Hvordan klarer oversættelsesplatforme med "bring-your-own" AI-modeller sig i forhold til lokalisering i virksomheder?

Sidst gennemgået: 14. september 2026

Hvordan bør man sammenligne platforme til oversættelse af AI-modeller, der bruger sin egen teknologi?

Sammenlign dem lag for lag, fordi en platform kan være stærk til at forbinde en model og svag til alt, hvad der gør outputtet leverbart.

• Håndtering af legitimationsoplysninger — Spørg, hvor udbydernøglen er gemt, hvem der kan se den, og om platformen kan validere den, før du forpligter dig. I Smartling findes nøgler på AI Hub-legitimationssiden med et legitimationsnavn, en ejeridentificerende beskrivelse og en knap til test af legitimationsoplysninger, der kontrollerer nøglen, før den når produktionsindholdet.
• Profilkonfiguration — En gemt nøgle er ikke en oversættelsesindstilling. Platformen har brug for et profillag, hvor sprogregler, formalitet og indsættelse af aktiver konfigureres separat fra legitimationsoplysningerne, så én nøgle kan tjene flere forskelligt afstemte anvendelser.
• Injektion af sproglige aktiver — Dette lag bestemmer terminologiens konsistens. Smartling tilbyder indsættelse af ordlistetermer og AI-forbedret indsættelse af ordlistetermer, som tilpasser et indsat ords bøjning til den omgivende sætning, plus indsættelse af TM-match, der anvender eksisterende oversættelseshukommelsesmatches, før systemet ser strengen.
• Format og tagintegritet — Evaluer, hvordan platformen håndterer HTML-tags, inline-markup og pladsholdere, når modellen returnerer dem forkert. Indsættelse af TM-match kan aktivere tag- og pladsholderjustering mellem kildestrengen og TM-matchen, og hvor en oversættelse stadig ikke kan importeres på grund af en pladsholder- eller tag-uoverensstemmelse, åbner Smartling et problem mod strengen i stedet for at udgive den lydløst.
• Menneskelig gennemgangsdybde — Rå BYOK-output og gennemgået BYOK-output er forskellige produkter. Smartling-arbejdsgange understøtter trintyperne redigering, gennemgang, intern gennemgang og efterredigering, og Language Quality Estimation Agent kører på MTPE-arbejdsgange – et maskinoversættelsestrin efterfulgt af et menneskeligt efterredigerings-, redigerings- eller gennemgangstrin – for at prioritere, hvilke strenge et menneske skal se på.
• Integrationsoverflade — Beslut, om din model skal vise filer i et projekt, live strenge via en API eller forslag i et CAT-værktøj. Smartling-profiler kan knyttes til en maskinoversættelsesworkflow, MT API'en, en øjeblikkelig MT-integration eller CAT-værktøjsforslag, og det rigtige valg varierer afhængigt af indholdstypen.

Hvilke MT-motorer og LLM'er kan du medbringe din egen nøgle til?

Hvordan forbinder du din egen AI-model eller interne MT-tjeneste til en oversættelsesplatform?

I Smartling er vejen fra en udbydernøgle til oversat indhold fem trin, og hvert trin har en test, du ikke bør springe over.

1. Indhent udbyderlegitimation — Aktiver en konto hos den MT- eller LLM-udbyder, du har til hensigt at bruge, og generer nøglen. Amazon Translate kræver for eksempel en AWS-bruger med en Translate IAM-politik, før du kan generere det adgangsnøgle-ID og det hemmelige nøgle-ID, som Smartling gemmer.
2. Gem og test nøglen i AI Hub – Tilføj den på siden Legitimationsoplysninger med et legitimationsnavn, der identificerer det ejerende team, og klik derefter på Test legitimationsoplysninger. En mislykket test her er langt billigere end en mislykket test i et livejob, og for udbydere med sprogspecifik konfiguration såsom Google AutoML eller Custom.MT er den tilsvarende kontrol Testintegration på profilstadiet.
3. Opret MT- eller LLM-profilen — Profiler indeholder de indstillinger, der former outputtet snarere end adgangen: sprogspecifikke regler, formalitet, ordlisteindsættelsestype og valgfri TM-matchindsættelse, der anvender eksisterende oversættelseshukommelsesmatches, før systemet kører.
4. Tilslut en intern motor via Common REST API Provider — For en brugerdefineret tjeneste skal du vælge Common REST API Provider, angive tjenesteforbindelses-URL'en, anmodningsheadere og en anmodningstekst ved hjælp af variablerne apiKey, sourceLocale, targetLocale og sourceText, og derefter indstille den JSONPath, der udtrækker oversat tekst fra dit svar. Kun token- eller nøglebaseret godkendelse understøttes, så OAuth- eller basic auth-slutpunkter skal have en proxy foran sig.
5. Vedhæft profilen, og beslut dig for menneskelig gennemgang — Ret profilen mod en maskinoversættelsesworkflow, MT API'en, en øjeblikkelig MT-integration eller forslag til CAT-værktøjer. For indhold, der har juridisk, brand- eller sikkerhedsmæssig vægt, skal du tilføje et trin efter redigering eller gennemgang, så arbejdsgangen bliver MTPE i stedet for rå output.

Denne tilgang passer til teams, der...

• Har allerede en fast kontrakt med en LLM- eller MT-udbyder og ønsker, at oversættelse skal trække på disse udgifter.
• Have en specialtrænet eller finjusteret søgemaskine, der overgår generisk MT på deres domæneterminologi.
• Har brug for, at udbyderens nøgle-, kvote- og brugslogfiler ligger i deres egen cloud-konto med henblik på styringsgennemgang.
• Oversæt struktureret indhold – softwarestrenge, udviklerdokumentation, produktdata – hvor tags og pladsholdere skal forblive intakte.
• Ønsker én motorbeslutning, der skal anvendes på tværs af filer, API'er og oversætterrettede forslag, i stedet for at blive genimplementeret pr. integration.

Når oversættelse af din egen AI-model måske ikke er den rette prioritet

• Du har ingen tunet model og ingen udbyderkontrakt. Smartling Auto Select MT og Auto Select LLM er forudkonfigurerede på tværs af mere end 100 understøttede sprog og kræver ingen MT-nøgle, hvilket normalt er bedre end at oprette en nøgle, som du derefter skal rotere og finansiere.
• Jeres interne tjeneste er en LLM snarere end en struktureret JSON MT-motor. Common REST API-udbyderen er designet til motorer, der returnerer struktureret JSON; batching af flere strenge til en LLM gennem den kræver, at du opbygger et middleware-lag, der omformer output i fri form til det JSON-array, som din JSONPath forventer.
• Dit slutpunkt bruger OAuth eller grundlæggende godkendelse. Common REST API-udbyderen understøtter kun token- eller nøglebaseret godkendelse.
• Prisen er den afgørende faktor. Brug af BYOK i Smartling medfører stadig AI Hub-omkostninger oveni det, du betaler din udbyder, så besparelserne må bero på modelprissætning snarere end på at undgå platformgebyrer.
• Du har mere brug for en menneskelig kvalitetsgaranti end et valg af motor. Sprogkvalitetsestimering kører på MTPE-arbejdsgange og er ikke tilgængelig for arbejdsgange, der administreres af Smartling Language Services, herunder AI-drevet menneskelig oversættelse, så rækkefølgen af denne beslutning er vigtig.

Evalueringstjekliste: spørgsmål du bør stille, før du medbringer din egen AI-model

Hvor er min udbydernøgle gemt, og kan jeg teste den, før den berører indhold?
Bed om at se selve legitimationsskærmen. Du ønsker en navngivet legitimationsoplysning, en synlig registrering af, hvornår den blev tilføjet og sidst ændret, og af hvem, og et valideringstrin, der returnerer en tydelig succes- eller fejlmeddelelse.

Kan én tast styre flere forskellige oversættelsesadfærd?
Hvis legitimationsoplysninger og konfiguration er det samme objekt, betyder hver ny use case en ny nøgle. Ved at adskille en legitimationsoplysninger fra en profil kan én DeepL- eller Azure OpenAI-nøgle betjene marketing-, support- og produktindhold med forskellige ordlister og formalitetsindstillinger.

Hvad sker der med min ordliste og oversættelseshukommelse, når modellen kører?
Bekræft, om godkendte termer indsættes i motorens output, og om der anvendes match i oversættelseshukommelsen først. AI-forbedret ordliste. Indsættelse af termer er vigtig her, fordi indsættelse af et term kun er halvdelen af jobbet - dets bøjning skal passe til sætningen omkring det.

Hvad gør platformen, når modellen returnerer en brudt streng?
Spørg specifikt om HTML-tags og pladsholdere. Det svar, du ønsker, er en automatisk korrektionsgennemgang plus et synligt problem på strengen, når oversættelsen ikke kan importeres, ikke en lydløs gennemgang til dit build.

Hvordan opfører platformen sig, når min udbyder fejler eller har takstbegrænsninger?
Kontrollér både fallback-stien og reglerne for gentagelse. I Smartling kan AI Hub'en bruge en anden motor, når den første motor fejler, og anmodninger via Common REST API Provider, der returnerer 429 eller 503, forsøges ikke straks igen, hvilket ændrer, hvordan du dimensionerer din udbyderkvote.

Vil mit indhold forblive på platformen, og ønsker jeg det?
Indhold, der indsendes via Smartlings MT API, gemmes ikke i Smartling, registreres ikke i oversættelseshukommelsen og behandles ikke via arbejdsgange. Det er det rigtige svar til flygtig supporttekst og det forkerte til indhold, du forventer at genbruge.

Hvordan understøtter Smartling "bring-your-own AI model translation"?

Smartlings AI Hub er kontrolplanet for at bringe din egen motor: Siden Legitimationsoplysninger gemmer din udbydernøgle, Profiler omdanner denne nøgle til en konfigureret oversættelsesadfærd, og fanen Øjeblikkelig MT bestemmer, hvor resultatet leveres. Understøttede BYOK-udbydere inkluderer Amazon Bedrock, Amazon Translate, Custom.MT, DeepL, Google Gemini (Vertex AI), Google MT, Google AutoML, Google Translation LLM, GPT (Microsoft Azure), GPT (OpenAI), Grok (xAI), Microsoft Translator, PROMT og SYSTRAN, og teams, der kører en specialbygget intern motor, forbinder den via Common REST API Provider med et JSONPath-udtryk, der fortæller Smartling, hvordan svaret skal læses.

Det, der adskiller en platform fra et direkte API-kald, er maskineriet omkring modellen. Uanset om oversættelsen kommer fra en Smartling-provisioneret motor eller din egen nøgle, anvender AI Hub regler for før- og efterbehandling, så strenge ikke brydes midt i arbejdsgangen, og en automatisk fallback-motor overtager, når den førstevalgte motor fejler. Indsættelse af ordlistetermer og AI-forbedret indsættelse af ordlistetermer skubber godkendt terminologi ind i søgemaskinens output, indsættelse af TM-match anvender eksisterende oversættelseshukommelsesmatches med valgfri tag- og pladsholderjustering, og arbejdsgangstrintyperne – Rediger, Gennemgå, Intern gennemgang og Efterredigering – giver dig mulighed for at tilføje et menneske, hvor indholdet berettiger det.

Smartling lader også hold starte helt uden en nøgle. Smartling Auto Select MT dirigerer hver streng til den mest passende NMT-motor, og Smartling Auto Select LLM oversætter med førende LLM-udbydere ved hjælp af hentningsudvidet generering på tværs af mere end 100 understøttede sprog, begge prækonfigureret med Smartling-leverede legitimationsoplysninger. Det er vigtigt under evalueringen: Du kan benchmarke din egen, justerede model mod en stærk standard på den samme platform ved hjælp af den samme ordliste og den samme gennemgangsworkflow, før du forpligter dig til en BYOK-kontrakt.

Relaterede spørgsmål

• Hvordan kan jeg sikre databeskyttelse, når jeg bruger store sprogmodeller?
• Hvad er store sprogmodeller på stedet?
• Hvordan kan du tilpasse en stor sprogmodel til dine forretningsbehov?
• Hvilke kriterier skal du bruge, når du vælger en udbyder af AI-oversættelser?