选 AI 翻译工具，先分清两件事：你翻的是”要发出去的正式内容”还是”自己看懂就行的资料”。前者要术语一致、可审校、可回改；后者只要快和覆盖语种。这两类需求的最优解完全不同。
三条技术路线的差异
| 路线 | 代表 | 优势 | 适用 |
|---|---|---|---|
| 通用大模型 | 各类对话式助手 | 语境理解强、可带术语表与风格要求 | 正式文案、技术文档 |
| 专用翻译模型 | NLLB 、 MarianMT 、 M2M-100 | 可本地部署、支持两百余语种、低资源语种覆盖好 | 批量、离线、数据不出内网 |
| 传统机翻引擎 | 商业翻译 API | 稳定、术语表成熟、集成简单 | 产品内嵌、规模化 |
怎么选：四个判断条件
- 数据能不能出境：不能出境就走本地部署的开源翻译模型，别在选型后再补合规。
- 要不要术语一致：长文档、产品说明书必须带术语表，通用模型配合术语表效果优于裸翻。
- 语种是否小众：主流语种各家差距不大；小语种看 NLLB 这类覆盖两百种语言的模型是否支持。
- 量级与成本：批量离线翻百万字，本地推理更划算；零散少量用现成 API 更省事。
开源翻译模型的实用组合是：NLLB 处理多语种覆盖、 MarianMT 处理常见语种的高性价比、 CTranslate2 做推理加速。同一份模型换推理框架，吞吐常见能提升数倍，这是最容易被忽略的成本杠杆。
落地建议
正式内容：模型初翻 + 人工审校
先让模型给出直译稿，再要求它按术语表与语气重写一轮，最后人工过一遍关键段落。不要指望一次成稿。
技术文档：先锁术语再翻
抽出高频术语做成对照表，作为每次翻译的固定上下文。术语不锁，翻十章会有十种说法。
网站多语言：按语言分路径
多语言站点要给每种语言独立地址与语言标记，别用参数或 Cookie 切换。 WordPress 站点的做法见 WordPress 国际化与翻译；工具侧的横向选择可参考 Kimi 、豆包、 DeepSeek 对比与NotebookLM 中文用法。
AI 翻译能直接发布吗？
正式内容不建议。模型翻译适合做初稿，专业术语、文化适配、语气一致性仍需人工确认，尤其是面向客户或公开发布的内容。
开源翻译模型效果比商业 API 差很多吗？
主流中英语向上差距在收窄，差距主要体现在小语种与领域适配。开源的优势是数据可控、可微调、可离线。
长文档翻译怎么保证前后一致？
先建术语表，分段翻译时固定携带术语表与前文摘要，最后通读一遍统一语气。分段不带上下文必然前后不一。
翻译速度慢怎么优化？
换推理框架（如 CTranslate2）、开批量推理、做量化；长文本先按句切分再批处理，比整篇直推更快。
评论 (0)