Универсальный движок переводит «в среднем правильно», но не знает, как принято говорить у вас. Мы обучаем машинный перевод на ваших данных: дообучаем нейронные модели на параллельных корпусах, настраиваем LLM под терминологию и стиль, а затем закрепляем результат глоссарием и правилами контроля качества. Первую нейронную модель под отраслевые переводы мы натренировали в 2019 году.
Кастомизация машинного перевода — это не одна модель, а несколько связанных слоёв. Каждый добавляет точности, и вместе они дают воспроизводимый результат.
Обучение машинных движков — способ получить перевод, который говорит на языке вашей компании. Публичный движок не знает, что в вашей документации «валве» — это задвижка, а не клапан, и что название продукта не переводится. Дообученная модель эти решения уже приняла.
Чем больше у вас архива переводов, тем выше отдача: накопленные за годы материалы превращаются из папок на диске в работающий актив. Для обучения подходят память переводов, ранее переведённые документы и двуязычные глоссарии.
Качество машинного перевода оценивается не впечатлением, а метриками: BLEU и нейронная метрика COMET на отложенной выборке, Edit Distance — доля текста, которую пришлось изменить, и оценка по методологии MQM с разбивкой отклонений по уровням критичности. BLEU сравнивает перевод с эталоном по словам, COMET — по смыслу, поэтому вместе они дают более честную картину, чем каждая по отдельности.
Мы фиксируем базовый уровень до обучения и показываем прирост после. Это же даёт основу для SLA: порог качества становится обязательством, а не обещанием.
Нужны ваши прошлые переводы: параллельные корпуса, память переводов в формате TMX, двуязычные документы. Работа начинается с аудита данных — мы оцениваем объём и пригодность того, что есть, чистим корпус, выравниваем сегменты и убираем ошибочные пары. Если готовых переводов мало, движок настраивается через глоссарий и сценарий, а корпус накапливается по ходу работы.
Универсального порога нет: решает не количество сегментов, а их однородность и чистота. Небольшой, но выверенный корпус по одной тематике даёт лучший результат, чем крупный архив смешанных переводов разного качества. Поэтому первым шагом идёт аудит: мы смотрим ваши материалы и говорим, хватает ли их для дообучения или разумнее начать с глоссария и сценария.
Нейронную модель дообучают на данных, большую языковую модель настраивают инструкциями. Для NMT нужны параллельные корпуса: модель перестраивает веса под вашу лексику и синтаксис. Для LLM обучение заменяется инженерией сценария — системными инструкциями, примерами правильных переводов и правилами работы с контекстом документа. В производстве обычно работают обе: NMT на типовых сегментах, LLM там, где нужен контекст и стиль.
До обучения фиксируется базовый замер качества, после — повторный на том же материале. Сравниваются BLEU и COMET, Edit Distance и разбор ошибок по MQM, поэтому прирост выражается числом, а не формулировкой «стало лучше». Замеры делаются на ваших документах, а не на публичных наборах данных.
Данные обрабатываются на серверах на территории России, трансграничная передача не осуществляется. Обученный на ваших материалах движок используется только для ваших задач. Внешние модели подключаются исключительно по согласованию с заказчиком; если это неприемлемо, весь контур разворачивается on-premise — на вашей инфраструктуре, без выхода в интернет.
Мы не просим ждать: на встрече вы даёте свой документ или релевантный файл из открытых источников — и видите перевод в реальном времени, с сохранением формата и отчётом о качестве. Так выглядит результат до настройки под вас. После настройки сценария под вашу терминологию он становится заметно лучше. 100+ языков.
Корпоративные решения только для юридических лиц.
