TAUS翻譯行業報告解讀

2017年12月13日，翻譯自動化用戶協會（Translation Automation User Society，簡稱TAUS）發布了一份題為《Nuncest Tempus：Redesign Your Translation Business,Now!》的最新翻譯行業報告，分析了大數據和全球化背景下，翻譯行業今後的發展趨勢和前景。該報告分為「找準時機」、「翻譯行業六大驅動力」、「現代翻譯管道」和「翻譯行業掌門人經驗」四個章節。小編通讀報告後，為大家提煉出值得關注的翻譯行業的現狀和發展趨勢供大家參閱：

第一章中，報告提出了一個叫做S曲線的概念，指出一種科技的發展，都會經歷公司內部研發，該公司內部所有，再演變成一種服務和工具，最終集成到更新的技術平台中的小功能的過程。

那麼應用到翻譯領域呢？

80年代，一些公司隨著自身的向外拓張，出現翻譯需求，在公司內部成立翻譯部門；90年代翻譯行業出現外包服務商，承接翻譯服務；2000年早期Trados，memoQ等的翻譯記憶庫工具誕生，幫助譯者提高翻譯質量和效率；2000年後期垂直領域工具和統計機器翻譯（SMT）逐漸興起；現如今，神經機器翻譯（NMT）的大火。很顯然，就我們經常使用的谷歌、百度和有道翻譯等機器翻譯軟體來看，翻譯產業已經到達了S曲線的頂峰。

以往的翻譯行業是勞動力驅動的行業，以低報價獲得客戶訂單，翻譯質量偏低。在大數據時代，一些高質量的語言資產得以保留下來複用，並導入翻譯機器中進行訓練，出現了機器翻譯比人工翻譯質量更好的例子。漸漸地，人們發現數據的重要性，在某些通用場景下，機器翻譯做的反而比人工翻譯好，並且成本更低，於是業內開啟了一場爭奪數據的戰爭。誰能獲取優質的數據資源，就能提供更好的翻譯服務。

TAUS預測，2020年，全球半數的智能手機用戶都將使用語音科技。常常勾搭Siri的同學對此應該不陌生。隨著語音技術正在飛速發展，語音識別、音頻轉文字等技術的出現，大大方便了我們的生活，也拓寬了語音翻譯的使用場景。

TAUS報告中提出了現代翻譯管道，Modern Translation Pipeline(MTP)的概念，是一種圍繞機器翻譯架構起來的系統，架構如下：

（1）管道的三大特點

管道的運行是由數據驅動；具有自發性、自驅動力，自動化程度高；對多數人來說翻譯是無形的一種服務。

（2）管道分層

管道分為兩層架構：第一層是大公司或超強技術公司，他們負責研發和維護支持翻譯產業的技術架構，如谷歌研發出神經翻譯網路；而第二層是其他技術公司，他們利用上一層的標準架構，開發專門的增值業務，如開發接入神經機器翻譯的介面。

（3）管道要素

管道的架構搭好後，裡面的要素主要有四個：

量子跳盒子：代表最佳的翻譯技術：機器翻譯（MT），翻譯記憶庫（TM），眾包和社區翻譯。

演算法管理盒子：隨著機器學習的進步，一些翻譯系統可以自動選擇譯者和審校，分析文本、質量控制，實現一個系統就能達到一個翻譯公司的效果。

數據化盒子：

內容數據：指TM，原文、譯文等的語言數據，是定製MT引擎的關鍵。

元數據：指語言對、流程、產業和個人信息等元數據，是訓練機器學習和演算法管理的關鍵。

儀錶盤。所有盒子都在這一管道中後，需要一個儀錶盤來追蹤數據，從翻譯完之後的數據中獲取更多洞見。

a. 工程師：幫助搭建管道。

b. 數據分析師：分析儀錶盤反映出的數據，獲取更多洞見。

c. 語言人士開始從譯者的角色，轉變為從事審校、創譯和譯後編輯工作。

希望本文能幫助大家更好地掌握翻譯行業的趨勢。