小語種翻譯的精準度

前幾天我的文章中有寫網站收錄不斷掉的問題，尤其是小語種的信息收錄不斷的掉，所以這周就打算花點時間來測試下小語種翻譯的精準度這件事情。這篇文章就簡單說下我的思路，以及數據驗證的一些方法。

之前我的那個小語種網站，是在英語版本上進行翻譯的。且使用的是插件方案，也就是做好英語版本后，使用小語種插件的自帶翻譯功能，將英語版本翻譯成各自的小語種版本。

然后我周末花了點時間仔細研究了那個插件的翻譯機制，發現這款插件使用的是谷歌翻譯的 API，將網頁內容翻譯完成后再填充到頁面的。

這就有點不妙了，畢竟谷歌翻譯的內容質量還是有待商榷的。比如上圖這個案例，谷歌翻譯在很多語句的細節上做不到「信雅達」，它只是生硬的將英文翻譯成中文而已。

所以昨天就干脆將全部的小語種全部刪了，不破不立嘛。然后打算自己通過身份設定來訓練下 Prompt，從而再將其運用到自己的小語種網站上面。

但問題也就出來了，我現在好像還沒有找到一款合適的能集成 OpenAI 的小語種插件。也就是說，后續的小語種的翻譯工作，我都需要自己手動去完成。

當然，看到這里肯定會有朋友說，要不要試試 DeepL，這個比谷歌翻譯強很多的翻譯軟件。

其實這個方案我昨天晚上就已經試過了，總體來講翻譯的效果要比谷歌翻譯好太多了，但是有個問題不得不承認，就是真的太貴了。

我昨天晚上申請了 Pro 版本 API，并將其整合到自己的網站上。試用沒問題后，大約翻譯了 40 多個頁面吧（翻譯成法語），就消耗了 60 多萬次字符了，計費賬單就顯示需要支付 17 美金。

當時看到那個賬單真的有點不敢相信，畢竟我的網站現在有 150 多個頁面，就法語這個單一站點而言，全部翻譯完可能就需要 60 美金左右。試想我要是做 10 個小語種版本呢，成本不得 600 美金？

所以后續我還是想以 OpenAI API 為主，通過將網頁上的內容整理好，并利用訓練好的 Prompt，得到自己想要的小語種數據。等數據勘驗無誤后，再手動整理到小語種版本上去。

當然，這套方法我現在還沒玩熟，所以先手動操作來熟悉下整個流程，看看過程中會犯哪些錯誤，并踩踩其中的一些坑。等后續操作熟練后，再來看看能不能有什么自動化的方案。

現在初步的設想是，利用爬蟲將網站源數據抓取下來，并分門別類整理到表格中。等這個過程完成后，再去使用 OpenAI API 的數據處理能力，將文本翻譯成對應的小語種文案。

至于小語種文案的更新，我可能會考慮使用 RPA 的方案去做。畢竟都是些規律性的操作，完全可以使用程序去自動化掉，節省自己的時間與精力。

后續看看這種方案做出來的小語種網站的數據情況到底如何，兩相對比一下（上一版本的小語種數據已經整理好了），就能知道個大概了。