Post-edición de traducción automática

¿Por qué se necesitan post-editores?

Las traducciones de NMT a menudo suenan menos naturales porque a veces les cuesta entender y generar un texto contextualmente apropiado. Esta es una debilidad importante de los modelos NMT avanzados como Google, Yandex y DeepL.

Como resultado, su salida puede incluir información incorrecta o inventada que un traductor humano no produciría normalmente. Esta limitación puede ser particularmente problemática en aplicaciones críticas donde el tono de voz es fundamental.

¿Podemos entrenar un modelo NMT?

Sí, podemos entrenar un modelo NMT para lograr traducciones contextualmente sensibles y precisas. Sin embargo, esto requiere alimentar al modelo NMT con datos bilingües en formatos alineados como corpora paralelos, archivos de memoria de traducción (TMX), formatos de archivos bilingües (SDLXLIFF) o archivos de valores separados por comas/tabulaciones (archivos CSV o TSV).

Para proyectos grandes, es esencial comenzar con una traducción humana para crear datos de entrenamiento de alta calidad para el modelo NMT.

¿Realmente nos necesitas?

Sí, ya existen modelos NMT entrenados, y su rendimiento varía según el dominio y los pares de idiomas. Tenemos la experiencia para identificar el mejor motor NMT para tus proyectos.