請點擊上方Multilingual俱樂部?訂閱

Lotus

中英法口筆譯 | 語言愛好者 | 吐槽少女

法國巴黎高翻筆譯碩士，在法國度過了四年時光，對法語和牛角包滿懷熱愛。

很多關注我們的朋友對翻譯這一職業非常感興趣，其中不少人也是國內外高校MTI的學生。Lotus本身作為筆譯碩士畢業的口筆譯從業者，也非常希望能跟大家多多分享與翻譯有關的內容。

之前曾經跟大家分享了一篇(案例分析 | 如何在翻譯過程中提高譯文質量)，通過對比的方式向大家解釋了如何在翻譯的過程中提升譯文的質量。這次，我們將會一起看一篇商業推廣類文章(英語原文)，通過對比Google機器翻譯和Lotus人工翻譯的定稿文檔來分析商業推廣類文章的翻譯技巧和提升譯文質量的方法。其中，Google機器翻譯模擬的是譯文初稿，一般會存在過于口語化、用詞重復、句型過于貼近原文、句子間邏輯不清、部分重點詞理解不透徹等問題。這些問題，在校對中必須予以改正。

這篇文章是一篇商業推廣文章，介紹的是照片掃描軟件Photomyne使用的人工智能技術。文章語言比較口語化，目的是使“輕科技”的文章更加輕松易讀，引起受眾的興趣。(注：本文并非產品廣告，而是經過翻譯客戶同意后使用其素材。)

在以下的案例中，英語原文之后的是Google機器翻譯(模擬第一稿譯文，完全不合理部分經過人工修正)，橙色對話框是問題分析，橙色字體的是定稿譯文。我們可以從譯文對比和分析中了解到我們可以用什么思路、采取什么遣詞造句技巧提高譯文質量。本文僅作交流參考之用，并不保證譯文100%完美，且世界上所有譯文都有提高的空間。如果你有更好的譯法，歡迎留言告訴我哦！

THE A.I. TECHNOLOGY BEHIND PHOTOMYNE'S PHOTO SCANNING PROCESS

A smart software that learned (yes, learned) to quickly and accurately detect images, and scan them in the best possible way

The technological process behind your run-of-the-mill scanning app might seem rather simple: activating the phone's camera and taking a photo of whatever is in front of it. For many scanning apps this assumption proves true.

PHOTOMYNE照片掃描背后的AI技術

學習(是的，學會的)快速準確地檢測圖像并以最佳方式掃描圖像的智能軟件

普通掃描應用程序背后的技術過程可能看起來相當簡單：激活手機的相機并拍攝前面的任何照片。 對于許多掃描應用程序，這種假設證明是正確。

商業推廣類文章的目的是推廣產品，因此翻譯的時候并不需要像翻譯法律文章一樣字字精確，而應該重點關注信息的傳遞。機器譯文標紅的部分過于貼近原文表達方式，既不清晰還很啰嗦。

PHOTOMYNE照片掃描背后的AI技術

通過學習掌握快速準確圖像檢測和最佳掃描方式的智能軟件

普通掃描軟件使用的技術看起來可能很簡單：啟動手機相機然后拍下照片。對于許多掃描應用來說，這種假設并沒有錯。

But things get a lot more complicated when the object being scanned is a physical photograph. How to differentiate the photo from its background? How to detect its edges so as to know where to cut off the non-photo part, leaving just the relevant visual content and discarding the rest? And what about multiple photographs appearing in one view? This calls for a whole different kind of computation process. One that can make independent calculations, reach conclusions, and take action accordingly - all in real-time.

但是當被掃描的物體是物理照片時，事情變得復雜得多。 如何區分照片與背景？ 如何檢測其邊緣以便知道在哪里切斷非照片部分，只留下相關的視覺內容并丟棄其余部分？ 那么在一個視圖中出現的多張照片呢？ 這需要一種完全不同的計算過程。?可以進行獨立計算，得出結論并采取相應行動的方法 -?所有這些都是實時的。

原文中有很多動作的描述，建議不要僅關注原文，而是閉上眼睛想一想，如果要我用中文描述這個動作，我會怎么說。

外語中的a或者one很多時候并不需要翻譯成中文。

但當被掃描的對象是實體照片時，事情就更為復雜了。如何區分照片和背景？如何檢測照片邊緣，裁去背景而只留下照片本身？如果同時有多張照片呢？這就需要完全不同的計算過程：實時進行的獨立計算、結論獲取并采取合適的行動。

THE CHALLENGES OF PHOTO SCANNING WITH A HANDHELD DEVICE

Using your phone to take a photo of a photo does transfer the physical into digital, but it has its drawbacks: you would need to manually crop each photo taken, and you can only do this one photo at a time. In addition, it is almost impossible to ensure that the captured photo is as straight as its physical original.

If all you need to digitize is one or two photographs, this manual process might be sufficient. But this method falls short, as most families with analog photo albums will tell you, if that number is in the 100s or even 1000s. To address the latter using a handheld device, a much more complex scanning process is required. Photomyne invested considerable time and research into developing such a software, and it involves Artificial Intelligence technology.

用手持設備掃描照片的挑戰

使用手機拍攝照片確實可以將物理圖像轉換為數碼照片，但它有一個缺點：您需要手動裁剪每張照片，并且一次只能拍攝一張照片。 此外，幾乎不可能確保捕獲的照片與其物理原件一樣直。

如果你需要數字化的只是一張或兩張照片，這個手動過程可能就足夠了。 但是這種方法不足，因為大多數有模擬相冊的家庭會告訴你，這個數字是在100s甚至1000s。 為了使用手持設備解決后者，需要更復雜的掃描過程。 Photomyne投入大量時間和研究開發這樣的軟件，它涉及人工智能技術。

“數字化”在此情境下顯得很奇怪，不如直接描述“數字化”實際在做什么(將實體照片轉為數碼照片)。

手持設備照片掃描的挑戰

使用手機拍攝照片可以將實體照片轉為數碼照片，但這種方式有一些缺點：您需要手動剪裁每張照片，而且每次只能拍攝一張照片。此外，您幾乎無法保證拍攝照片的邊角和實體照片一樣是直角。

如果您只需將一兩張照片轉為數碼照片，這種手動操作可能足夠。但是大多數擁有實體相冊的家庭都有成百上千張照片。為了使手持設備的照片拍攝達到要求，則需要采用更復雜的掃描方式。

Photomyne投入大量時間和努力，研發了這一款包含人工智能技術的軟件。

THE THINKING MACHINE

The term Artificial Intelligence (A.I.) is not new (first coined in 1956 by?John McCarthy). These days it gets thrown around quite a bit. It's a general term that can mean different things depending on the machine-run process in question.

Under the general A.I. umbrella there is, among other subsets, the?deep learning network?that "attempts to mimic the activity in layers of neurons in the neocortex [of the brain]," according to the?MIT Technology Review.

會思考的機器

術語人工智能(A.I.)并不是新的(約翰麥卡錫于1956年首次創造)。這些天它被拋出相當多。這是一個通用術語，可能意味著不同的東西，具體取決于機器運行的過程。

根據麻省理工學院技術評論，AI有許多子集，其中一個子集是“試圖模仿大腦新皮層中神經元層活動”的深度學習網絡。

俗語類不能直譯，一定要結合上下文，思考“這個說法到底想表達什么意思”。

會思考的機器

“人工智能”(AI)并不是一個新概念(由約翰·麥卡錫在1956年首次提出)。最近，它已然成為社會熱點。這一通用術語可以指代不同的事物，具體取決于機器運行的過程。

《麻省理工科技評論》文章表示，AI的其中一個子集是“試圖模仿(大腦)新皮層中神經元層活動”的深度學習網絡。

Deep learning networks apply what is called artificial neural networks or ANN in their computational process. "A deep learning model is designed to continually analyze data with a logic structure similar to how a human would draw conclusions. To achieve this, deep learning uses a layered structure of algorithms called an artificial neural network" (Brett Grossfeld,?the Zendesk Blog).

深度學習網絡在其計算過程中應用所謂的人工神經網絡或ANN。 “深度學習模型旨在通過類似于人類得出結論的邏輯結構來持續分析數據。為實現這一目標，深度學習使用稱為人工神經網絡的分層算法結構”(Brett Grossfeld，Zendesk博客) 。

出現首字母簡稱時，英文是“全稱+字母簡稱”，翻譯成中文時要適應中文習慣，寫成“中文全稱+英文”比較合適。

深度學習網絡在計算過程中應用了所謂的人工神經網絡(簡稱ANN)。“深度學習模型旨在通過類似于人類得出結論的邏輯結構來持續分析數據。為實現這一目標，深度學習使用名為人工神經網絡的分層算法結構”(Brett Grossfeld，Zendesk博客)。

ANN is essentially a software that can "learn" to perform tasks by surveying examples from provided data.

In the context of scanning photographs, Photomyne has trained several deep learning networks to facilitate and address the challenges of photo detection and cropping mentioned in the beginning of this article. Here is a breakdown of the different algorithm components that make up the unique, super-smart scanning process in the Photomyne app.

ANN本質上是一種軟件，可以通過調查提供的數據中的示例來“學習”執行任務。

在掃描照片的背景下，Photomyne已經培訓了幾個深度學習網絡，以促進和解決本文開頭提到的照片檢測和裁剪的挑戰。以下是構成Photomyne應用程序中獨特的超智能掃描過程的不同算法組件的細分。

不需要照搬英語的從句形式，因為“是一種軟件”并非重點，無需單列一個分句。

in the context of不需要逐字翻譯，而且context本來就是一個中文里用得少、外語里用得多的詞。

在本質上，ANN是一種可以通過調查數據中的例子來“學習”如何執行任務的軟件。

為了掃描照片，Photomyne已經訓練了幾個深度學習網絡，以推動解決本文開頭提到的照片檢測和裁剪的挑戰。在Photomyne應用程序中，以下算法組件構成了獨特的超智能掃描軟件。

1. THE FINE LINE BETWEEN PHOTOGRAPH AND BACKGROUND

How do you make a software successfully and consistently differentiate between a photograph and the area surrounding it? An officially-awarded Photomyne patent, the first part of the scanning process in the app is based on a deep learning network that taught itself to detect an image, "understand" where its boundaries are, and where the background begins (ex. the table surface or wall behind it).

1.攝影和背景之間的精細線

如何使軟件成功并始終如一地區分照片及其周圍區域？ 作為官方授予的Photomyne專利，應用程序掃描過程的第一部分基于深度學習網絡，該網絡教會自己檢測圖像，“理解”其邊界的位置，以及背景的開始位置(例如表格) 它后面的表面或墻壁)。

fine line也是習語，翻譯時要注意其意思。

consistently并不一定要逐字翻譯，要理解詞語到底表達了什么意思。

as的分句直譯成中文往往不自然，不如直接分成兩個分句。

1. 照片與背景間的細微差別

如何使軟件成功區分照片和背景并保持不出錯？Photomyne應用程序獲得了官方授予的專利，程序的第一部分基于深度學習網絡，能教會自己檢測圖像、“理解”圖像邊界位置以及背景的開始位置(如桌子或墻面)。

How did we do it? We helped a network train itself to recognize complex patterns of photo detection. We fed it with data from large numbers of real scanned photos with clearly (manually) defined edges. Following a training process of several weeks, the network started to pick up the "right" or "accurate" way to detect a photo's edge.

我們是怎么做的？ 我們幫助網絡訓練自己識別復雜的照片檢測模式。 我們用大量真實掃描照片的數據提供了清晰(手動)定義的邊緣。 經過幾周的培訓，網絡開始采用“正確”或“準確”的方式來檢測照片的邊緣。

in a xx way這種名詞短語翻譯成中文時可以轉化為形容詞或副詞，更加清晰明了。

我們是怎么做到的？我們幫助網絡訓練自身識別復雜的照片檢測模式。我們為它提供大量真實掃描的照片數據和清晰(手動)定義的邊緣。經過幾周的訓練，網絡開始學會“正確”、“準確”地識別照片邊緣。

A couple of years and heaps of more photos later, this deep learning network component of the app's scanner is 92% accurate in deciding for itself what each new scanned photo's edges are, and cropping it accordingly. The same accuracy is maintained even when the scanned objects include various photo album types, materials, and photo dimensions the scanning algorithm is encountering for the first time.

幾年后，這些應用程序掃描儀的深度學習網絡組件在確定每張新掃描照片的邊緣時，準確率為92％，并相應裁剪。 即使掃描對象包括掃描算法第一次遇到的各種相冊類型，材料和照片尺寸，也能保持相同的精度。

個別詞語微調。

幾年后，經過大量照片的訓練，應用程序掃描儀的深度學習網絡組件確定每張新掃描照片邊緣的準確率達到了92％，并可以進行相應裁剪。即使掃描對象包括掃描算法首次遇到的各種相冊類型、材質和照片尺寸，也能保持相同的準確率。

2. PHOTO PERSPECTIVE

The vast majority of people using their phone to scan photos hold their device at an angle (even if they do their best to hold it as parallel as possible to the photographs). This produces a rough, trapezoid input to work with. To tackle this challenge we developed a perspective-correction mechanism that is embedded in the scanning process.

2.照片觀點

絕大多數使用手機掃描照片的人都會以一定角度握住他們的設備(即使他們盡力將照片盡可能平行地保持在照片上)。 這會產生粗糙的梯形輸入。 為了應對這一挑戰，我們開發了一種嵌入掃描過程的透視校正機制。

整理斷句。英語的句號不一定要對應中文的句號，而要根據句子的完整性進行組合。

2. 照片透視

在使用手機掃描照片時，哪怕人們盡力將手機與照片保持平行，設備與照片間仍然會形成一定角度，產生粗糙的梯形輸入圖像。為了應對這一挑戰，我們研發了融入掃描過程的透視校正機制。

After defining each photo's boundaries, the scanning algorithm proceeds to translate each photo's form into a trapeze shape that goes through a perspective correction - a necessary step for producing the end result of straight, rectangular shaped photos.

In other words, the scanning algorithm knows how to straighten the photos while maintaining the right proportions, regardless of their initial tilt.

在定義每張照片的邊界之后，掃描算法繼續將每張照片的形式轉換為經過透視校正的梯形形狀 - 這是產生直的矩形照片的最終結果的必要步驟。

換句話說，掃描算法知道如何在保持正確比例的同時拉直照片，而不管它們的初始傾斜。

regardless分句在中文中最好提前，會更自然。

在確定每張照片的邊界后，掃描算法將每張照片轉為梯形并進行透視校正。這是最終生成邊角為直角的矩形照片的必要步驟。

換句話說，不論原始照片傾斜程度如何，掃描算法都知道如何在保持正確比例的同時拉直照片。

3. SMART AUTOMATIC PHOTO ROTATION

Following the perspective correction of the visual input, the app's scanning algorithm moves on to identify which photos, if any, need to be rotated.

3.智能自動照片旋轉

在視覺輸入的透視校正之后，應用程序的掃描算法繼續進行以識別哪些照片(如果有的話)需要旋轉。

if any是非常西式的表達法，建議不要直譯。

3. 智能自動照片旋轉

在對圖像輸入進行透視校正后，應用程序的掃描算法繼續識別是否有照片以及哪些照片需要旋轉。

The ANN we trained has taught itself to know what is "up" vs. "down," that skies are on top and ground is on the bottom. If it identifies a photo that needs rotation, it does so automatically in increments of 90 degrees.

This sophisticated technological capability is the result of training a deep learning network by feeding it with real data - in this case, photos that were manually rotated to represent the correct (that is, humanly perceived correct) orientation of photos.

我們訓練的人工神經網絡已經教會自己知道什么是“向上”與“向下”，天空在頂部，地面在底部。 如果它識別出需要旋轉的照片，則會以90度的增量自動進行。

這種先進的技術能力是培養深度學習網絡的結果，通過為其提供真實數據 - 在這種情況下，手動旋轉的照片代表照片的正確(即人類感知的正確)方向。

increment直譯過來有點怪，不如想想“如果要用中文表達這個動作，我會怎么說”。

我們訓練的人工神經網絡已經教會自己區分“上”和“下”，知道了天空在頂部，地面在底部。如果它識別出需要旋轉的照片，則會以90度為單位進行自動旋轉。

這種先進的技術能力是通過向深度學習網絡提供真實數據進行訓練的結果。在此情況下，數據包含方向正確(人類認為的正確)的經過手動旋轉的照片。

4. IN THE WORKS: COLOR RESTORATION OF FADED COLORS

This fourth component of Photomyne's scanning algorithm is still in the oven, but it's an especially exciting one. Old analog photographs often lose their color vividness over time, resulting in faded colors or the formation of brown-yellowish tint that has come to represent the vintage look and feel (no wonder Instagram uses it as one of its retro filters).

We are currently working to train yet another ANN to identify such photos and to automatically correct faded colors as organically as possible.

4.在工作中：色彩恢復淡淡的顏色

Photomyne的掃描算法的第四個組成部分仍然在烤箱中，但它是一個特別令人興奮的組件。 舊的模擬照片經常會隨著時間的推移而失去色彩的鮮艷度，導致褪色或形成棕黃色調，代表了復古的外觀和感覺(難怪Instagram將其用作復古濾鏡之一)。

我們目前正在努力訓練另一個人工神經網絡來識別這些照片，并盡可能有機地自動校正褪色的顏色。

習語翻譯微調。

color vividness是名詞，但是不代表翻譯成中文也一定需要用名詞或者是相同結構的名詞。

4. 研發中：褪色照片的色彩還原

Photomyne掃描算法的第四個組件仍在研發中，但這是一個特別令人興奮的組件。實體舊照片經常會隨著時間的推移而失去鮮艷的色彩，導致褪色或形成棕黃色調，有了復古的外觀和感覺(難怪Instagram將其用作復古濾鏡之一)。

我們目前正在努力訓練另一個人工神經網絡來識別這些照片，并盡可能自動校正褪色的照片。

These critical components make the scanner by Photomyne the sophisticated, effective and yes, thinking mechanism that it is.

Thanks to these capabilities, digitizing analog photographs -whatever the quantity- is rendered a seamless process using nothing more than one's handheld phone.

這些關鍵部件使Photomyne的掃描儀成為一種復雜，有效和一致的思維機制。

由于這些功能，數字化模擬照片 - 無論數量多少 - 使用的只是一個手持電話，無縫過程。

thanks to是直譯過來比較不自然，說到底其實是想表示因果關系。

這些關鍵部件使Photomyne的掃描儀獲得了復雜卻高效的功能和思考能力。

這些功能使通過手機掃描任意數量的實體照片成為一個流暢的過程。

今天的翻譯案例分析就到此結束啦！希望這篇文章能向各位展示一名翻譯在工作時的內心世界：)

在比較機器翻譯和人工翻譯時，其實不難看出：

機器翻譯在翻譯習語俗語時比較生硬，無法結合上下文。

機器翻譯的句式過于貼近原文，使譯文讀起來有“翻譯腔”。

機器翻譯難以靈活運用和轉換不同詞性(名詞、動詞、形容詞、副詞等)。

機器翻譯難以“理解”獨立存在的標題或短語(即沒有上下文時，標題和短語有多種理解方式，而且只有人才能準確判斷)。

所以機器翻譯能不能取代人工翻譯？Well，作為翻譯行業從業者，我還是堅信高端翻譯短期內難以被取代，不過低端翻譯(換言之，翻得還不如谷歌的翻譯)被取代應該是難以避免的啦。說這么多，還不是為了敦促翻譯專業的你們好好學習：P

如果對文章有任何疑問，或者是有更好的譯法，歡迎留言與大家交流哦！翻譯專業的朋友們如果想看到更多類似文章，請留言告訴我吧(因為不知道到底有多少翻譯專業的朋友看我的推送哈)！

關注我們

公眾號：Multilingualclub

專注語言學習干貨

如果喜歡我們的文章，歡迎分享至朋友圈、關注公眾號并把我們推薦給朋友。

你可能會喜歡

好好說話 | 怎樣改進英式中文？

拋磚引玉 | 翻譯時應該如何查資料？

曬書曬筆記 | 學外語時應如何做筆記？

身邊的神翻譯：你與好翻譯只差十萬八千里

總結

以上是生活随笔為你收集整理的lotus表单域怎么获取视图结果_翻译案例 | 商业推广类文章怎么翻？如何修改译文？...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。