AI 介入翻译，为什么本地化专家反而更累

译文越流畅，专家有时越难放松警惕。

AI 介入翻译后，我们很容易产生一个直观判断：既然初译已经有人代劳，语言专家只需要检查，工作量理应下降。

但把 AI 译文真正放进生产流程，事情没有这么简单。模型变强、错误减少，并不意味着人工负担也会按同样的比例下降。

AI 介入之后，专家的工作并不是按比例减少了，而是换了一种形态：以前是在一张白纸上完成翻译，现在是在一份看起来已经完成的答案里，寻找少量、不确定会出现在哪里的异常。

错误可能确实少了，但专家仍然要看完。

而且，越是流畅的译文，有时越危险。它不会用别扭的语法提醒你“这里可能有问题”，反而会把漏掉的信息、补出来的条件和理解错的关系，包装成一句很像正确答案的英文。

一项机器翻译错误研究发现，30% 的严重忠实度错误读起来完全可以理解，足以让读者接受错误信息；约 70% 的遗漏也没有明显破坏译文的可读性。换句话说，“这句话很顺”并不能证明“这句话翻对了”。

于是，本地化专家面对的任务变成了：

AI 省掉了“从零写出一句话”，却增加了一层持续不断的验证。

在一批经过脱敏和取整的内部样本中，约 500 条中英初译经过第二轮检查，最终只有二十多条被改写，比例大约是 5%。

这组数字不能证明其余译文全部正确，因为它记录的是第二轮检查产生的改动，而不是完整的人工质量评估。但它很好地说明了一种越来越常见的工作状态：

需要处理的异常已经很少，寻找异常的成本却没有按同样比例下降。

例如，一组副本目标可能是这样的：

前两条没有问题，第三条却把目标数量从 3 改成了 8。第四条和后面可能又连续几百条都没有问题。专家不能因为前面都对，就默认后面也对；但如果从头到尾保持同样的警惕，每一句都重新核对，AI 带来的效率又会被大量“确认无误”消耗掉。

这也是为什么，单纯把 AI 初译放在专家面前，再要求专家逐句检查，并不一定是一条成熟的 AI 流程。

问题不只是“AI 还会不会犯错”，而是：

我们是不是还在用最昂贵的人工注意力，寻找本来可以由流程先筛出来的异常？

上面这个例子并不需要语言专家判断。系统完全可以先比较同结构文本，检查数字、单位和括号中的内容，再把唯一的结构异常标出来：

AI 介入后的第一个变化，不应该只是“让 AI 先翻”。更重要的变化应该是：不要再让专家平均地看待每一句话。

如果把错误拆开看，会发现其中一些具有相对明确的检查特征，值得从“全部交给专家”中单独拆出来。但除了数字、格式等确定性问题，AI 筛查能否稳定减少人工负担，还需要用真实样本验证。

1. AI 补上了原文没有的信息

原文：找到失联探测器留下的航行记录。

AI 译文：Find the navigation log left by the probe after it crashed.

这句话读起来很顺，也像一条完整的探索任务目标。

问题是，“失联”并不等于“已经坠毁”。after it crashed 给探测器补上了一个原文没有确认的结局，后续剧情如果说明它只是迫降或被人为关闭，这句译文就会提前写错世界事实。

大模型尤其容易在这里让人放松警惕：它补出来的往往不是离谱内容，而是“在这个场景里很可能发生”的结果、原因、态度或限制条件。

这类问题不适合只靠一句“不要增译”的 Prompt 解决。一个值得验证的方向，是在翻译之后增加一次独立的忠实度检查：

检查模型不负责把句子改得更好，只负责回答一个更窄的问题：译文里有没有出现原文无法支持的信息？

但这仍然只是一种待测试的做法。它能不能抓住增译，又会不会把正常的意译大量误报出来，需要在真实样本上看召回率和误报率，不能因为检查项写得出来，就默认已经解决。

2. 中文没有写明主语，英文补错了人

游戏对白和任务说明中，经常会省略已经可以从上下文推断出来的主语。

上文：我们去控制室。维修无人机留在配电间。

原文：检查完线路后启动备用电源。

AI 译文：After checking the wiring, activate the backup generator.

单看任务目标，英文祈使句默认把“检查线路”和“启动电源”的人都指向玩家。结合上一句，实际意思也可能是让留在配电间的无人机完成这两步：

Once the drone has checked the wiring, have it bring the backup generator online.

中文可以依靠语境省略主语，英文通常需要把动作关系说得更明确。真正的问题不只是某个代词翻错了，而是 AI 在缺少上下文时，替原文做了一个没有被标出来的决定。

理论上，补充相邻句、说话人和当前任务对象，可能帮助模型减少这类判断错误；检查阶段也可以尝试追踪英文中新出现的 he、she、they 和省略的祈使主语，要求它们能在原文或上下文中找到依据。

不过，这些做法在我们的生产文本中是否稳定有效，目前没有实测。这里更准确的定位是“值得验证的检查方向”，而不是“已经能够解决的流程”。

重点不是要求 AI “更聪明地猜”，而是尽量减少它必须猜的地方。

3. 信息都在，英文节奏却被中文句法牵着走

原文：钟声一响，守渡人便会封锁渡口，迟一步都过不去。

AI 译文：Once the bell rings, the ferryman will then close the crossing, and if you are one step late, you will not be able to pass.

信息基本都在，语法也成立，但 once... will then... and if... 把中文的连接方式一段段搬进了英文。原本紧迫的提醒，被写成了一句耐心解释规则的长句。

放在游戏场景中，更自然的表达可能是：

When the bell rings, the ferryman closes the crossing.

Miss it, and you're stranded.

中文可以在一句话里连续压入时间、动作和结果，英文则常常需要重新安排重音，甚至直接拆句。问题不是把某个词查得更准，而是 AI 有没有意识到：这里要保留的是“赶不上就被困住”的紧迫感，而不是中文分句的原始形状。

这类问题没有数字检查那么确定。可以尝试让 AI 做专项标记，但前提是把它当成实验，而不是已经可靠的质检能力：

- 一……便…… 等关系是否被机械拼成 once...then；

- 原文中的短促警告是否被扩写成完整长句；

- 多个动作是否只靠 and、then 逐项串联；

- 译文语法正确，但节奏不像该场景里的人会说的话；

- UI、对白和说明文本是否使用了同一种表达尺度。

设想中的分工是：AI 先找出疑似中式结构，语言专家再判断是否需要改写。但只有当专项筛查在真实样本中证明自己不会漏掉太多问题、也不会制造大量误报时，它才有可能真正减少专家负担。

如果把上面的问题放回完整流程，会发现它们不应该由同一个人、在同一遍检查中全部完成。

一个值得验证的分层思路是：

这里的第二至第四层不是已经验证过的能力清单，而是待实验的分层思路。只有在真实文本上证明筛查结果值得信任，它们才有资格替代一部分人工检查。

目标也不是堆出越来越多的检查项，把流程变得更重。

恰恰相反，检查的价值在于不断缩小人工需要阅读的范围：

- 有唯一答案的，直接由规则判定；

- 可以描述风险特征的，尝试让 AI 先筛选，再用样本验证效果；

- 只有涉及取舍、创意和语境的，才集中交给专家。

过去我们把专家放在流程末端，默认他要为所有问题兜底。AI 介入以后，如果这个位置没有变化，专家就会同时承担两种负担：既要检查机器有没有犯基础错误，又要完成真正需要语言能力的判断。

如果这些筛查经过真实样本验证，更理想的状态才可能从“AI 翻完，人再全部看一遍”变成：

先让规则和 AI 把问题分好类，再让专家只看真正值得他看的部分。

前面的几类问题并不处在同一个确定性等级：数字和格式异常可以由规则稳定检查；无依据增译、隐含主语和中式结构，则只是更适合被单独拿出来测试，并不代表 AI 已经能够稳定识别。

但还有一种问题，即使每句话单独看都没有明显错误，也可能在几十句、几百句累积之后，改变玩家对一个角色的感受。

例如，某个边境掮客习惯用赌桌上的话谈风险。下面三句来自不同场景，单看都没有明显错译：

这三句译文的意思都基本成立，没有改变人物的决定，也没有捏造世界观事实。

但放在一起看，原文反复出现的“赔率、下注、底牌”被抹平了。这个角色本来会把冲突、合作和欺骗都看成一场赌局，AI 却把他的每句话都换成了谁都能说的普通英语。

如果重新按照这个人物的语言习惯处理，可能会变成：

这里丢掉的不是某个关键词，而是更难量化的东西：

- 是否持续使用同一类比喻和意象；

- 哪些口头禅只属于这个人物；

- 角色习惯说长句还是短句；

- 是否使用缩写、俚语和不完整句；

- 面对冲突时会克制、讽刺还是挑衅。

机器翻译中的词汇趋同并不是新问题。已有研究发现，相比人工译文，机器翻译更容易放大高频表达、忽略低频表达，导致词汇丰富度下降。对专业生产数据的后续研究也发现，经过人工译后编辑的机器译文，词汇多样性仍可能低于从零完成的人工翻译，并且更容易保留源语言的句法结构。

这些研究不能直接证明“所有游戏角色都会被翻成同一个人”，但它们解释了这种风险为什么会发生：模型倾向于选择最稳妥、最常见、最容易成立的表达，而角色声音恰恰经常藏在那些不那么平均的选择里。

角色声音也存在一些值得测试的辅助思路：

这套做法同样只是方向，是否真的能提高一致性、减少专家工作量，还需要实测。而且角色声音很难像数字、术语和占位符一样，被归结为一个确定的“通过”或“不通过”。

单看一句话，它可能完全合格。只有把一个人物的几十句、几百句台词放在一起，才会发现他的语言正在慢慢失去辨识度。

这可能也是 AI 进入游戏本地化之后，语言专家最难被替代的一部分：

AI 擅长让每句话都像一句合格的英文；专家真正守住的，是这些句子合在一起以后，是否仍然属于同一个角色、同一个世界。

AI 进入本地化之后，我们很容易用“翻译速度”和“修改比例”判断它有没有带来效率。

但对专家来说，真正昂贵的往往不是敲下了多少字，而是注意力被怎样使用。

如果专家仍然需要平均地检查每一句，在一大批流畅译文中持续寻找少量异常，那么 AI 只是把他的工作从“生成答案”改成了“怀疑答案”。初译更快了，判断不一定更轻松。

所以，下一阶段真正值得优化的，不只是模型还能少犯多少错，而是：

- 哪些错误可以由规则直接排除；

- 哪些风险值得测试 AI 能否提前标出；

- 哪些内容值得尝试通过批量比较发现异常；

- 哪些决定必须保留给语言专家。

AI 的价值，不应该只是替人先写一版。

它更应该帮助团队把有限的专家精力，从大量“确认这句没问题”中释放出来，集中到那些真正需要经验、审美和判断的地方。

最后留下来的，也许不是“人给 AI 改稿”这样简单的分工，而是一条新的边界：

规则负责排除确定性错误，AI 负责寻找疑似问题，专家负责守住语言背后的人物和世界。

说明：文中的内部样本均经过脱敏、改写和比例取整，仅用于说明问题形态，不对应任何具体项目、角色、道具或活动。