150 страниц технической документации, дедлайн — две недели, бюджет урезан на 40%. Знакомый сценарий? Именно это заставило больше половины агентств за последние 3 года перейти на MTPE для технических мануалов, а не ждать, пока клиент найдет того, кто дешевле.
Но MTPE для технической документации — это не просто кидать текст в DeepL и давать редактору разбираться с AI-ужасом. Это целостный процесс с нетривиальной подготовкой, четкими чек-листами качества, правильно настроенными инструментами и здравым смыслом, чтобы не переусложнить без причины. Разберемся, как это работает на самом деле.
Что такое MTPE и почему для технической документации это работает¶
MTPE (Machine Translation Post-Editing) — это когда вы пропускаете текст через AI-переводчик (MT-engine), а потом человек-редактор его полирует. Звучит как недоделка, но именно в технической документации это срабатывает лучше всего.
Почему? Потому что технический текст — это скелет. Инструкции, спецификации, API-документация, user manuals написаны кратко, без украшений, с повторяющейся структурой. Железо MT-engine уже это хорошо понимает. Исследования показывают, что для технического контента средняя производительность MTPE — это 15-30% сокращение времени по сравнению с чистым ручным переводом, а себестоимость падает на 30-60%.
Для контраста: маркетинговый копирайтинг (где MT часто просто выдает брак) или юридические тексты (где ошибка стоит дорого). Но техническая документация — это зона, где MTPE дает предсказуемый результат.
MTPE-workflow: от исходного текста к доставке¶
Не все понимают, почему MTPE не ощущается как “Вот машина, вот редактор, готово”. Реальных шагов шесть, каждый важен:
1. Подготовка исходного текста (Pre-editing). Качество исходного текста влияет на 80% качества MT-output. Если ваш технический райтер пишет “система может возможно обрабатывать данные”, то MT выдаст вам что-то ужасное. Вместо этого нужны четкие требования: номенклатура одинакова, короткие и четкие предложения, однозначная грамматика. Это первый серьезный выигрыш времени — в правильной подготовке источника.
2. Настройка MT-engine. Не просто берете первый свободный Google Translate или DeepL. Для технической документации вам нужен engine, натренированный хотя бы на вашу предметную область. Варианты: - Готовые (hosted): DeepL, Amazon Translate, Google Cloud Translation — хорошее качество для пар языков, но без контекста вашей компании. - Fine-tuned: если объемы >50K слов/месяц, рассмотрите API с fine-tuning (Amazon, Google, Azure Translator) на собственную TM — выигрыш 20-30% качества за 2-3 недели.
3. Translation Memory (TM) + Glossary. Правильная TM — это половина работы. Если раньше вы уже переводили подобное, TM должна содержать контекст каждого термина. Glossary (терминологическая база) — это белый список: “Product X всегда Product X, никогда не переводится”.
4. MT-generation. Машина делает черновик. Занимает минуты-часы в зависимости от объема. На этом этапе уже видно, правильно ли вы настроили глоссарий и TM (хороший знак: 80%+ терминов на месте, предложения имеют смысл).
5. Post-Editing. Теперь редактор либо “light” (быстро чищу ошибки), либо “full” (переписываю для качества). Подробнее об этом ниже.
6. QA-проверка. Финал: автоматическая проверка (орфография, теги, цифры, пунктуация) + финальная ревью экспертом. Без этого шага у вас получается половинчатая работа.
Временная шкала на типичной 10-тысячнословной технической документации: подготовка — 4 часа, MT — 0.5 часа, light PE — 8-12 часов, QA — 2-3 часа. Всего ~15-20 часов. Чистый перевод того же текста вручную — 30-40 часов.
Light редактирование VS Full редактирование: когда что выбирать¶
Два режима MTPE дают разные результаты, разную стоимость, разные правила.
| Параметр | Light Post-Editing | Full Post-Editing |
|---|---|---|
| Фокус | Исправление грамматики, орфографии, явных ошибок перевода | Готовое к публикации качество: стиль, тон, культурный контекст |
| Производительность | В 2-3 раза быстрее чистого перевода (5000-8000 слов/день) | На 15-30% быстрее чистого перевода (2000-3000 слов/день) |
| Качество | Понятное, для внутреннего использования, документации | Публикуемое, клиент-ориентированное, профессиональное |
| Edit distance | 15-25% | 30-40% |
| Типичное применение | API-документация, внутренние мануалы, knowledge bases | Справка ПО, user manuals, маркетинговые материалы |
| Стоимость | На 40-50% дешевле ручного перевода | На 20-30% дешевле ручного перевода |
| Кто делает | Младший переводчик, редактор с опытом MTPE | Старший переводчик с экспертизой предметной области |
Light подходит, если вы переводите для внутреннего использования, скорость критична, качество 7 из 10 достаточно. Пример: ваша API-документация переводится с английского на немецкий, основная задача — чтобы разработчик понимал, как ее использовать. MT дал 85% понимания, light PE добавит еще 10%.
Full — когда текст выходит в свет, когда ошибка дорогая, когда бренд на кону. Инструкции к медицинскому прибору, лабораторные протоколы, документация для нормативной базы.
По исследованиям, для большинства технической документации оптимально — это light PE с повторной QA. Ошибки поймает QA (тот же автомат + человек), деньги не тратятся на переформулировку фразеологии, дедлайн хороший.
Настройка QA: чек-лист проверок¶
Автоматическая QA-проверка — это ваш первый щит от брака. Настраивается в CAT-инструментах (SDL Trados, memoQ, Phrase, Lokalise) один раз, потом работает на всех проектах.
| QA Check | Что ищем | Как настроить | Пример ошибки |
|---|---|---|---|
| Terminology | Не заблудился ли ни один термин из глоссария | Добавьте glossary в CAT, включите “Flag not in glossary” | Глоссарий говорит “API”, редактор написал “Interface” |
| Formatting | Теги, маркировка, числа на месте | Включите tag checking, сопоставьте числа между источником и целью | <b>Жирный</b> в оригинале стало <B>Жирный</b> в переводе |
| Spelling & Grammar | Орфографические ошибки, неправильная структура | Запустите спеллчекер на целевом языке | Двойные пробелы, “программа программа” вместо “программа” |
| Numbers & Quantities | Не исчезли ли цифры и не изменились ли | Создайте правила для цифр: “проверь, совпадает ли число в источнике с целью” | Источник: “32 MB”, Цель: “3 MB” (машина обрезала) |
| Consistency | Одинакова ли одна и та же терминология везде | Экспортируйте TM, сканируйте “English term переводится 5 разными способами” | “Database” - раз “база данных”, раз “БД”, раз “хранилище” |
| Forbidden Terms | Не осталось ли ни одного английского слова/сокращения | Создайте черный список терминов, которые НЕ должны появляться | Источник на русском, но в целевом остались “OK”, “ASAP”, “TCP/IP” без локализации |
ISO 18587:2017 — это стандарт MTPE, сформированный европейцами. Он говорит: минимум, что вы должны проверять — это орфография, грамматика, консистентность терминов и форматирование. Все остальное — в зависимости от вашего уровня амбиций.
Практическая система: настройте в своем CAT как минимум 5 правил (terminology, spelling, numbers, forbidden chars, consistency). Запустите QA, исправьте флагированные элементы. На больших проектах количество ошибок, которые ловит автомат, составляет 70-80% от всех ошибок.
Терминология и Translation Memory: как не напортачить¶
Технический текст — это 40% повторений. Одно слово появляется в 100 местах. Если вы переводите его 100 раз по-разному, то это не MTPE, это плохо.
Translation Memory (TM) — это база предыдущих переводов с контекстом. Когда редактор видит новое предложение, CAT показывает, как я раньше переводил похожее. Если TM качественная, вы экономите 30-40% редактирования.
Glossary — это список правил: “Product X всегда X, никогда не переводится”. Глоссарий переопределяет TM, это чистый список терминов.
Как это настроить:
-
Получите предыдущую TM. Если раньше переводили — экспортируйте все предыдущие проекты в .tmx (стандартный формат TM). Очистите мусор, удалите брак. На выходе — золото.
-
Постройте глоссарий на основе вашей документации. Извлеките все технические термины вашего продукта и их переводы. Пример для e-commerce платформы: - “Shopping cart” → “Корзина покупок” - “Checkout” → “Оформление заказа” (не “Кассовый ряд”, не “Касса”) - “Refund” → “Возврат средств” (не “Возмещение”)
-
Блокируйте MT-engine от нарушения глоссария. На базовых MT-API (DeepL, Google) это нельзя сделать. На более развитых (Azure, Amazon, custom fine-tuning) — вставляете глоссарий в конфиг.
-
Пересматривайте и обновляйте TM ежемесячно. Исправления, которые делали редакторы — это новое знание. Каждый “хорошо сделанный” сегмент должен вернуться в TM.
Исследования показывают, что с качественной TM (>80% match) для новых проектов время редактирования падает на 40-50%. Без TM вы редактируете как холостая утка.
Бенчмарки производительности: сколько времени на сколько слов¶
Цифры, которые люди спрашивают все время:
- Light PE, новый язык, хороший MT: 250-400 слов/часу (один редактор)
- Light PE, с хорошей TM (>70% match): 500-800 слов/часу
- Full PE, технический текст: 150-250 слов/часу
- QA проверка: 1000-2000 слов/часу (в основном автомат)
Для проекта 10,000 слов: - Чистый перевод вручную: 8-12 дней (40 часов) - Light MTPE без TM: 5-6 дней (25 часов) = 40% сокращение - Light MTPE с TM: 3-4 дня (15 часов) = 60% сокращение
Это предполагает, что MT-engine качественный (BLEU score >25, edit distance <35%), редактор натренирован, инструменты настроены.
Заметьте: цифры — для проектов 5K+ слов. На маленьких (500-1000 слов) overhead настройки TM, глоссария, CAT-конфига не окупается.
Инструменты: какие CAT-программы покупать, какие MT-API¶
CAT инструменты (где работает редактор): - SDL Trados Studio. Индустрия требует в 70% агентств. Дорогой (€1500-3000/год), но это де-факто стандарт. Отличный с TM, QA, custom MT интеграцией. - memoQ. Более демократичная цена (€500-2000/год), быстрее в политехнике, хорошо встраивает MT. Популярна в СНГ и ЕС. - Phrase (ранее Memsource). Cloud-native, linguist-friendly, встроена интеграция с MT-engines. - Lokalise. Для digital teams, легко интегрируется в CI/CD, но менее для типичного MTPE.
Выбирайте на основе того, что уже знаете, или что требует ваш клиент.
MT-engines: - DeepL API. Низкая стоимость (~50€/месяц за 500K символов), высокое качество для ЕС-языков. Не позволяет встраивать глоссарий встроено, но можно работать вокруг этого в CAT. - Amazon Translate. Дешево на объемах, fine-tuning на собственную TM. Хорош для больших проектов. - Google Cloud Translation. Еще лучше качество, но дороже. Поддержка глоссария, AutoML для custom моделей. - Azure Translator. Глоссарий встроено, fine-tuning. Microsoft ecosystem, если вы уже в облаке.
Рекомендация: для первого MTPE-проекта начните с DeepL или Amazon (дешево, порядок качества). Когда объемы вырастут и инструменты окупятся, рассмотрите fine-tuning.
Распространенные ошибки и как их избежать¶
-
Выбор неправильного MT-engine без тестирования. Купили Trados, кинули его в Google Translate и думаете, что теперь вы гениальны. Неправда. Тестируйте 1000-словный сегмент на трех-четырех engines, сравните edit distance. Часто бывает разница в 20%.
-
Игнорирование качества исходного текста. MT не могут понимать грамматически сломанный исходный текст лучше, чем редактор. Если райтер пишет “система может может содержать ошибок”, то MT выдаст вам что-то нелепое. Привлеките редактора к подготовке (pre-editing), а не к восстановлению.
-
Распространение MTPE как универсального. Для поэтического текста, креативных слоганов, юридических контрактов MTPE не решение — там нужен специалист. Только структурированный контент (инструкции, API, спецификации).
-
Переусложнение процесса. Добавили 20 QA-правил, TM на 500K сегментов, fine-tuning, аудит, три уровня ревью. Результат — хорошее качество, но это стоит столько же, сколько и чистый перевод. Начните с минимума (5 QA-правил, базовая TM, light PE), потом расширяйте.
-
Неправильная оплата редакторов. Редактора за MTPE нельзя платить как за переводчика (за слово). Это либо почасово, либо “за effort” (выходя из отредактированного времени). Иначе редактор просто пропустит ошибки, чтобы скорее закончить.
Как начать: практичный план на первый месяц¶
Неделя 1: Planning & Piloting - Выберите проект 5,000-10,000 слов (технический, желательно с повторяющимися терминами) - Выберите язык пары (сравните 2-3 MT-engine на первых 500 словах) - Наймите редактора с опытом MTPE (или подготовьте своего за 2-3 дня)
Неделя 2: Setup - Настройте TM в Trados/memoQ - Постройте глоссарий по вашей документации (50-100 ключевых терминов) - Настройте 5 базовых QA-правил (terminology, spelling, numbers, forbidden terms, consistency)
Неделя 3-4: Execution & Learning - Запустите MT на пилотном проекте - Редактор делает light PE (2-3 часа на 1000 слов) - QA-проверка, удаление ошибок - Посчитайте: часы, деньги, ошибки. Сравните с чистым переводом.
Iterative: если это 30% на времени / 50% на деньги — масштабируйте. Если ничего не сохранилось (ошибок полно, деньги переплачены) — пересмотрите MT-engine, TM, или редактора.
FAQ¶
Подходит ли MTPE для сложной технической документации?
Для высокого риска (медицинская, атомная, авиация) — только full PE с экспертом. Для средней сложности (user manuals, API docs, спецификации) MTPE дает 40-60% сокращение времени. Ключ — не тип контента, а ваша толерантность к ошибкам.
Как рассчитать ROI?
Сделайте пилот на 5K-10K слов: посчитайте стоимость MT+редактирования, сравните с чистым переводом. Обычно окупается на 3-м проекте. Формула: (Время сохранено × ставка редактора) - (MT API + CAT лицензия) = ROI.
Сколько времени на обучение редактора?
Базовая подготовка — 2-3 дня (ознакомление с MT-артефактами, QA-инструментами, style guide). Полная компетенция — 2-3 проекта на 20-50K слов. Потом он работает оптимально.
Какой MT-engine выбрать?
Для технической документации: DeepL (качество, дешево) или Amazon Translate (масштабируется). Тестируйте на репрезентативном образце (500-1000 слов), сравните edit distance (чем ниже, тем лучше; <35% — хорошо).
Какова стоимость полной установки MTPE?
CAT: €1000-3000/год. MT API: €200-800/месяц. TM+glossary: €500-2000 установка. QA-инструменты часто встроены. Обычно окупается за 1-2 проекта.
Как убедиться в консистентности терминов?
Настройте QA-правило “terminology check” в CAT против вашего глоссария + TM. Потом экспортируйте готовый перевод, сканируйте “как часто каждый английский термин переводился” — должно быть максимум 1 вариант на термин.
Что если MT-output очень плохой?
Проверьте: 1) исходный текст грамматичен? 2) MT-engine натренирован на технический контент? 3) глоссарий настроен? 4) TM качественная? Если все это хорошо и BLEU <20, то MTPE для этого контента неэкономично — переходите на чистый перевод.