Локализация
Показать полностью
1
Перевод и переводчики
1 520 постов
•
8 190 подписчиков
0 просмотренных постов скрыто
Смотрю я, значится, фильмец
по многочисленным советам для лучшего изучения языка на английском с английскими сабами.
Хм, что это за слово? Включаю русские сабы.
А, ну все понятно, так я сразу в общем-то и понял.
Показать полностью
1
Вот такой вот перевод
Полез в гугл, чтобы узнать как же будет "белоснежный" на английском ("snowy" из своих познаний меня почему-то не устроил). Ну и наткнулся на такое.
Вводим "белоснежный".
Хм... что это у нас тут.
Ну бм, конечно же, наругался на последнюю картинку.
Показать полностью
2
Любительский художественный перевод
Здравствуйте!
Команда сайта nafretiri.ru приглашает любителей художественного перевода с английского и/или немецкого языка для совместной работы на безвозмездной основе. Наша награда - благодарность читателей, опыт и чувство удовлетворения от хорошо сделанной работы. Проект некоммерческий, сайт не получает никакой материальной выгоды.
Мы переводим в основном любовный роман, фэнтези и фантастику. Среди нас есть и студенты, и профессионалы, и любители, но мы все стремимся в первую очередь к качеству. Вы можете предложить для перевода свою книгу или присоединиться к уже начатой.
Если вы хотите "набить руку", закрепить навыки, приятно и с пользой провести время, добро пожаловать к нам!
Оставляйте заявки в теме http://nafretiri.ru/forum/277-7241-1 или пишите в личку https://vk.com/id119294900
Разница в употреблении LIKE и AS от носителя языка
Как по мне, это самое простое объяснение разницы между like и as. При этом еще и понятная английская речь от носителя английского. Может, кому будет интересно.
Сексизм в Лондоне
Показать полностью
1
Нейрочудеса и машинный перевод. Продолжение 2
Процесс пошел вполне бодро. В прошлом веке десятки лет сражались за всеохватывающий алгоритм, основанный на базе правил. В конце века пытались научить алгоритмы «понимать текст».
***
Небольшой «отвлекунчик» :)
Хотя даже научиться распознавать текст из графики – тоже было нелегко. Всех опередили отечественные программеры. За свежий отечественный FineReader 2.0 я не пожалел когда-то отдать $200. Это понадобилось для компиляции нового справочного пособия из нескольких источников, необходимо было распознать самый большой из них -- на 600 страниц. FineReader, как мировой лидер в сфере распознавания текстов, включался в состав пакета поставки для множества импортных сканеров.
На этом сильно выросла компания ABBY, широко известная, как создатель словарей. Недавно я стал пользовать еще и ABBY Lingvo Live (словари с примерами из литературы, с произношением для отдельных слов), https://www.lingvolive.com. Кстати, они упорно грызут технологию Compreno по оригинальной концепции https://www.lingvolive.com/ru-ru/community/posts/960482
“На ее основе уже реализован интеллектуальный поиск, то есть поиск по смыслу, а не по ключевым словам. Сейчас ABBYY активно работает над созданием нового переводчика, который пока не получил официального названия.”
При этом концепция «смысл-текст» разрабатывается десятки лет. Вот пример:
Действующая модель языка «Смысл <=> Текст - Иппи РАН http://iitp.ru/ru/researchlabs/921.htm
Правда, нельзя сказать, что воз и ныне там. Созданы версии English ↔ Russian. Но реальной коммерческой, популярной версии нет. Выловить смысл из текста алгоритмически – не всегда реально. Есть и вполне теоретическое обоснование отсутствия такой возможности, например, в статье «Языковые парадоксы» http://www.uis.kiev.ua/~_xyz/paradox.html. ведь контекст, для пишущего и читающего всегда разный. Он связан с жизненным опытом итп.
***
В начале века бурный рост Интернет и вычислительных мощностей позволил, «ограничив начальные условия задачи машинного перевода, навалиться на нее массой», за счет гигантских корпусов параллельных текстов. А многозначность лексики/грамматики всегда было возможно разрешать в интерактиве. В захлестывающем потоке текстовой информации очевидно также стоит сужать предметную область, как например, делалось и в системе Кант, упомянутой в первом посте.
Вот и появились системы, использующие все эти факторы. Так работает WIPO Translate, упомянутый во втором посте. Не без «нейрочудес», конечно. Результаты получаются вполне сносные, а уж тренируется «нейрочудо» с дикой скоростью. Знаем уже по АльфаГо. Конечно, в сервис WIPO Translate вложены средства не частных компаний, а из фонда Всемирной организации интеллектуальной собственности, действующей под эгидой ООН. Ну и спасибо им, сервис общедоступен.
Тренд в сфере машинного перевода явный – блок клиенто-ориентированного машинного перевода, интегрированный с памятью переводов (базы паралельных текстов по ограниченной тематике) + нейронные сети + обучение на текстах клиента + использование облачной среды.
Это, так называемый Customized Machine Translation, несколько компаний объявляют себя лидерами в этой области.
Наиболее показательный пример : KantanMT (https://www.kantanmt.com/overview-build.php) с версиями для отдельных отраслей, в том числе, автомобильной, электронной, софтверной.
Есть демо, но за "реально пощупать" придется платить.
PS Еще по теме:
Машинный перевод http://ai-news.ru/mashinnyj_perevod.html
Как работает нейронный машинный перевод? https://habrahabr.ru/company/lokalise/blog/334342/
Показать полностью