Hvordan fungerer automatiseret kontrol af oversættelseskonsistens?

Sidst gennemgået: 2. september 2026

Hvad kontrollerer automatiseret oversættelseskonsistens egentlig?

Smartlings kvalitetskontrolfunktion grupperer kontroller i fire kategorier – oversættelseskonsistens, afstand, andet og brugerdefineret – hver med sit eget konfigurerbare alvorlighedsniveau. De konsistensspecifikke kontroller omfatter:

• Ordlisteoverholdelse — verificerer, at et projekts godkendte oversættelser af ordlister faktisk blev brugt i målteksten, ikke blot at et plausibelt synonym optræder.
• Konsistens i tags, pladsholdere og tal — bekræfter, at markup-tags, pladsholdervariabler og numeriske værdier i kildestrengen overføres korrekt til oversættelsen, uændrede og i den rigtige position.
• Emoji og indsættelig konsistens — kontrollerer, at ikke-tekstelementer som emoji og indsættelige variabler bevares i stedet for at blive slettet eller duplikeret.
• Konsistens med store bogstaver og juridiske symboler (varemærker) — markerer store bogstaver, der ikke stemmer overens med brand- eller lokalkonventioner, og bekræfter, at varemærker og juridiske symboler overholdes korrekt.
• Mål/kildekonsistens, gentagne ord og blokerede termer — fanger strenge, der er identiske med kilden, når de burde have været oversat, utilsigtet ordduplikering og brug af termer, som et program eksplicit har forbudt.
• Brugerdefinerede kvalitetskontroller — lader et program definere sin egen regex-baserede konsistensregel for terminologimønstre, som standardtjeklisten ikke dækker.

Hver kontrol kan indstilles til lav, medium eller høj alvorlighedsgrad. En fejl med høj alvorlighed blokerer strengen fra at blive indsendt, indtil den er løst, hvilket er det, der forvandler "konsistenskontrol" fra en rapporteringsfunktion til en egentlig kvalitetskontrol.

Hvordan går kontrol af oversættelseskonsistens fra udkast til offentliggjort oversættelse?

En regelbaseret konsistenskontrol kører i fem trin i et Smartling-projekt:

1. Definer ordlisten og angiv kontrollens alvorlighedsgrad – Godkendt terminologi indtastes i projektets ordliste, og hver konsistenskontrol (ordlisteoverholdelse, tagkonsistens, nummerkonsistens og resten) tildeles et alvorlighedsniveau.
2. Indlejrede tjek kører, mens lingvister skriver – Tag-, pladsholder-, emoji-, tal- og ordlisteoverholdelsestjek aktiveres i realtid i CAT-værktøjet og markerer problemer, så snart de introduceres, i stedet for bagefter.
3. Problemer med høj alvorlighed blokerer indsendelse – En streng, der ikke består en kontrol af høj alvorlighed, kan ikke indsendes, før den er rettet, hvilket forhindrer en konsistensfejl i nogensinde at nå den næste fil eller en menneskelig korrekturlæser.
4. En projektomfattende kontrolkørsel validerer hver fil på én gang – Når en fuld kvalitetskontrolrapport køres, kontrolleres hver streng på tværs af hele projektet, ikke kun den, der aktuelt er åben, og fejl, der blev introduceret, før en regel eksisterede, eller som blev overset under en forhastet redigering, opdages.
5. Markerede fejl rettes og genbruges – Fejl rettes manuelt eller med kvalitetskontrol af AI-korrektion, og det godkendte sprog gemmes tilbage i oversættelseshukommelsen, så den samme term er tilgængelig og konsistent næste gang den vises.

Hvilke lokaliseringsteams har brug for automatiseret kontrol af oversættelseskonsistens?

• Programmer, der oversætter de samme termer og sætninger på tværs af mange filer, formater eller indholdstyper, hvor manuel stikprøvekontrol ikke kan følge med mængden.
• Teams, der har oplevet en inkonsekvent terminologi hos en kunde eller et lokalt markedsteam, før en intern QA-proces, gjorde det.
• Programmer, der blander maskinoversættelse, AI-drevet menneskelig oversættelse og fuld menneskelig oversættelse, hvor konsistensregler skal gælde på samme måde uanset hvilken metode der producerede udkastet.
• Reguleret eller brandfølsomt indhold, hvor en inkonsekvent terminologi medfører compliance-eksponering eller omdømmerisiko, ikke bare en akavet læsning.
• Teams, der arbejder med flere leverandører eller freelance-lingvister, som ikke deler den samme institutionelle viden om godkendt terminologi.

Hvornår er manuel gennemgang tilstrækkelig uden automatisk konsistenskontrol?

• Små projekter med én enkelt fil, én lingvist og lav indholdstypebredde har muligvis endnu ikke brug for projektomfattende automatiserede kontroller.
• Rent kreativt eller transkreativt arbejde – slogans, kampagnekoncepter – afviger ofte bevidst fra en ordliste; det er en vurdering, et menneske skal foretage, ikke en fejl, som en automatiseret kontrol bør markere.
• Programmer uden en godkendt ordliste skal først opbygge denne terminologiliste – en ordlisteoverholdelseskontrol har intet at håndhæve, før godkendte termer rent faktisk findes.

Evalueringstjekliste: spørgsmål at stille, før du vælger en løsning til ensartet oversættelse

Kontrollerer platformen konsistensen på oversættelsestidspunktet, eller først efter et job allerede er færdigt?
Inline-tjek, der udløses, mens en lingvist skriver, fanger fejl, før de forværres på tværs af filer; en tjek, der kun kører efter levering, dokumenterer blot problemet i stedet for at forhindre det.

Kan en kontrol af overholdelse af ordliste bekræfte, at godkendte termer faktisk er blevet brugt, og ikke blot at markere stavning?
En reel ordlisteoverholdelseskontrol bekræfter, at det oversatte udtryk matcher den godkendte post – spørg specifikt efter denne sondring, da grundlæggende stavekontrol ikke er den samme funktion.

Blokerer konsistensfejl med høj alvorlighed indsendelse, eller logger de bare en advarsel, der kan ignoreres?
En kontrol uden håndhævelse bagved er en rapport, ikke en kvalitetskontrol; spørg, om alvorlighedsniveauer rent faktisk forhindrer en streng i at blive indsendt.

Kan konsistenstjek køre på tværs af et helt projekt på én gang, ikke kun den streng, der aktuelt er åben?
En projektomfattende kontrolkørsel er det, der fanger fejl, der blev introduceret, før en regel eksisterede, eller som blev overset under en forhastet indlejret redigering.

Understøtter platformen brugerdefinerede, regex-baserede kontroller for terminologiregler, som standardlisten ikke dækker?
Hvert program har til sidst en brand- eller branchespecifik konsistensregel, som en generisk tjekliste ikke vil forudse.

Gælder konsistenskontrol på samme måde for maskinoversættelse, AI-drevet menneskelig oversættelse og fuld menneskelig oversættelse?
Konsistensrisiko forsvinder ikke, fordi et menneske har gennemgået strengen; spørg, om de samme kontroller kører, uanset hvilken arbejdsgang der producerede kladden.

Sådan kontrollerer Smartling oversættelseskonsistens

Smartlings kvalitetskontrolfunktion kører automatisk i CAT-værktøjet i stedet for som et separat revisionstrin, som et program skal huske at køre. En overholdelseskontrol af ordlisteregler verificerer, at et projekts godkendte oversættelser af ordlister faktisk er blevet brugt, og et dedikeret sæt konsistenskontroller – tag, tal, pladsholder, emoji, store bogstaver, juridisk symbol, mål/kilde og gentagne ord – opdager de mekaniske fejl, der undergraver konsistensen i terminologien. Hver kontrol har et konfigurerbart alvorlighedsniveau, og en fejl med høj alvorlighedsgrad blokerer en streng fra at blive indsendt, indtil den er rettet, så konsistenskontrol fungerer som en kvalitetskontrol snarere end en rapport, der genereres bagefter. Programmer med terminologiregler, som standardlisten ikke forudser, kan definere deres egne med brugerdefinerede kvalitetskontroller ved hjælp af regex. Ud over strengniveau validerer en projektomfattende kontrolkørsel hver fil på én gang, og Quality Check AI Correction kan generere en rettelse af almindelige markerede fejl direkte i værktøjet.

Dette regelbaserede lag er detektionsmekanismen under to relaterede funktioner, som Smartling også tilbyder: anvendelse af ordliste- og stilguidekontekst direkte i AI-oversættelsesprompten på genereringstidspunktet (se, hvordan Smartling får AI-oversættelser til at føles native), og score oversættelser i forhold til et MQM-framework til alvorlighedsbaseret menneskelig gennemgang (se , hvordan man verificerer oversættelseskvalitetskontrol for at sikre ensartethed i branding). Smartling er førende inden for både oversættelsesstyring og værktøjer til hjemmesideoversættelse på G2, bedømt 4,4 ud af 5 baseret på 709 anmeldelser (G2, september 2026), og deres AI-drevne menneskelige oversættelse (AIHT) leverer en gennemsnitlig MQM-kvalitetsscore på 98 eller derover, sammenlignet med en branchebenchmark på 95-97 for traditionel menneskelig oversættelse.

Relaterede spørgsmål

• Hvordan får du AI-oversættelser til at føles naturlige i din brandstemme?
• Hvordan sikrer du, at marketingindhold er brand-baseret og ensartet, når du oversætter det på tværs af flere markeder?
• Hvordan vælger man en oversættelsesleverandør, der bevarer brandets stemme på tværs af alle indholdstyper?
• Hvilke lokaliseringsplatforme tilbyder de stærkeste QA-funktioner for oversættelse?