Автор: Юлия Епифанцева
Сегодня машинным, или автоматическим, переводом уже никого не удивишь. Пользователи по всему миру привыкли переводить на компьютере или на смартфоне любой текст на более чем 100 языков. И даже не только текст, но и многостраничный документ. На первый взгляд, нет большой разницы между тем, что переводить – текст или документ. Но на самом деле, когда речь идет об автоматическом переводе документа, мы имеем дело с целой технологической цепочкой.
При переводе документа нужно решить сразу несколько задач: понять структуру документа, выделить в нем текстовую часть, выполнить перевод текста, а затем собрать полноценный документ на другом языке, сохранив форматирование, таблицы, картинки, ссылки, колонтитулы и другие элементы.
1. Что такое документ?
Документ — это не просто последовательность слов на естественном языке.
Даже относительно простой документ может содержать:
Кроме того, документы существуют в самых разных форматах: DOCX, PPTX, XLSX, HTML, XML, RTF, PDF и многих других, что подразумевает свою структуру для каждого формата. При этом один и тот же визуально похожий документ может иметь совершенно разную внутреннюю структуру в зависимости от формата и программы, в которой он был создан.
Поэтому первая задача системы — понять, что представляет собой документ и из каких элементов он состоит.
2. Сначала документ нужно «разобрать»
Перед тем как переводить текст, необходимо выполнить парсинг документа — то есть проанализировать его структуру и выделить элементы, содержащие текст и предназначенный для перевода на другой язык.
Это значительно сложнее, чем просто извлечь из документа все слова.
Система должна определить:
Среди форматированных документов особенно сложная структура у PDF документов. В нем визуально отображается обычная страница, но внутренняя структуры состоит из блоков (фреймов) и может быть очень сложной. Система должна фактически распознать эту структуру: выделить блоки текста, их расположение, выделить таблицы, изображения и другие элементы. И только после этого можно переходить непосредственно к переводу собственно текст.
3. Собственно перевод — тоже не одна задача
После извлечения текста начинается собственно машинный перевод. И здесь сложность определяется уже не форматом документа, а содержанием.
Одина и та же система перевода должна уметь работать с совершенно разными типами текстов:
Для каждой предметной области характерны собственные термины, устойчивые выражения и стилевые особенности. Поэтому для качественного автоматического перевода необходимо учесть предметную область, терминологию и ранее утвержденные варианты перевода.
Если компания уже использует определенный перевод для термина, система перевода должна уметь применить его последовательно во всем документе.
Таким образом, задача заключается не просто в том, чтобы получить грамматически правильный текст. Необходимо получить правильный перевод именно в данном контексте и в соответствии с требованиями конкретной организации.
Как получить качественный перевод - см. статью «Как обучать нейронные модели перевода без программирования: данные, этапы и практические результаты»
4. Перевод закончился — но работа с документом еще нет
Если мы переводим документ, результатом должен стать другой документ, максимально близкий к оригиналу по структуре и оформлению.
Поэтому после перевода необходимо выполнить обратную операцию — условно говоря, «собрать» документ на новом языке.
Нужно:
И здесь возникает еще одна проблема — перевод часто имеет другую длину, чем оригинал.
5. Перевод меняет размер документа
Языки отличаются не только словами и грамматикой, но и длиной текста. Мы не всегда задумывается о том, что слова в в разных языках могут отличаться по длине. Например, слова в русском и немецком в среднем длиннее, чем в английском. В английском языке – в среднем около 3,76–4,79 символов на слово, а в русском языке - примерно 5–7,2 символов на слов.
Для обычного текста это практически не имеет значения. Для документа — имеет. При переводе, например, с английского на русский мы сталкиваемся с тем, что в переводе намного больше символов, и при верстке перевода нужно уместит в блок (фрейм) значительно больше символов, чем это было в оригинале.
Представим таблицу, где в каждой ячейке находится короткое английское название. После перевода на русский или немецкий текст становится длиннее. Он может перестать помещаться в ячейку, изменить высоту строки и нарушить расположение всей таблицы.
Аналогичная проблема может возникнуть:
В презентации ситуация еще сложнее. Если исходный заголовок занимал одну строку, а перевод — две, он может перекрыть изображение или другой элемент слайда.
Таким образом, перевести текст недостаточно. Нужно ещё обеспечить его корректное размещение в исходной структуре документа.
6. Документ нужно проверить после перевода
Нужно ли человеку проверять перевод после того, как его выполнила программа? Обязательно! Даже если система успешно извлекла текст, перевела его и собрала новый файл, полученный результат нужно оценить человеку.
Необходимо выполнить проверку:
7. Документ — это больше, чем текст
Зрелая система автоматического перевода документов должна решать не одну, а сразу несколько задач: понимать структуру документа, извлекать и обрабатывать его содержимое, выполнять качественный машинный перевод и затем корректно восстанавливать исходный документ на другом языке.
Именно совокупность этих технологий отличает полноценную корпоративную систему автоматического перевода документов от сервиса, который просто переводит вставленный пользователем текст.
Десктопные и серверные системы перевода PROMT умеют переводить документы многих форматов с сохранением форматирования.
PROMT Neural Translation Server — корпоративное многопользовательское решение для безопасного перевода документов в собственной ИТ-инфраструктуре. Это лучшая альтернатива Google Translate, DeepL Translator, Яндекс Переводчик, Amazon Translate, Chatgpt, если нужен конфиденциальный перевод документов, презентаций, отчетов и инструкций для сотрудников самых разных подразделений внутри компании.
PROMT Professional NMT — это однопользовательское решение для перевода корпоративной документации на компьютере или ноутбуке.
Чтобы протестировать решение PROMT, напишите нам или заполните форму.
Подписаться на новости
Веб-форма не найдена.
