Translated, Lara 3’ü Başlattı, Uzmanlaşmış Çeviri AI’sının Gerekçesini Sunuyor

Bir çeviri güzel okunabilir ancak işi hâlâ yanlış yapabilir. Bir ürün terimi bir kılavuzun ortasında değişir, bir destek mesajı bağlamını kaybeder ya da bir kampanya özgün sesini korumadan başka bir dile gelir. Bunlar, Translated’in Lara 3 genel sürümü ve uzmanlaşmış AI çeviri modeliyle hedeflediği sorunlardır.

7 Ekim’de duyurulan lansman, Lara 3’ü işletmelere, profesyonel çevirmenlere ve bireysel kullanıcılara Lara API, TranslationOS ve Lara Translate aracılığıyla sunuyor. Temmuz ayında seçilmiş ortaklara bir tanıtımın ardından geliyor ve genel amaçlı AI modellerinin giderek kalabalıklaştığı bir pazara odaklı bir çeviri sistemi getiriyor.

Başlık iddiası önemli: Translated’ın kör değerlendirmelerinde, profesyonel çevirmenler Lara 3 çevirilerinin %82’sini mükemmel olarak puanlayarak hiçbir düzenleme gerektirmedi. Şirket, test ettiği genel AI ve özel çeviri araçları için daha düşük puanlar bildirdi. Daha ilginç soru ise çevirinin gerçek bir üretim iş akışının parçası haline geldiğinde uzmanlaşmanın ne kadar katkı sağladığıdır.

Kıyaslamanın Ölçtükleri

Lansman duyurusuna göre, değerlendirme İngilizceden 21 kurumsal yerelleştirme diline 16.800 çeviriyi kapsadı. Kitaplar, haberler ve kullanıcı sohbetlerini içeren WMT25 materyalini seyahat, teknoloji ve finans alanındaki özel kurumsal içerikle birleştirdi.

21 dil çifti arasında ortalama alındığında, Translated aşağıdaki mükemmel olarak puanlanan çeviri oranlarını rapor ediyor:

• Lara 3: 82%
• GPT-5.6 Sol: 69%
• Claude Fable 5: 67%
• DeepL: 57%
• Google Translate: 53%

Duyuru, Lara’nın 21 dil çiftinden 20’sinde birinci olduğunu belirtiyor. Lara’nın kamu kıyaslama metodolojisi notu, üç profesyonel çevirmenin en az ikisi tarafından çoğunluk kararı olarak tanımlanıyor. Bunlar, her dil, alan veya belge için evrensel bir doğruluk derecelendirmesi yerine, tanımlı bir test seti üzerinde şirket tarafından raporlanan sonuçlardır.

Bu ayrım önemlidir. İngilizceden hedef dile performans, çevirinin her yönü için aynı sıralamayı sağlamaz ve yüksek bir toplu puan, diller ya da içerik türleri arasındaki farkları gizleyebilir. Bir yerelleştirme ekibi için ilgili test, kendi terminolojisi, materyali ve inceleme standartlarıdır.

Dağıtımdan Önce Pratik Yapan Bir Model

Translated’ın Lara 3’ün teknik tanıtımı, “yaparak öğrenme” dediği bir eğitim yaklaşımını açıklıyor. Taklit temel olmaya devam eder, ancak model ardından alternatif çeviriler üretme pratiği yapar. Profesyonel inceleyicilerin uzmanlığıyla şekillenen otomatik bir yargıç, bu denemeleri değerlendirir ve model başarılı seçimleri pekiştirirken zayıf olanları düzeltir.

Şirket, bu döngünün eğitim sırasında milyonlarca kez çalıştığını söylüyor. Ortaya çıkan davranış dağıtılan modele yerleştirilir; bu, her müşteri talebinin yeni bir eğitim süreci başlatacağı anlamına gelmez.

Bu yaklaşım, çeviride sıkça karşılaşılan bir zorluğu ele alır: bir cümlenin birkaç geçerli versiyonu olabilir, ancak yalnızca bazıları çevredeki materyale uyar. Bu alternatifleri değerlendirmeyi öğrenmek, tek bir referans cevabı yeniden üretmekten farklı bir hedef sunar.

Duyuruda, kurucu ortak ve CEO Marco Trombetti, çeviri kalitesinin sorunu derinlemesine anlamaya bağlı olduğunu savunuyor. Akıcılık tek başına yeterli değildir; belirsiz bir ifade, hatalı bir teknik terim ya da kaçırılmış bir kültürel ipucu, okuyucunun anladığını değiştirdiğinde.

Bağlam İş Akışının Bir Parçasıdır

Eğitim sadece bir katmandır. Lara’nın geliştirici belgeleri, sistemin tek tek cümleleri çevirirken ilgili belge bağlamını nasıl kullandığını açıklar. Daha uzun girdiler için, çevre metni ek model girişi olarak sağlayarak cümleleri paralel olarak çevirebilir.

Geliştiriciler ayrıca çeviriyi bilgilendirmesi gereken ancak kendisi çevrilmeyen dış bağlam da sağlayabilir. Örneğin bir blog başlığı, makalenin gövdesiyle birlikte sunulabilir ya da yeni bir sohbet mesajı önceki konuşmayla birlikte verilebilir. Bu, profesyonel çeviri araçları bir belgeyi zaten ayrı bölümlere ayırmış olduğunda özellikle faydalıdır.

Kurumsal kullanıcılar için bu yetenek pratik bir amaca hizmet eder: küçük içerik parçalarını onlara anlam kazandıran bilgiyle bağlamak. Sözlükler ve onaylı çeviri hafızaları, özellikle aynı ürün terminolojisi bir web sitesi, dokümantasyon ve müşteri desteğinde göründüğünde, ek bir tutarlılık katmanı ekler.

Kalite Puanlarından Üretim Ekonomisine

Duyuru ayrıca ayrı hız ve maliyet kıyaslamalarını da rapor ediyor. Tek iş parçacıklı bir testte, Translated, Lara 3’ün Claude Fable 5’in işlem hacminin 23 katını sağladığını ve aynı bütçeyle 3,75 kat daha fazla karakter çevirdiğini belirtiyor. Bu karşılaştırmalar kalite değerlendirmesinden farklıdır ve test edilen ortam içinde anlaşılmalıdır.

Lara’nın API platformu düz metnin ötesine geçerek HTML ve XLIFF yerelleştirme içeriği, belgeler, görseller ve ses dosyalarını da kapsar. Ürün sayfası, düzen koruması sağlayan 70’ten fazla belge formatı desteği ve sözlük ile çeviri belleği entegrasyonu sunduğunu belirtir. Kapsam, giriş türüne göre değiştiğinden, metin‑dil desteğinin ses ya da görsellere aynı şekilde uygulanacağını varsamamak gerekir.

Translated, 1999 yılında dilbilimci Isabelle Andrieu ve bilgisayar bilimcisi Marco Trombetti tarafından kuruldu. Lansman duyurusuna göre şirket, 200 dil ve 40’tan fazla konu alanında 300.000’den fazla müşteriye hizmet veriyor. Bu geçmiş, Lara’nın yerelleştirmenin daha az göz alıcı gereksinimlerine—tutarlı terminoloji, bağlamsal doğruluk ve amacına uygun çıktı—verdiği önemi açıklamaya yardımcı olur.

Lara 3’ün genel kullanıma sunulması, uzmanlaşma argümanını bir ürün kararı haline getiriyor. Bildirilen kıyaslama üstünlüğü araştırmaya değer bir neden; daha kritik test ise gerçek içerikte düzenleme ve entegrasyon işini azaltıp azaltmadığıdır. Ölçekli çeviri yapan ekipler için, anlamı güvenilir bir şekilde korumak, modelin ilk etkileyici cümleden çok sonra da faydalı olmasını sağlar.