Lingomancy话术研
26-11-20 09:30 微博认证:读物博主

昨天说到本地化译者应该普遍使用AI。如果使用得法,可能速度效率上没有多大提升(甚至少许下降),但是质量会有明显提高。原因么就是AI可以解决本地化译者有史以来一直未能解决的一系列痛点,谁痛过谁知道:

1、科学利用精力
人的精力和注意力,一旦开始干活了就快速下降。翻译这一行,包括本地化翻译也好、文学翻译也好,特别需要把好钢用在刀刃上。什么叫刀刃?比如这个地方有个谐音梗笑话,怎么传达;这个角色的语言风格很有特点,换一种语言怎么体现;此处看似是意思A,但你看到第28章陡然发现其实是意思B,两者都怎么看怎么合理,如何在转换成其他语言之后继续保持同样的机关。如此等等。有限的精力应该放在这种高级思考上,大概能占日常工作的20%到30%?剩下那些别看字多,多也是傻多。充其量不过全是How are you? Fine, thank you. And you?那种平铺直叙大白话,谁来谁都行,AI也没啥问题。这种事上自己一个个字的手搓,到玩真格的时候脑子转速已经慢了一半。这点特别特别重要。不信你想想翻译行业的历史。你倒退一千年,公元1026年,那时候的译者干活就是屋里坐个你,面前一本原文,桌上一堆参考书,眼皮底下笔墨纸砚。看原文,查参考书,白纸黑字一个一个的手搓。现在2026年了,翻译在干啥?还是屋里坐个你,显示器上一个窗口是原文,另一个窗口是浏览器(参考书),再一个窗口是文字处理软件。敲键盘一个个字那么手搓。所谓“现代化”无非就是把写字和查参考书的过程电子化,速度快了一些,干的事没有实质区别。人类文明之耻啊同志们。换个行业,比如说拉洋车。如果社会进化了,当代祥子拉的车阻力特别小,他就不是祥子了吗?无非就是个省了点力的祥子。现在译者终于迎来真现代化了——把大白话口水话的部分扔给AI,监工加指导就完了,它就严格负责【手搓】。具体搓啥样、比例角度对不对,你负责验收。对,AI很可能抓不到重点,一段文字你自己手搓一次就成型了;AI比你快两倍,但是需要返工两回。即使这样,总时间没变,你没损失啊。监工挑刺儿可比手搓口水话省脑细胞多了,何况你甚至还可以开个新窗口,趁它慢慢搓的时候你抽空打打游戏,非但不折损精力反而还有一定补充。

这种情况还有一个巨大的好处就是在手误诞生之前就先消灭之。人精神越涣散越容易错字丢字,AI不存在这个问题,错字和低级病句极为罕见。手搓完文本再拖着沉重的病体继续手搓校对,很难做到干净利索。专业的事交给专业的工具就对了。

2、减少内耗
不知道有没有别人跟我一样。就是那什么,【刚坐下开始翻译的时候特别特别特别抽筋拔骨】。不是懒惰拖延,是选择障碍。要知道世界上基本不存在“唯一正确/合适的翻译”。特别是前文所说的大白话(游戏文本绝大多数都是这),一句话真的是八十个角度怎么切入都没毛病。一眼望过去只见满地都是档次差不多的译法(因为全都是技术含量约等于零的),直接就傻了。就说独孤九剑为什么每次开局都是“歪歪斜斜刺出一剑”?因为独孤九剑专破特种兵器,你用他开局,马上就发现没有开局能用的招——对方还没出招呢,你无破可破。所以只能胡逼捅一下,对方认真还招,你显本事的时候就来了。那么翻译为什么不能歪歪斜斜刺出一剑开局?因为译者兼任裁判员加运动员加对手,第一剑歪歪斜斜,具体怎么个角度速度,你还是得从海量备选里挑一个的。而且这一招出完,后面接招的还是你。自己接自己,独孤九剑对独孤九剑,而且接完之后还得反过来再接,一来二去脑子打结。从独孤九剑变成左右互搏了。话说我从小就觉得左右互搏最难的不是左手画圆右手画方,而是真打起来之后两只手怎么互相拆招。左手一招打过来,右手又无数种招可以用。但是!除非用同一招硬碰硬,否则招和招之间基本没有对等的。无论你选什么,都得要么让对方陷入劣势,要么让自己陷入劣势。左手右手都长同一个人身上,这个瞬间你就说你该偏袒右手还是偏袒左手吧。然后就选择障碍,将死了。平时我开工阶段得拧巴半天,第一段便秘许久之后终于出去了,后面就慢慢的越来越顺。用AI就不存在内耗。AI负责左手右手打全场,随便怎么打都行,你不用管选招,只负责说三道四就完了。它啥时候打乱套了你就下场给揪回来。

3、进行一些有史以来早就应该用、可惜人力所不能及的超规模思考
游戏本地化跟文学翻译的一个巨大区别——源文本很少有线性的。一种情况是相当一部分文本都是乱序,开发者想到哪写到哪,提取工具按照天晓得什么顺序,有时候按剧情时间从先到后,有时候按创作时间从先到后,如此等等。运气好的时候大致能看出来哪到哪是同一个场景,不好的时候连场景都是混的。还一种是剧情分支。比如某场景是乞丐跟主角要钱,此时玩家选择“给”、“不给”,还是“抢他碗”。选择任何一个都会触发一段独立的对话,但是三段对话属于同一个场景。特别特别好心的开发者可能把对话分支跳转边界什么的全都给你标清楚(说实话我从业这些年一个也没遇到过),一般好的开发者按照场景分一分,前面共享的对话和后面三种分支对话全堆一起就完了。例子见附图。(免责声明:非真实游戏文本,专门为了举例子而仿真制作的样品。)还有不好的开发者连这样的粗糙分类都没有,你自己根据string key之类的附加信息去【猜】哪些对话属于同一个场景吧。猜完之后再根据对话内容继续猜谁先谁后、分支再哪里。

你说没必要搞这么细,照字面翻就完了?好,我来举个例子。
原文:Yes, I am.
过于塔玛德万能白搭了,可以给无限多种前句当回答。你怎么“照字面翻”?“对,我是”?

那咱们就讲讲最常见的几种可能。
情况1:
前句:Are you his dad?(你是他爸吗?)
后句:Yes, I am. (就“对,我是”没毛病。)

情况2:
前句:Are you in a meeting now? (你正开会呢?)
后句:Yes, I am. (“对,我是”不好使了吧?此种情况,中文里不存在一种“万能是”。正常回答是“对,开会呢。”)

情况3:
前句:Are you going to the party tonight?(你今晚参加派对去吗?)
后句:Yes, I am. (“对,我是”又不好使了吧?正常回答是“对,我去。”)

所以“前句是什么”可太重要了。诸位有时候玩中文版游戏发现前言严重不搭后语,相当程度上就是因为文本乱套然后译者又猜错(或者根本没有线索可供猜测,只能胡逼蒙)导致的。我这个例子只是个小样,真正开工的时候文本规模比这多好几十上百倍都很正常。在如此规模的文本堆里,同时参考3个以上的数据列来判断分组和先后,同时还【不能打乱原来文本的顺序】,只能照着你自己理解的顺序去想、然后按照开发者给的顺序去写。这根本就是超越人脑生理极限的。硬要做也不是不能,就是顾此不顾彼、顾头不顾腚。这时候就到了AI“海量级并行思考”发挥优势的地方了。

文本直接扔给AI,吩咐:
- 首先给每一行都加上一个顺序排列的唯一编号。
- 然后根据 key 和 comment 等附加信息,把文档全部拆散了重新排列,划分出场景,按场景重新分组。
- 然后每个场景里,按照逻辑关系分出文本字段的先后。
- 然后给我画一巨张流程图,按照你划分完的结果,把哪个场景可能跳转到哪个(或者有分支,不止一个)场景、衔接的文本单元是啥专门标出来。
- 剩下的交给我。
- 我弄完之后,接收我填完的所有文档。然后按照步骤1里标的编号,逐个对应,把我的译文填到开发者最初给我那个文档里。

清清爽爽。

这种事我老早就想干了,就可惜血肉做成的人做不到。光是一开始重排顺序和最后对号照搬这两步,我就已经死好几回了。即便硬着头皮愚公移山,干上一两个小时之后也难免出错。现在有了AI,终于让技术含量低、思考量庞大、但是对工作质量和速度有巨幅帮助的“杂事”有了极高的可行性。

所以现在AI对人类译者来说是超级重要的助理。非要说有什么隐患的话就是【万一】模型提供方被拖库了,导致泄密。不过话说回来,现在靠谱的模型都掌握在超级大公司手里(本地运行的模型聊聊天还行,做翻译智商严重不足),被拖库的概率就挺小的。你就说吧,那么多开发者用 Google Docs 给译者共享文本,咋不担心 Google 让人拖库呢?只要在游戏制作的过程中用到任何云端的工具,就都有不等于零的泄密可能。

上述是比较根本的三个痛点,还有更多AI能实打实帮上忙的地方。碳基大脑的创造力和大局观,加上硅基大脑的无限穷举不知疲惫,产生的合力显著高于两个力之和。

发布于 美国