Translated ra mắt Lara 3, khẳng định lý do cho AI dịch thuật chuyên biệt

Một bản dịch có thể trôi chảy và vẫn sai lầm. Một thuật ngữ sản phẩm có thể thay đổi giữa chừng trong hướng dẫn, một tin nhắn hỗ trợ mất ngữ cảnh, hoặc một chiến dịch xuất hiện bằng ngôn ngữ khác mà không giữ được giọng điệu gốc. Đó là những vấn đề Translated đang hướng tới với việc ra mắt chung Lara 3, mô hình AI dịch thuật chuyên biệt của nó.

Được công bố vào ngày 7 tháng 10, lần ra mắt đưa Lara 3 đến các doanh nghiệp, dịch giả chuyên nghiệp và người dùng cá nhân thông qua Lara API, TranslationOS và Lara Translate. Nó theo sau một buổi giới thiệu cho các đối tác được chọn vào tháng 7 và đưa một hệ thống dịch tập trung vào thị trường ngày càng đông đúc với các mô hình AI đa mục đích.

Câu khẳng định tiêu đề là đáng kể: trong các đánh giá mù của Translated, các dịch giả chuyên nghiệp đánh giá 82% bản dịch của Lara 3 là hoàn hảo, không cần chỉnh sửa. Công ty báo cáo điểm số thấp hơn cho AI chung và các công cụ dịch chuyên dụng mà họ đã thử nghiệm. Câu hỏi thú vị hơn là chuyên môn đóng góp gì khi dịch thuật trở thành một phần của quy trình sản xuất thực tế.

Những gì tiêu chuẩn đo lường

Theo thông cáo ra mắt, đánh giá bao gồm 16,800 bản dịch từ tiếng Anh sang 21 ngôn ngữ địa phương hóa doanh nghiệp. Nó kết hợp tài liệu WMT25 bao gồm sách, tin tức và các cuộc trò chuyện của người dùng với nội dung doanh nghiệp độc quyền trong lĩnh vực du lịch, công nghệ và tài chính.

Trung bình trên 21 cặp ngôn ngữ, Translated báo cáo các tỷ lệ phần trăm bản dịch được đánh giá là hoàn hảo như sau:

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

Thông cáo cho biết Lara đứng đầu ở 20 trong số 21 cặp ngôn ngữ. Lara’s bản ghi chú phương pháp chuẩn công khai mô tả một phán quyết đa số bởi ít nhất hai trong ba dịch giả chuyên nghiệp. Đây là kết quả do công ty báo cáo trên một tập kiểm tra xác định, không phải là một đánh giá độ chính xác toàn cầu cho mọi ngôn ngữ, lĩnh vực hay tài liệu.

Sự khác biệt đó quan trọng. Hiệu suất từ tiếng Anh sang ngôn ngữ đích không thiết lập cùng một thứ hạng cho mọi hướng dịch, và một điểm tổng hợp mạnh mẽ có thể che giấu sự khác biệt giữa các ngôn ngữ hoặc loại nội dung. Đối với một đội ngũ địa phương hóa, bài kiểm tra liên quan vẫn là thuật ngữ, tài liệu và tiêu chuẩn đánh giá riêng của họ.

Mô hình luyện tập trước khi triển khai

Translated’s giới thiệu kỹ thuật về Lara 3 mô tả một phương pháp đào tạo mà họ gọi là “học bằng cách làm”. Sự bắt chước vẫn là nền tảng, nhưng mô hình sau đó luyện tập tạo ra các bản dịch thay thế. Một bộ phán xét tự động, được hình thành bởi chuyên môn của các nhà đánh giá chuyên nghiệp, đánh giá những nỗ lực đó, và mô hình củng cố các lựa chọn thành công trong khi sửa chữa những lựa chọn yếu hơn.

Công ty cho biết chu kỳ này chạy hàng triệu lần trong quá trình đào tạo. Hành vi thu được được tích hợp vào mô hình đã triển khai; điều này không có nghĩa là mỗi yêu cầu của khách hàng đều kích hoạt một quá trình đào tạo mới.

Cách tiếp cận này giải quyết một khó khăn quen thuộc trong dịch thuật: nhiều phiên bản của một câu có thể đúng, nhưng chỉ một số phù hợp với ngữ cảnh xung quanh. Việc học cách đánh giá các lựa chọn thay thế mang lại mục tiêu khác so với việc chỉ tái tạo một câu trả lời tham chiếu duy nhất.

Trong thông cáo, đồng sáng lập và Giám đốc điều hành Marco Trombetti lập luận rằng chất lượng dịch phụ thuộc vào việc hiểu sâu vấn đề. Chỉ có sự lưu loát là không đủ khi một cụm từ mơ hồ, một thuật ngữ kỹ thuật sai hoặc một dấu hiệu văn hoá bị bỏ lỡ làm thay đổi những gì người đọc hiểu.

Ngữ cảnh là một phần của quy trình làm việc

Đào tạo chỉ là một lớp. Lara’s tài liệu dành cho nhà phát triển giải thích cách hệ thống sử dụng ngữ cảnh tài liệu liên quan khi dịch các câu riêng lẻ. Đối với các đầu vào dài hơn, nó có thể dịch các câu song song đồng thời cung cấp văn bản xung quanh như đầu vào bổ sung cho mô hình.

Các nhà phát triển cũng có thể cung cấp ngữ cảnh bên ngoài mà nên ảnh hưởng đến bản dịch mà không cần dịch lại chính nó. Ví dụ, tiêu đề blog có thể đi kèm với nội dung bài viết, hoặc một tin nhắn trò chuyện mới có thể đi kèm với cuộc trò chuyện trước đó. Điều này đặc biệt hữu ích khi các công cụ dịch chuyên nghiệp đã chia tài liệu thành các đoạn riêng biệt.

Đối với người dùng doanh nghiệp, khả năng này có mục đích thực tiễn: giữ cho các mẩu nội dung nhỏ gắn kết với thông tin mang lại ý nghĩa cho chúng. Các từ điển thuật ngữ và bộ nhớ dịch đã được phê duyệt thêm một lớp nhất quán, đặc biệt khi cùng một từ vựng sản phẩm xuất hiện trên website, tài liệu và hỗ trợ khách hàng.

Từ điểm chất lượng đến kinh tế sản xuất

Thông cáo cũng báo cáo các tiêu chuẩn tốc độ và chi phí riêng biệt. Trong một bài kiểm tra đơn luồng, Translated cho biết Lara 3 đạt tốc độ xử lý gấp 23 lần Claude Fable 5 và dịch được nhiều ký tự hơn gấp 3,75 lần với cùng ngân sách. Những so sánh này khác với đánh giá chất lượng và cần được hiểu trong bối cảnh thử nghiệm của chúng.

Lara’s nền tảng API mở rộng vượt ra ngoài văn bản thuần để hỗ trợ nội dung địa phương hoá HTML và XLIFF, tài liệu, hình ảnh và âm thanh. Trang sản phẩm mô tả việc hỗ trợ hơn 70 định dạng tài liệu với khả năng bảo toàn bố cục, cùng tích hợp từ điển thuật ngữ và bộ nhớ dịch. Phạm vi bao phủ thay đổi tùy loại đầu vào, vì vậy không nên cho rằng hỗ trợ ngôn ngữ văn bản sẽ áp dụng giống hệt cho âm thanh hoặc hình ảnh.

Translated được thành lập vào năm 1999 bởi nhà ngôn ngữ học Isabelle Andrieu và nhà khoa học máy tính Marco Trombetti. Bản phát hành ra mắt cho biết công ty phục vụ hơn 300,000 khách hàng trên 200 ngôn ngữ và hơn 40 lĩnh vực chủ đề. Lịch sử đó giúp giải thích sự nhấn mạnh của Lara’s vào những yêu cầu ít hào nhoáng của quá trình địa phương hoá: thuật ngữ nhất quán, độ chính xác ngữ cảnh và đầu ra phù hợp với mục đích sử dụng.

Sự khả dụng chung của Lara 3 biến lập luận về chuyên môn hoá thành một quyết định sản phẩm. Lợi thế về tiêu chuẩn đo lường được báo cáo là một lý do để nghiên cứu; thách thức thực sự là liệu nó có giảm bớt công việc biên tập và tích hợp trên nội dung thực tế hay không. Đối với các đội ngũ dịch quy mô lớn, việc duy trì ý nghĩa một cách đáng tin cậy chính là yếu tố khiến mô hình trở nên hữu ích lâu dài sau câu đầu tiên ấn tượng.