翻译只是容易的一环

关于语言、软件交付和信任的对话,如何促使 María José 和我共同打造了 Glossia。

语言是促进无障碍和将技术产品推向新市场的伟大且常被低估的工具。当您的产品致力于服务对象母语并非英语的社区时,这向对方表明你们心里想着他们。这能建立起非常深厚的联系。

遗憾的是,让您自己的产品和品牌用多种语言交流是许多团队难以负担的。他们往往发现自己必须三者选其二:质量、速度和成本。

如果他们希望翻译能与软件交付速度同步,可以组建专门的团队来维持质量,但这需要付出代价。或者他们可以更依赖机器翻译,快速推进但接受较低的质量。如果他们选择了质量和低成本,依靠人的翻译但没有专门团队,通常会牺牲速度。在这过程中,他们最终会陷入复杂的系统,在代码库和第三方工具之间推移翻译。

自从 大型语言模型 出现以来,我的妻子 玛丽亚·何塞 和我经常探讨它们是否能帮助我们停止这种权衡。她酷爱语言,并深深扎根于本地化行业。我是个构建者。

Tuist 是我主要的工作。过去当我试图翻译产品和营销界面时,我发现自己面对错综复杂的解决方案。这些方案没有一个能跟上我们的交付速度,而且其中一些还会导致难以解决的冲突。我多次有过那种“这感觉不对劲”的时刻。

从对话到 Glossia

我们每周都会讨论围绕语言模型能力涌现的新模式。我们看到了越来越多的开发者构建自己的翻译流水线。其核心是这些流水线会对一个模型进行提示:源语言输入,翻译输出,然后继续。

这感觉合乎情理。我们构建者就是这样运作的。但那些更贴近语言和周边流程的人,能看到它可能出错的地方,从最好的一致性差到最差的翻译错误。

开发者们的速度越来越快。他们不能放慢脚步引入一个系统,其底层工作流程早在互联网出现之前就已经设计,后来进入了浏览器,但仍难以满足软件团队的需求。

构建 Glossia 的想法正是由此开始。一方面,我们要押注模型在非英语语言和翻译方面的能力提升。另一方面,我们要建立一个系统,最初专注于软件内容,感觉即插即用。这是一个在后台运行的东西,匹配您的交付速度,并让您对输出结果是正确且已准备好用于生产充满信心。

许多开发者将翻译视为一次提示的解决方案。输入一些提示词,英语输入,翻译输出,然后了事。但当你与他们交谈时,你意识到他们不知道输出是否准确、捕捉了该语言中他们组织的语调,还是有效地传达了 intended message。

我在 Tuist 也有类似的流水线,将内容翻译成日语等语言,但我对自己的信心极度缺乏。语言不是逻辑。我们可以编写测试来确保格式正确,但这并不能告诉我们 这些词是否正确。

“翻译是容易的部分,”正如我妻子喜欢说的那样。

于是我们着手探索合适的系统应该是什么样子。我们将其命名为 Glossia,并开始向有意协助我们一起改进它的人们和组织开放。

决定要翻译什么

我们首先关注的重点是帮助人们决定翻译什么。翻译成本正在下降并将继续下降,但永远不会为零。组织在选择投资的语言时仍然应该有所选择。

有时这个选择直接源于商业决策。其他时候,团队对自己社区有一个大致概念并做出有根据的推测。我们认为从访问您网站或使用您应用的人身上可以学到很多东西。他们的语言偏好,结合了来自他们使用您产品的区域的信息,可以让您为这些决策提供更好的依据。

我们在 Glossia 中推出的第一个功能是分析。只需在网站添加一行代码,分析数据就开始流入您的账户。我们将这些信息围绕您需要的决策进行呈现:您接下来应该投资哪些语言?

未来,我们将探索如何将实验引入产品的语言维度。想象一下,当页面使用同一种语言的不同语调时,衡量人们点击行动号召的次数。那不是很酷吗?比较变体通常围绕产品和设计决策,但语言也是产品的一部分。

从零开始到翻译

一旦决定翻译一个项目,下一步就是设置它。作为一名开发者,我讨厌伴随着许多繁文缛节的流程。我们达成共识,从零到翻译理想地应该只需一步。这是我们所追求的体验水平。

设置通常涉及两件事。首先,从代码库中提取内容以便将其翻译,因为它在代码中常以字面字符串开始。其次,配置项目基于语言选择正确内容。这可能是来自用户设备,或者在更复杂的情况下,是他们自己选择的偏好。

几年前,可靠地自动化这 Venue 将是一场噩梦。情况已经改变,智能体对此可以相当有效。

流程如下:连接您的 GitHub 代码库,选择您想要翻译成的语言,然后一段时间后,带有更改的请求拉取对话框将会打开。一旦合并它,翻译就会开始发生。就是这样。

我们将翻译内容存储在与代码库一起,其中包括您已经作为 持续集成 一部分运行的格式检查和验证。翻译流水线将那些检查的结果反馈给翻译代理。这移除了一个问题类,即平台打开一个拉取请求,然后让您来处理检查失败或合并冲突的问题。

结合其他建立信心的机制,这使得自动合并翻译成为可能。这是我们所相信的模式。让开发者检查翻译拉取请求是否为绿色并点击按钮几乎没有价值,尤其是当他们无法自己评估语言时。我们一直认为这种额外的仪式感是一个表明设计可以更好的标志。

我们相信最好的翻译系统是一个您不需要思考就能工作的系统。

仅翻译变更内容

翻译系统值得拥有自己的章节。令牌仍然不免费。一直翻译所有内容速度慢、昂贵,并且浪费资源。

为了解决这个问题,我们构建了一个锁文件系统来告诉我们是否需要翻译某些内容。我们称之为 增量翻译。这个想法并不新鲜:构建系统长期以来一直使用它来避免在每个构建中重新编译所有内容。我们已经将其适配到语言。

系统会考虑所有影响特定翻译的上下文。部分上下文存在于代码库中。部分存在于 Glossia 中并跨越多个代码库。我们构建一个依赖树并使用 Merkle trees 计算哈希值,以此告诉我们翻译的输入是否已更改。

锁文件保留了这个树。它可以解释为什么某些内容被发送给翻译,或者为什么没有被发送,而不是让人们猜测。

L10N.md 文件为我们的翻译代理提供本地化上下文,就像 AGENTS.md 文件为编码代理提供说明一样。它们支持嵌套目录中的更具体上下文,以及每个级别的语言覆盖。

对于适用于多个代码库的信息,例如共享术语,服务器是真相来源。系统确保它使用正确的上下文并在锁文件中反映出来。当该上下文更改时,我们可以将该更改映射回使用它并需要更新的翻译。

在措辞中建立信心

系统设计为向质量水平收敛。要达到这一点,我们有几种工具。

首先是翻译后运行的对抗性检查。想象一位同事审查您在拉取请求中包含的代码。在这里,检查将语言学知识带入审查过程中。例如,翻译不应从源添加或删除含义。这可能是因为语言模型并不总是从相同的输入产生相同的输出。

当我们从用户那里学到更多,以及我们自己对模型和现有系统的研究时,我们将在流水线中添加更多自动检查。每一个都应该增加您对翻译的信心。

想法是达到一个您信任系统足够的程度,以至于您不需要检查每一个拉取请求。这种信心取决于系统本身和模型。我们可以根据目标语言帮助选择模型,因为并非所有模型都能同样擅长同种语言。

即使有这些检查到位,您可能仍需更改翻译内容。这可能是个别更正,尚未写入上下文的术语,或者是我们仍然会遇到的众多场景之一。

有人应该能够直接将更改提交到代码库。但我们认为系统也应将这些贡献作为反馈处理,并建议如何与上下文中进行比较。这可能意味着将术语添加到词汇表或调整语调。

这是人类可以异步完成的事情,而不会中断持续翻译。系统应该通过学习人们所说的话来帮助您使其工作更有效。我们可以将其扩展到人们直接从产品提出反馈。那不是很酷吗?

这些更正也需要被考虑,以便未来的翻译不会覆盖它们。无状态的翻译调用没有任何人来之前的更改的知识。在传统系统中,翻译记忆有助于填补这个角色。它们服务的需要不会因为技术改变而消失。

我们从哪里开始

这就是 Glossia。我们已经在用 Glossia 来翻译 Glossia,我正在将其设置为将 Tuist 的文档、营销网站和仪表板翻译为我们的社区语言。

María José 和我在业余时间构建 Glossia,遵循多年来一直是我们的对话一部分的好奇心。

在编程领域,许多人质疑程序员的角色的演化。我认为本地化行业将从对其假设和模型的类似质疑中受益。我们如何能帮助我们的行业翻译更多、更快并以更低的成本,同时不损害质量?

我们还没有所有问题的答案。但我们认为我们正在走向正确的方向,和我们习惯于将自己注入所做一切中的简洁和对工艺的专注。

如果这与您产生了共鸣,let's chat。

准备好开始了吗?

加入与发布代码同样自信发布内容的团队。

联系我们