如何利用 ChatGPT 进行翻译 -- 通用翻译篇

背景

游戏厂商或者游戏平台在游戏出海时，经常有这样的场景：

1、游戏多地区同服，每个地区的玩家语言不同，各自都在公共频道上发言，游戏需要有一个通用的翻译工具，供玩家使用，以便知晓其它地区的玩家发言内容。

2、游戏/平台客服，每天需要处理各个地区的各种咨询和建议，而客服并不能精通每个地区的语言，也需要一个通用的翻译工具。

而在 ChatGPT 和一众大模型出现之前，我们通常的做法是引入一款翻译工具，比如百度翻译、谷歌翻译、AWS 翻译等等。但它们都有以下缺点：

• 费用昂贵；

• 在游戏行业中，翻译效果一般；术语的定义有语种限制；

而 ChatGPT 的出现，以上的场景和缺点都可以轻松解决。

选型

基于上述所说的场景，我们需要一款价格便宜，翻译效果尚可，获取难度低的大模型。

上表的大模型都支持多语言翻译，通过对比大模型的价格、翻译准确度、获取难度可知，GPT3.5 与 PaLM2 有较大优势。

通用模式

一般而言，通用翻译工具，更多只需要翻译能达意，能让看的人懂得要表达的意思即可。所以使用大模型进行翻译，prompt 不需要太多的提示，更多是告知模型需要翻译的目标语种，和按预期格式返回。而以上大模型，除了文心一言外，其余都更适用使用英文来写 prompt。以下是我让大模型将文本翻译成中文的例子：

Please translate the text into Chinese according to the following requirements  1、Output only the translation result without interpretation.  2、Translate to the best of your ability.

热度（temperature）使用 0。至于为什么，可以看看我之前的精准翻译篇，里面有详细解释。

大模型带来的问题 &解决方案

如果只按照上述的通用模式来实现翻译，在生产环境下是远远不够的，你将可能遇到以下问题

一、稳定性

翻译，作为一个 C 端的接口/能力，对稳定性还是有一定要求。而在实际生产环境的使用中，无论是 GPT 还是 Google 的 PaLM2，服务都会偶尔不可用。针对这种情况，我们采取的是多模型互备降级，传统翻译工具兜底来达到高可用的目的。于是，整个翻译流程大致如下：

二、实时性

在实际使用的过程中，一般的待翻译文本在 30 字左右（均值）的长度，各大模型的响应时间都在 500ms 左右，基本符合 C 端接口要求。但建议做好超时控制，一般在 3~5s 内无法响应则应主动取消，进行降级翻译。

三、准确性

如果你有使用大模型的经历，那么必然经历过大模型不按预期返回的场景。举个例子，在我们这次的场景中，是翻译，现在有一个中译英场景，待翻译内容为[生成序列号]。有些大模型就可能没有按照预定的提示词进行翻译，而是真的给你生成了许多随机的序列号。而类似的情况还有许多许多，你不能控制翻译的时候，待翻译内容的输入。那么针对这种情况，我采用的是翻译后纠错。

什么意思？使用开源工具（github.com/pemistahl/lingua-go），对翻译结果进行语种判定，然后与预期语种比对，如果不一致，则进行降级翻译处理。于是，整个翻译流程又变成：

四、调用频率

几乎所有的大模型都有调用频率限制，在上生产环境前，都需要对业务量进行评估，与模型供应商协商好。

五、安全限制

所有的大模型都有自己的一套安全限制，即当输入的内容不符合规定时，强制终止。一般都有参数配置，详情需要与模型供应商协商好。同时，程序上需要正确的捕获安全限制终止，并进行降级。

细心的人可能已经发现，以上五个问题，不仅仅适用于翻译场景，其实也适用所有使用大模型的场景。

效果

以上的通用翻译方案，在 37 手游内部使用良好。在某个游戏项目中，实现翻译成本降本 80%的惊人效果。

此文章来自于 37 手游——洪智彬