Производительность пост-редактирования: реалистичные бенчмарки слов в час

Спроси трёх пост-редакторов, какая у них скорость - и получишь три совершенно разных числа. Один скажет 1,500 слов в час. Второй - 400. Третий - “зависит от дня”. Все трое говорят правду - и именно это делает бенчмарки производительности в MTPE такими сложными для практического применения.

Вот что эти цифры на самом деле означают, откуда они берутся и почему среднее значение, которое ты находишь в статьях, одновременно правильное и бесполезное для твоей конкретной ситуации.

Базовый уровень: сколько реально производит человеческий переводчик¶

Прежде чем говорить о скорости пост-редактирования, нужен базовый уровень: как быстро идёт перевод с нуля?

Отраслевой стандарт - 250-400 слов в час для профессионального человеческого перевода, что даёт 2,000-2,500 слов в день при стандартном рабочем дне. Именно эти цифры использует Центр переводов ЕС, профессиональные ассоциации и большинство агентских воркфлоев.

Два важных оговорки:

Первое: этот диапазон 250-400 уже предполагает опытного переводчика, работающего в знакомой предметной области с хорошим CAT-инструментом. Поставь того же переводчика в незнакомую область или в языковую пару с ограниченными ресурсами - и вывод может упасть до 150-200 слов в час. Опытные специалисты в рутинном контенте могут давать 500 слов в час с нуля.

Второе: “слов в день” включает время на ресёрч, запросы к TM, поиск терминов и контроль качества - не только непосредственный набор текста. 2,000 слов в день - это чистый продуктивный вывод, а не непрерывный поток.

Этот базовый уровень важен, потому что любое утверждение о производительности MTPE имеет смысл только относительно него. “Пост-редактирование в 3 раза быстрее” ничего не означает без точки отсчёта.

Лёгкое пост-редактирование: потолок в 1,000 слов в час¶

Наиболее цитируемый бенчмарк для лёгкого пост-редактирования - примерно 1,000 слов в час, то есть примерно в 2.5-4 раза быстрее базового уровня человеческого перевода.

Откуда эта цифра? Из исследований на структурированном контенте с хорошим MT-выводом. Исследование Migros Bank зафиксировало 700 слов/час на финансовых текстах. Анализ Slator приводит данные переводчика Энрико Антонио Миона: 1,000 слов/час для лёгкого пост-редактирования хорошо обученного MT-вывода. Новостные статьи (кейс Incyta LSP) достигли 1,500 слов/час для контента с минимальным редактированием.

Но эти условия - хороший MT, знакомая область, структурированный контент - это сценарий лучшего случая.

Центр переводов ЕС использует 20 страниц в день (~5,000-8,000 слов) как стандарт для лёгкого MTPE. На практике это означает: потолок для лёгкого PE - около 5,000 слов за продуктивный день в хорошо организованном воркфлое.

Когда лёгкое PE реально достигает этих цифр: - MT-движок обучен на конкретной предметной области (не общие модели на специализированных текстах) - Языковая пара, где качество MT стабильно высокое (европейские языковые пары с большим количеством ресурсов) - Контент формульный и повторяющийся (описания товаров, строки UI, примечания к релизам) - Пост-редактор знаком с паттернами ошибок движка - Нет неоднозначных или спорных терминов, требующих ресёрча

Пропусти хотя бы одно условие - и пропускная способность упадёт. Большинство реальных проектов пропускают минимум два.

Полное пост-редактирование: математика, которая экономит меньше чем обещают агентства¶

Полное пост-редактирование (FPE) - где вывод должен быть неотличим от человеческого перевода - идёт со скоростью 600-800 слов в час, или 2,000-3,000 слов в день.

Стандарт Центра переводов ЕС для полного MTPE - 15 страниц в день (~3,000-5,600 слов в зависимости от плотности страницы). Анализ Crowdin оценивает пропускную способность FPE в 600-800 слов/час - примерно в 2-3 раза быстрее базового уровня человеческого перевода при хорошем качестве MT.

Вот где математика становится неудобной: при 2,000-3,000 словах в день FPE-редактор не намного быстрее человеческого переводчика. Он тратит больше когнитивных усилий на слово (читает MT-вывод, оценивает его, решает что изменить, затем вносит правки - вместо того чтобы просто переводить напрямую). Для многих типов контента эти когнитивные издержки частично нивелируют преимущество наличия черновика.

Опрос GTS Translation среди 212 фрилансеров в 2025 году непосредственно отражает эту реальность:

“Около 50% респондентов не предлагают скидок на работу с MTPE, утверждая, что пост-редактирование может занимать столько же времени, сколько и традиционный перевод.”

И 66% респондентов сказали, что MT-вывод требует существенного редактирования, а 21.74% - что он требует значительной доработки, фактически переперевода за более низкую ставку.

Полное пост-редактирование действительно быстрее перевода с нуля, когда качество MT хорошее и контент структурированный. Оно не существенно быстрее, когда любое из условий не выполняется. Агентства, которые продают FPE как “человеческое качество за половину времени”, как правило, опираются на бенчмарки лучшего случая, а не на среднестатистическую реальность.

Таблица бенчмарков¶

Источники: SwissGlobal 2026, Crowdin, Weglot.

Самый важный столбец - правый. Когда качество MT плохое, ты не просто теряешь преимущество в скорости - ты можешь оказаться медленнее перевода с нуля, потому что когнитивные издержки на оценку и отклонение плохого вывода занимают время, которое ты никогда бы не потратил на чистом листе.

Языковая пара - самая важная переменная, которую нельзя игнорировать¶

Общий средний бенчмарк - “MTPE на 66% быстрее человеческого перевода” - скрывает огромные различия по языковым парам. Анализ SwissGlobal 2026 (90 миллионов слов, 879 лингвистов) - самые детальные публичные данные по этой теме:

Для EN→FR лёгкое PE со скоростью 1,000+ слов/час достижимо и экономика MTPE привлекательна. Для EN→SV тот же воркфлоу пост-редактирования медленнее простого перевода - качество MT-вывода не оправдывает когнитивных издержек на его оценку.

Финское исследование 2025 года о пост-редактировании GenAI-вывода показало средний прирост скорости 14% по сравнению с человеческим переводом с нуля - с индивидуальным разбросом от -2% до +102% среди пост-редакторов, работавших с одинаковым контентом. Это не шум - это сигнал о том, что индивидуальный навык редактора и знакомство с движком важны так же, как и сама языковая пара.

Практический вывод: никогда не устанавливай ожидания производительности для MTPE без предварительного пилота в конкретной языковой паре. Использование бенчмарков EN→FR для установки ожиданий по EN→JA будет регулярно приводить к провалам проектов.

Влияние типа контента на пропускную способность¶

Предметная область контента влияет на производительность почти так же сильно, как языковая пара. Причина проста: точность MT существенно варьируется в зависимости от области и типа текста.

Из опубликованных кейсов LSP и исследований:

Типы контента с высокой пропускной способностью (лёгкое PE 1,000-1,500 слов/час): - Строки UI приложений и тексты встроенной справки - Описания товаров для электронной коммерции со стандартизованными форматами - Новостные статьи на предсказуемые темы (спортивные результаты, погода, пресс-релизы) - Техническая документация с контролируемым словарным запасом

Средняя пропускная способность (600-900 слов/час): - Общие технические руководства - B2B-маркетинговые материалы - Финансовые отчёты со стандартизованной структурой

Низкая пропускная способность (250-600 слов/час, приближается к скорости человеческого перевода): - Юридические договоры со сложными синтаксическими конструкциями - Медицинские документы, требующие проверки клинической точности - Художественный или стилистически насыщенный контент - Контент с высоким уровнем локализации, где MT не улавливает культурный регистр

Исследование Migros Bank на финансовых текстах показательно: 700 слов/час для структурированного финансового перевода - ниже чем для общего технического контента, потому что MT-модели, обученные на общих текстах, менее надёжно справляются с финансовой терминологией, а ошибки в терминах требуют времени на верификацию.

Художественный перевод демонстрирует самый широкий разброс в данных: от 402 до 1,140 слов/час в одном исследовании. Такой экстремальный разброс говорит о том, что производительность в сложном контенте сильно зависит от конкретного текста и пост-редактора, а не только от воркфлоя.

Фактор опыта: почему один и тот же воркфлоу даёт разную пропускную способность¶

Опыт пост-редактора с конкретным MT-движком существенно влияет на результат - и не очевидным образом.

По данным анализа Slator, пост-редакторы, как правило, достигают максимальной производительности примерно через 3 месяца регулярной работы с одним MT-движком. До этого они обнаруживают паттерны ошибок в процессе работы - а значит читают внимательнее, чаще встречают неожиданности и тратят больше времени.

После трёх месяцев опытный пост-редактор имеет интернализованную карту того, где движок ошибается: - Какую терминологию он стабильно переводит неправильно - Какие синтаксические конструкции он искажает - Какие типы контента генерируют плохой вывод - Где вывод достаточно близок чтобы принять с минимальными правками, а где ожидать большой переработки

Эта кривая обучения имеет прямое деловое значение: первые два месяца нового MTPE-воркфлоя всегда менее продуктивны чем предполагают бенчмарки. Учитывай это в таймлайнах проектов и переговорах по ставкам для новых движков или новых языковых пар.

Общий опыт переводчика помогает, но это не то же самое. Переводчик с 15-летним опытом EN→DE, только начинающий с конкретным MT-движком, всё равно будет медленнее 3-летнего пост-редактора, который хорошо знает паттерны ошибок этого движка для DE. Навык частично переносится, но знакомство с движком - это отдельная предметная область.

Когда пост-редактирование не экономит время: сценарии, которые стоит знать заранее¶

Есть конфигурации проектов, где MTPE не даёт никакого преимущества в производительности - и несколько где оно активно стоит времени. Это не граничные кейсы; они достаточно распространены, чтобы каждое агентство знало о них.

Сценарий 1: Несоответствие предметной области. Ты используешь общий MT-движок на узкоспециализированном контенте (патентные претензии, нишевая юридическая терминология, документация на медицинские устройства). Точность MT настолько низка, что пост-редакторы тратят больше времени на выявление проблем, чем они бы потратили на перевод. Лёгкое PE фактически становится полным PE, а полное PE приближается к переводу заново.

Сценарий 2: Языковая пара с большим количеством ресурсов через движок, обученный на малых ресурсах. Общая модель эпохи GPT для EN→FI или EN→HU может генерировать вывод, который грамматически почти правильный, но систематически ошибочный в способах, требующих больше времени для оценки, чем для прямого перевода.

Сценарий 3: Первый проект с незнакомым движком. Пока редактор не приобретёт знакомство с паттернами ошибок движка, производительность на минимуме. В сочетании с новой языковой парой или областью можно легко оказаться ниже пропускной способности человеческого перевода.

Сценарий 4: Терминологически непоследовательный вывод. MT-движки часто переводят один и тот же термин шестью разными способами в рамках одного документа. Исправление терминологических несоответствий в 30,000 слов - не быстрее с MT, а на самом деле сложнее, потому что ты проводишь аудит черновика вместо того чтобы изначально строить последовательность.

Ни один из этих сценариев не означает что MTPE - плохой воркфлоу. Они означают что прирост производительности условен - а условие - это качество MT, которое варьируется в зависимости от движка, языковой пары и предметной области.

Измерение собственной пропускной способности: что отслеживать¶

Стандартные бенчмарки полезны для начальных оценок. Они бесполезны для отслеживания того, что реально производят твои конкретные редакторы, движки и типы контента.

Четыре метрики, стоящие отслеживания на каждом MTPE-проекте:

Слов в час по редактору и типу проекта. Не одно среднее - разбивка. Редактор, дающий 1,200 слов/час на EN→FR технических документах и 400 слов/час на EN→PL юридических текстах, требует разных структур ставок для каждого.

Дистанция редактирования (Translation Edit Rate, TER). Сколько MT-вывода редактор реально изменяет? TER даёт прямое измерение качества MT независимо от скорости редактора. Если TER стабильно высокий (много изменений), “пост-редактирование” в воркфлое на самом деле ближе к переводу заново.

Эффективная почасовая ставка при ставке проекта. Если ты платишь редактору $0.04/слово за лёгкое PE и он даёт 400 слов/час, его эффективный почасовой заработок - $16/час, ниже рыночных ставок. Это неустойчиво. Отслеживай и либо корректируй ставку, либо воркфлоу.

Производительность первого месяца vs. стационарное состояние. Отделяй период адаптации от стационарного вывода. Представление цифр первого месяца как бенчмарков менеджменту или клиентам будет регулярно разочаровывать.

ISO 18587:2017 - международный стандарт для MTPE - не устанавливает конкретных показателей пропускной способности, но требует чтобы уровень пост-редактирования и ожидания по качеству были согласованы в письменной форме до начала работы. Документирование этого облегчает честные разговоры, когда производительность не соответствует прогнозным бенчмаркам.

Что “на 66% быстрее” реально означает для агентства¶

Средний показатель “на 66% быстрее”, фигурирующий в нескольких отраслевых анализах, в масштабах означает следующее:

Человеческий переводчик, дающий 2,000 слов/день, стоит тебе $X для производства такого объёма. Пост-редактор, дающий 3,300 слов/день (на 66% больше), стоит тебе существенную долю $X за слово (потому что ты платишь за слово, а не за день). При эквивалентных ставках MTPE расширяет мощность - ты можешь брать больше работы без пропорционального роста затрат.

Математика объёмов работает только когда: 1. Качество MT достаточно стабильно, чтобы пропускная способность реально составляла 3,300 слов/день, а не 2,100 2. Оплата пост-редакторов соответствующая, чтобы ты мог удерживать квалифицированных редакторов 3. Тип контента и языковая пара реально обеспечивают прогнозируемый прирост

Анализ Weglot оценивает мультипликатор производительности в 2.5x для структурированного контента в благоприятных языковых парах - соответствует верхней границе таблицы бенчмарков выше. Этот показатель 2.5x реален, когда условия подходят. Это не гарантированный результат использования любого MT-движка на любом контенте.

FAQ¶

Сколько слов в час может обработать пост-редактор?¶

Для лёгкого пост-редактирования хорошего MT-вывода: ~1,000 слов/час в среднем. Полное пост-редактирование - 600-800 слов/час. Человеческий перевод с нуля - 250-400 слов/час. Это средние значения - реальная пропускная способность сильно зависит от качества MT, языковой пары, типа контента и опыта редактора с конкретным движком.

Всегда ли пост-редактирование быстрее перевода с нуля?¶

Нет. Анализ SwissGlobal 2026 (90 миллионов слов) показал, что EN→SV MTPE на 7% медленнее человеческого перевода. EN→PL даёт лишь 18% преимущества в скорости. Финское исследование 2025 года показало индивидуальный разброс от -2% до +102% среди пост-редакторов, работавших с одинаковым контентом. Плохое качество MT, сложные языковые пары и незнакомый контент могут полностью уничтожить прирост производительности.

Какие типы контента дают лучшую производительность при MTPE?¶

Строки UI приложений, описания товаров для электронной коммерции и новостные статьи на предсказуемые темы стабильно дают самую высокую пропускную способность - 1,000-1,500 слов/час для лёгкого PE. Юридические документы, медицинские тексты и художественный контент - самую низкую, часто 250-500 слов/час. Разница объясняется точностью MT в специализированных областях: модели, обученные на общих текстах, чаще ошибаются на специализированной терминологии, а каждая терминологическая ошибка требует времени на верификацию.

Как языковая пара влияет на скорость пост-редактирования?¶

Существенно. Данные SwissGlobal показывают EN→FR +130% к скорости по сравнению с человеческим переводом, EN→PL +18%, EN→SV -7%. Языковые пары с большим количеством ресурсов и хорошими MT-обучающими данными дают лучшие результаты. Пары с малым количеством ресурсов, морфологически сложные целевые языки и пары со значительными структурными отличиями от английского показывают меньший или отрицательный прирост производительности.

Сколько времени нужно пост-редактору чтобы достичь полной производительности?¶

Примерно 3 месяца регулярной работы с одним MT-движком. Пост-редакторы нарабатывают знакомство со специфическими паттернами ошибок движка, что позволяет предугадывать проблемы и исправлять их быстрее, вместо того чтобы заново оценивать каждый сегмент. Общий опыт переводчика переносится частично, но знакомство с движком - это отдельный навык.

Какой реалистичный показатель слов в день для MTPE-проектов?¶

Для планирования проектов: лёгкое PE при 5,000 слов/день (при благоприятных условиях), полное PE при 2,000-3,000 слов/день. Центр переводов ЕС использует 15 страниц/день для полного MTPE и 20 страниц/день для лёгкого MTPE как институциональные стандарты. Используй эти показатели как базу для планирования, а затем проводи пилот на своём конкретном контенте/движке/паре для калибровки под реальность.

Источники¶

• Slator - Как быстро можно выполнять пост-редактирование машинного перевода
• SwissGlobal - Производительность перевода 2026: человеческий перевод vs MTPE (90M слов, 879 лингвистов)
• Crowdin - Полный гайд по пост-редактированию машинного перевода
• GTS Translation - Состояние MTPE в 2025 году: мнения переводчиков (n=212)
• Weglot - Анализ ставок и производительности MTPE
• ISO 18587:2017 - Пост-редактирование вывода машинного перевода: требования