员专注于高价值决策，提升产品、营销和支持内容之间的一致性。它保留了翻译选择背后的知识，让团队不必一次又一次地解决相同的问题。

翻译不再是瓶颈。

缺少上下文。

翻译智能是现代本地化团队弥合这一差距的方式。

若要进一步了解从翻译转向面向市场的沟通方式这一更广泛的转变，请参阅超本地化：为什么全球增长需要的不只是翻译。若要了解如何在评估平台时应用这些理念，请参阅如何选择持续本地化工作流。