top of page

OpenRouter 本地化功能以 Beta 形式新增七種語言

2 小時前
讀畢需時 12 分鐘

OpenRouter 於 11 月 12 日推出七種 Beta 語言,透過 AI 翻譯擴展其英文網站,同時保留人工批准流程。該公司表示,OpenRouter 的本地化功能使用 GPT-6.1 Sol 翻譯了 16,918 個英文字串,並由同一模型的另一個呼叫檢查語意。

這種分工帶來核心張力:自動化批准與獨立驗證回答的是不同問題。軟件團隊可以較容易產生可接受的措辭,卻較難確立每項重要指示仍然正確無誤。

Smartling 提供了一個有用的比較,因為它同樣結合語言模型與翻譯控制機制。產品團隊需要抉擇的是:誰來維護這些控制機制、調查故障,以及在看似合理的措辭誤導客戶時承擔責任。

OpenRouter 本地化功能不止於推出當日的翻譯

這次 Beta 版本新增簡體中文、西班牙語、巴西葡萄牙語、德語、法語、日語及韓語。OpenRouter 在其本地化流程中介紹了這次推出及其支援工作流程。

多語言推出是否具持久意義,取決於英文產品其後改動時會發生甚麼。

翻譯後的介面在推出當日看似完整,卻可能逐漸變得不一致。新功能會引入新標籤,而修訂後的設定亦會改變現有指示的含義。看似微小的英文編輯,也可能令較舊的翻譯產生誤導。

設想一個假想的開發者平台,將設定由記錄所有請求改為只記錄失敗的請求。翻譯後的標籤在語法上可能仍然正確,卻描述了產品不再提供的行為。讀者無法單憑一句話是否自然流暢,識別這種不符之處。

這項分別區隔了翻譯覆蓋率與翻譯時效性。覆蓋率問的是介面是否包含已翻譯文字;時效性問的是這些文字是否仍對應目前的產品。要有效評估本地化服務,兩者皆不可或缺。

這次推出亦改變了客戶可合理期待的內容。一旦公司提供語言選擇,用戶便有理由期望整個使用歷程中的指示保持一致。若下一項重要設定變得含糊不清,即使登陸頁容易理解,價值亦十分有限。

Beta 標示傳達的是仍有待完善之處,但不會告訴用戶哪些錯誤只是外觀問題,哪些會影響決策。因此,產品團隊需要有方法區分不夠順暢的措辭,以及會改變操作含義的文字。

此處使用的框架 General Translation,將應用程式函式庫與其託管平台分開。其本地化函式庫可從不同來源載入翻譯。這種分隔很重要,因為採用執行期環境,並不代表必須採用所有相關翻譯服務。

對開發者而言,這帶來自行選擇生成及審核流程的空間,同時亦讓他們須對該流程的品質負責。彈性將決策轉移至產品團隊,而非令這些決策消失。

因此,OpenRouter 本地化功能應被視為一項營運能力。可見的語言選單代表持續維持產品指示一致的承諾。這項承諾是否成立,將透過日常版本更新而非初步展示變得更清楚。

在產品層面,時機十分重要:本地化現時伴隨持續變動的介面,而不是等待一個已完成、穩定的網站才開始。這令維護本身成為推出的一部分。該公告值得檢視的是,系統如何處理明日的改動,而不只是今日已翻譯的頁面。

產品團隊承接自動翻譯背後的工作

自動化語言生成會把責任轉向那些定義語境、接受規則及升級處理路徑的人。

直接壓力落在考慮自行建立翻譯流程的工程及產品團隊身上。成功的原型可能令投產決策看似直接,但生產系統還必須處理意見分歧、不完整語境、意料之外的輸出,以及產品術語的變更。

這些責任不止於選擇模型。必須有人決定按鈕的含義、哪些名稱應維持不變,以及哪些錯誤足以令發布延後。這些決策需要理解產品及其用戶。

一項假想帳戶設定足以說明其中利害。說明資料會否被保留的一句話,可能影響客戶如何設定服務。即使措辭優雅,若改變資料保留發生的條件,便不可接受。

因此,相關標準會隨後果而改變。略為生硬的導覽標籤與不準確的私隱指示,不應獲得相同處理。高效的工作流程會將更多注意力投向影響權限、金錢、安全或不可逆操作的語言。

這是營運判斷,並非對 OpenRouter 現行審核政策的說法。它源於介面錯誤所造成的不同後果。評估自動化本地化的團隊,需要明確作出這些區分。

Smartling 的文件說明了具備提示管理、批次處理、術語支援及識別問題輸出機制的 LLM 翻譯工作流程。語言模型已經是商業替代方案的一部分。

因此,將 AI 翻譯與既有供應商視作簡單競賽,容易造成誤導。兩種途徑均可使用相近的底層生成技術;差異包括工作流程由誰擁有、可用支援、審核安排,以及維護產品專屬控制所需的工作量。

對工程團隊來說,內部建立系統可直接控制翻譯如何進入版本發布。相應責任是當模型、介面或組織優先次序改變時,仍須維護該整合。內部系統會成為另一項生產依賴項。

託管服務可將部分工作移出工程組織,但仍需要有用的來源材料及清晰的品質期望。外判翻譯無法解決沒有人定義的含糊產品指示。

企業買家審視供應商說法時亦面對相關問題。他們需要理解所報告的效率包含甚麼,以及哪些責任仍由員工承擔。若一方只量度生成,另一方則量度更廣泛的服務,這種比較便失去意義。

OpenRouter 表示,其統計不包括工程工作、額外審核及分類呼叫,以及人工合併。這條界線比戲劇化的比較更重要,因為它指出即使翻譯呼叫成為整個營運中相對小的一部分,仍有必須完成的工作。

對產品領導者而言,實際含義在於組織安排。自動翻譯需要一名可將語言缺陷與產品行為連結起來的負責人。否則,報告可能在工程、支援及市場推廣部門之間流轉,卻沒有人解決根本的含糊問題。

程式碼可檢查結構,模型則檢查語意

OpenRouter 表示,每批最多包含 40 個字串。程式碼會在語意驗證前檢查格式與術語。每個字串、每種語言的重試次數可達約 20 次模型呼叫。翻譯會與程式碼並存,並以來源指紋追蹤變更。

當每項檢查都有清晰定義的職責時,翻譯工作流程便更具可信度。

結構檢查回答的是翻譯內容是否仍符合應用程式要求;語意檢查則問預期含義是否得以保留。將這些問題合併成一個整體品質分數,可能掩蓋實際發生的是哪一類故障。

ICU MessageFormat 是用來組裝具語言意識訊息的系統,正好說明結構問題。其訊息格式化文件說明,佔位符與語言專屬選項如何應置於可翻譯訊息之中。句子片段可能令譯者無法自然地重組訊息。

假想的使用量通知可能包含代表剩餘請求數目的變數。翻譯後的訊息必須保留該變數,同時以適合目標語言的方式放置。流暢的文字無法彌補遺失的數值。

複數形式亦為措辭與應用程式行為增加另一層依賴關係。一句話對某個數量看似正確,對另一個數量卻可能失效。因此,只檢視單一已渲染範例,對底層訊息提供的保證有限。

這些限制解釋了為何一般程式碼檢查在生成式系統周邊仍有價值。它們可以一致地執行明確要求。當軟件能直接比較預期結構時,要求模型判斷佔位符是否保留並無必要。

語意帶來較不機械化的問題。一項指示可保留所有佔位符,卻改變誰執行某項操作或何時執行。審核者必須考慮英文來源、翻譯措辭及實際介面行為之間的關係。

語境有助釐清這種關係。同一標籤出現在按鈕上,與出現在標題中的預期並不相同。接收孤立文字的翻譯系統,必須推斷的內容比接收其介面角色的系統更多。

這亦是為何結構化輸出不應與語言正確性混為一談。結構化輸出限制回應的形狀,有助軟件處理結果,卻無法確立措辭是否傳達預期操作。

重試帶來另一種區分。根據具體缺陷進行的重試,會為生成器提供修正目標;若在沒有有用回饋下重複相同請求,較難期望得到更好的答案。

即使是針對性的重試,也需要停止規則。否則,一句不確定的措辭可無限消耗注意力,令其餘版本發布工作等待。合適的終點取決於未解決問題是否妨礙執行、模糊含義,或僅影響偏好。

來源指紋是從來源內容衍生的識別碼,處理的是另一種失效模式:過時的翻譯。它將翻譯條目連結到其所代表的英文措辭。其價值在於偵測變更,而不是判斷語言品質。

OpenRouter 本地化功能帶來的更廣泛啟示在於架構。可靠運作需要多項有限度的控制機制共同運作。沒有單一元件必須解答每個問題,但工作流程必須清楚指出,內容進入審核時仍有哪些問題未獲解答。

同模型驗證仍留有判斷缺口

OpenRouter 的驗證器再次使用翻譯模型。其工作流程亦可將「最不差」但被拒絕的草稿,附上審核標記後繼續傳送。這些細節限制了自動接受與完成狀態所能確立的範圍。

模型認同自己較早前的工作,可提供有用訊號,但不足以確立獨立的語言正確性。

第二次呼叫可在不同指示下重新審視翻譯。它可以檢查首次生成時遺漏的內容、矛盾之處或不一致情況。這使驗證與未經檢視便接受第一次回應有實質差異。

不過,兩次呼叫都可能對專門術語採用相同假設。若原文含糊,兩者可能以同一錯誤方向作出解讀。因此,一致性只反映流程內部的一致,而非與產品實際情況一致。

這屬於推理風險,並非證明某一 OpenRouter 翻譯必然有錯。評估已部署系統需要取得具代表性的輸出,並由合資格人士覆核。單憑公告無法確定未被發現的錯誤出現頻率。

獨立研究提供了更廣泛的警示。Serge Gladkoff 與合著者探討翻譯品質估計,即以自動化方式評估已翻譯內容。他們的論文指出,孤立片段可能忽略較大篇幅文本中的連貫性、語境及文體關係。

該論文並未評估這次部署。它的相關性較為有限:介面不應只被判斷為一組各自可接受的字串。客戶在嘗試完成工作時,所體驗的是一連串相互關聯的訊息。

一個假設的權限流程說明了原因。每個標籤單獨看來或許都合理,但術語不一致可令最終確認看似與原本設定毫無關聯。逐段覆核的人員可能忽略兩者合併後造成的混亂。

錯誤標記與發布決定之間的分別,同樣值得注意。標記只記錄某項內容需要考慮。其效用取決於覆核人員是否理解問題,以及是否有足夠資料解決問題。

人手批准並不自動代表合資格的使用者已覆核每一項翻譯。有人可以檢查改動是否完整或操作上是否安全,卻未有評估當中所有語言內容。買方應詢問批准實際涵蓋甚麼。

Smartling 在其語言品質保證文件中作出相關區分。其 AI 評估工具支援人手覆核並記錄錯誤,而非直接修正翻譯。評估、修正與批准是不同職能。

這種分隔提供了理解任何自動化本地化聲稱的有用方式。系統可以識別可能問題,卻不會修正它們;可以修正已知問題,卻未必偵測到每個新問題;也可以完成工作流程,同時仍帶有未解決的發現。

真正值得持懷疑態度的問題,是殘餘錯誤會帶來甚麼後果。測試版期間,一句生硬的措辭或仍可接受;一項會改變安全決定的指示,則需要不同處理,無論自動覆核工具多有信心地接受它。

OpenRouter 的披露有助審視,因為它識別出這些界線。但它未能確定使用者是否會遇到不可接受的錯誤。這項判斷需要來自已部署頁面、任務完成情況,以及在生成流程以外進行的覆核之證據。

錯誤報告需要改變未來行為

OpenRouter 表示,回饋會轉化為術語規則、風格指引、固定措辭或回歸測試,亦即旨在防止已知錯誤再次出現的檢查。

當一項修正可降低重複犯下根本錯誤的機會時,便具有更大的營運價值。

修正一個可見句子,只能修復該句子,未必會影響相關標籤或未來措辭。反覆出現的術語問題,需要比編輯收到投訴的頁面更廣泛的應對。

不同報告需要不同補救措施。產品名稱譯法不一致,反映的可能是術語問題;過於正式的指示,可能是風格問題;含糊的原文句子,則可能需要先修改英文產品文案。

這些分類應保持分明,因為過於廣泛的修正可能引入新錯誤。某個語境的首選譯法,在其他情況未必合適。將每項局部偏好變成全域規則,可能以一個明顯問題換來多個隱藏問題。

因此,原始報告需要提供語境。覆核人員知道頁面、使用者預定完成的工作,以及措辭為何令人困惑,都會有所幫助。建議替代措辭固然有用,但說明往往揭示可重用的教訓。

對產品組織而言,這些報告可以揭露本地化之前已存在的分歧。不同團隊可能以同一英文術語指涉不同概念。翻譯會迫使這種不一致浮現,因為目標語言要求作出更明確的選擇。

這些決定的可搜尋記錄可支援日後覆核人員。這項挑戰類似維護一個工程知識庫:有用的決定需要連同其理由和語境,一併保留在最終答案旁。

當員工或模型更替時,這種連結尤其重要。沒有解釋的術語表條目,在下一位覆核人員看來可能顯得武斷。有記錄的決定則可說明該措辭保護了哪項產品上的區別。

評估材料也需要同樣謹慎處理。根據過往失敗個案建立的測試,有助確認這些失敗仍然已獲修正。然而,對於測試未涵蓋的陌生語言或新介面模式,它們提供的證據較弱。

因此,團隊可以持續改善已知缺陷,卻仍不確定整體品質。這些結果並不矛盾,因為它們回答的是系統行為的不同問題。

讀者回饋亦會造成不均衡的錯誤視野。常用頁面比少人瀏覽的設定有更多機會收到報告。安靜的回饋渠道不應自動被視為每項翻譯都讀起來正確的證據。

較投入的使用者也可能比偶爾到訪者更常報告問題。因此,比較不同語言的原始投訴數字,可能把參與程度與品質混為一談。覆核需要了解使用者實際在哪裏看到文字。

回饋循環的價值在於嚴謹解讀。報告應為產品語言、覆核優先次序和未來檢查提供資訊。若只把它們當作個別編輯的待辦隊列,便會浪費當中大量資訊。

如何令測試版更具說服力

下一步有用的證據,涉及獨立覆核、翻譯時效,以及已報告錯誤是否持續獲得修正。

首個值得觀察的訊號,是針對已部署使用者流程的特定語言覆核。覆核人員應在語境中評估介面,尤其是措辭會影響重要決定的地方。目錄層面的驗收分數,無法完整描述這種體驗。

如果這類覆核發現指示在完整任務中仍然準確,便可加強信心;若各自看似合理的標籤結合後造成混亂,則會削弱信心。相關證據關乎使用者理解了甚麼,而不只是每句話是否流暢。

公開覆核方法亦同樣重要。讀者需要知道由誰評估語言、審閱了甚麼材料,以及如何分類錯誤。沒有這些細節,整體分數可能掩蓋不同語言與任務之間的重要差異。

第二個訊號是日常產品開發中的時效。應觀察翻譯後的介面是否持續配合英文產品的變更。發布可展示初始覆蓋範圍;後續版本則揭示維護流程是否穩健。

持續出現未翻譯文字,反映覆蓋延遲;但相反情況亦值得審視。完整翻譯的頁面,仍可能保留過時意思。較有力的證據會將原文變更與相應更新連結,並識別仍未解決的例外情況。

對產品團隊而言,營運報告在這方面比另一場模型展示更有用。重要問題是例行發布會否累積語言待處理事項。一套工作流程若能可預測地處理日常變更,便值得信賴。

第三個訊號是回饋後的重現情況。當讀者報告術語或意思錯誤時,應觀察修正能否在日後更新中保留下來;亦應觀察相關語境有否改善,同時不在其他地方引入不恰當措辭。

持久的修正將支持回饋改善流程的說法。同一錯誤反覆出現的不同版本,則顯示報告只帶來局部修補,未有處理成因。無論哪種結果,都比首次回應速度提供更多資訊。

這些觀察並不要求把每句生硬措辭都視為整體方法的失敗。測試版軟件可在使用過程中改進;但這些觀察要求區分可補救的措辭問題,以及證明覆核界線未如預期運作的證據。

對開發者與企業買家而言,OpenRouter 本地化提供了一個值得追蹤的具體案例。其重要性將取決於持續的產品準確性及可管理的覆核工作量。這些結果與生成大量翻譯文字的能力仍屬不同範疇。

在採用類似工作流程前,應要求以真實產品變更作示範。追蹤修訂後的指示如何經過翻譯、覆核、發布及日後修正。檢查誰負責未解決的發現,以及有甚麼證據支持批准。保留術語決定背後的理由,讓日後覆核人員能夠理解。對現有的多語言產品而言,應檢視一段影響重大的使用者流程,而非從首頁開始。翻譯後的體驗,是否仍傳達與原文相同的選項、條件和後果?應以答案判斷工作流程的成熟程度,並決定獨立語言覆核應放在哪個環節。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page