1. 从翻译博客这件事说起为什么我选择啃这块硬骨头做技术博客翻译这件事我干了差不多三年。最开始纯粹是自用——英文技术文章读起来慢尤其是那些偏理论的长文一边查词一边理解效率低得让人抓狂。后来想着既然自己要看不如顺手翻译出来发在博客上一来二去竟然攒了不少读者。这次要聊的是Towards Artificial Intelligence这个博客系列的中文翻译第八十四篇。这个系列的文章偏学术和工程结合的方向涉及机器学习、深度学习、智能系统设计等内容单篇动辄五六千词术语密度高长难句多翻译起来相当费劲。你可能会问现在机翻工具那么多为什么还要人工翻译我的回答是机翻能帮你理解大意但技术博客的价值恰恰在细节里。一个术语翻错了读者可能就被带偏了一个逻辑连接词处理不当整段论证就散了。尤其是这个系列的文章作者经常在一段话里嵌套多个从句还喜欢用反讽和隐喻机翻出来的东西读起来像嚼蜡。所以我的做法是机翻打底人工精修术语建库风格统一。这套流程跑下来一篇五千词的博客大概需要四到六个小时虽然累但质量可控。这篇文章适合谁看如果你也在做技术博客翻译或者想开始做但不知道从哪下手那这篇内容应该能帮到你。如果你只是这个系列的读者想了解翻译背后的取舍和考量那也能看个热闹。我会从翻译流程、术语处理、长难句拆解、风格把控、常见坑这几个维度展开尽量把每个环节的操作细节都讲清楚。2. 翻译流程的完整拆解从拿到原文到发布上线2.1 第一步不是翻译而是通读和标记很多人拿到原文就开始翻翻到一半发现前面理解错了又回头改来回折腾。我的习惯是先把原文通读一遍不做任何翻译只做三件事标记术语、标记长难句、标记需要查证的概念。通读的时候用不同颜色的高亮——黄色标术语红色标长难句蓝色标需要查资料的地方。这一遍下来大概花二十分钟到半小时但能省掉后面大量的返工时间。通读的时候还要判断文章的整体调性。比如Towards Artificial Intelligence这个系列有的篇目偏综述语气比较平和有的篇目是作者在反驳某个观点语气就比较尖锐。调性不同翻译时的用词和句式也要跟着调整。综述类的文章可以用相对正式的书面语论战类的文章就要保留作者的锋芒不能翻得四平八稳。2.2 机翻打底的正确用法机翻工具我用过不少最后固定下来的组合是先用一个工具出初稿再用另一个工具做对照。为什么要用两个因为不同工具的翻译策略不一样有的偏直译有的偏意译对照着看能发现不少问题。具体操作是把原文按段落切分每段单独翻译避免长文本导致的上下文丢失。切分的时候注意不要在句子中间断开否则机翻出来的东西根本没法用。机翻初稿出来之后不要急着改先快速扫一遍把明显离谱的地方标出来。什么叫明显离谱比如术语翻错了、主语搞混了、否定词丢了、数字翻错了。这些是硬伤必须优先处理。剩下的润色工作可以放到后面慢慢做。2.3 人工精修的核心操作精修阶段是最耗时的也是最考验功力的。我的做法是逐句对照原文和机翻稿重点看四个地方术语是否准确、逻辑是否连贯、语气是否匹配、表达是否自然。术语的问题后面单独讲这里先说逻辑和语气。逻辑方面英文技术文章喜欢用连接词来体现逻辑关系比如howeverthereforemoreoverin contrast。机翻有时候会把这些词翻得很生硬或者干脆漏掉。我的处理方式是如果中文里逻辑关系已经很明显了就把连接词弱化甚至省略如果逻辑关系需要强调就换一个更自然的中文表达。比如however不一定翻成然而有时候翻成但或者不过更顺。语气方面英文作者有时候会用一些口语化的表达比如you knowkind ofpretty much。这些在学术文章里出现往往是为了拉近和读者的距离。翻译的时候如果翻成你知道有点差不多会显得很怪。我的做法是如果这个口语化表达不影响核心意思就省略如果影响就换一个中文里对应的口语化表达。2.4 发布前的最后检查精修完之后我会把译文放一放至少隔两个小时再看一遍。这时候脑子清醒了能发现之前没注意到的问题。检查的重点是读起来是否顺畅、有没有错别字、术语是否统一、格式是否正确。特别是术语统一这件事长文翻译最容易出现前后不一致的情况比如同一个术语前面翻成神经网络后面翻成类神经网络读者就会困惑。格式方面技术博客经常有代码块、公式、图表。代码块里的注释要不要翻我的原则是如果注释是解释代码功能的就翻如果是代码本身的一部分比如变量名就不翻。公式一般不动但公式后面的解释文字要翻。图表里的文字要翻但图表本身不重绘只在译文里加文字说明。3. 术语处理的实战经验建库、查证、统一3.1 为什么必须建术语库术语库这件事我一开始也觉得麻烦觉得凭记忆就够了。结果翻到第三篇的时候发现同一个术语在不同文章里翻法不一样读者在评论区指出来了非常尴尬。从那以后我就老老实实建了一个术语库用Excel维护字段包括英文术语、中文译法、所属领域、备注、首次出现位置。每次翻译新文章之前先查术语库有现成的就直接用没有的就补充进去。术语库的好处不只是统一还能提高效率。翻到后面常用术语直接查表不用每次都纠结怎么翻。而且术语库积累到一定规模之后还能发现一些规律比如某些词根对应的中文译法、某些领域的术语偏好等。3.2 术语查证的几个可靠来源术语查证不能靠猜也不能只靠一个来源。我的做法是交叉验证至少查三个地方专业词典、学术论文、技术社区。专业词典推荐《英汉计算机技术词典》和《机器学习术语中英对照表》这两个覆盖了大部分常见术语。学术论文里的术语用法最权威因为作者通常会在论文里给出明确定义。技术社区比如知乎、CSDN、Stack Overflow里的用法最接地气能反映实际使用习惯。查证的时候要注意一个坑同一个英文术语在不同领域可能有不同译法。比如transformer在电力领域翻成变压器在NLP领域翻成变换器或Transformer。这时候就要根据文章所属领域来判断不能一刀切。3.3 术语统一的实操方法术语统一不只是同一个词翻成同一个中文这么简单。有些术语在不同语境下需要不同的译法这时候就要在术语库里加备注说明什么情况下用哪种译法。比如model在机器学习里通常翻成模型但在model-based reasoning里翻成基于模型的推理更自然。这种细微差别术语库里要记清楚。还有一个技巧在译文里第一次出现某个术语的时候用括号标注英文原文。这样读者如果对译法有疑问可以对照原文。但不要每次都标否则译文会显得很啰嗦。我的做法是核心术语第一次出现时标注之后不再标注非核心术语不标注。4. 长难句拆解从读不懂到翻得顺4.1 英文长难句的常见结构技术博客里的长难句通常有几种典型结构嵌套从句、并列结构、插入语、倒装。嵌套从句是最常见的一个主句里套两三个从句读到最后已经忘了主语是什么。并列结构稍微好一点但并列项多了也容易乱。插入语最讨厌因为它会打断句子的连贯性。倒装相对少见但一旦出现机翻基本都会翻错。处理长难句的第一步是找主干。把修饰成分全部去掉只留主谓宾看看这句话到底在说什么。主干找到之后再把修饰成分一个一个加回去看看它们分别修饰谁。这个过程听起来简单但实际操作起来需要耐心尤其是修饰成分嵌套的时候。4.2 拆解的具体操作步骤我拆解长难句的步骤是这样的第一步用斜杠把句子按从句和并列项切开第二步给每个切开的片段标上序号第三步分析每个片段的功能主语、谓语、宾语、定语、状语等第四步按照中文的表达习惯重新组织语序第五步检查逻辑是否连贯、有没有漏掉信息。举个例子原文是The model, which was trained on a large corpus of text data that had been collected from various sources over a period of several years, achieved state-of-the-art performance on multiple benchmarks, including those that were considered particularly challenging.这句话的主干是The model achieved state-of-the-art performance。修饰成分包括which引导的定语从句修饰modelthat引导的定语从句修饰text dataincluding引导的补充说明修饰benchmarks。拆解之后中文可以这样组织该模型在一个大规模文本数据集上进行了训练这些数据是过去几年间从多个来源收集的。在多个基准测试上该模型都取得了最优性能其中包括一些公认难度很高的测试。4.3 拆解后的重组技巧拆解只是第一步重组才是关键。中文和英文的语序不一样英文喜欢把重要信息放在前面中文喜欢把背景信息放在前面。所以重组的时候经常需要把英文的语序倒过来。比如英文说A achieved B through C中文更自然的说法是通过CA实现了B。还有一个技巧如果一句话拆解之后变成三四个短句要注意短句之间的衔接。中文里短句之间如果缺乏连接词读起来会像流水账。这时候可以适当加一些因此从而这就意味着之类的连接词让逻辑更清晰。但也不要加太多否则会显得啰嗦。5. 风格把控让译文读起来像中文原创5.1 识别原文的风格特征风格把控的前提是识别原文的风格。技术博客的风格可以从几个维度来判断正式程度、情感色彩、句式偏好、用词习惯。正式程度高的文章用词比较规范句式比较完整正式程度低的文章用词比较随意句式比较短。情感色彩方面有的作者喜欢用感叹号和反问句有的作者全程平铺直叙。句式偏好方面有的作者喜欢长句有的作者喜欢短句。用词习惯方面有的作者喜欢用术语有的作者喜欢用比喻。识别风格的方法很简单读一遍原文感受一下整体调性。如果读起来像学术论文就翻得正式一点如果读起来像朋友聊天就翻得随意一点。不要用同一种风格去翻所有文章那样译文会失去原文的个性。5.2 中文表达的自然化处理自然化处理是让译文读起来不像翻译的关键。具体操作包括把被动语态改成主动语态、把名词化表达改成动词化表达、把长句拆成短句、把抽象表达改成具体表达。比如英文说the implementation of the algorithm was carried out直译是算法的实现被进行了自然化之后是我们实现了这个算法。还有一个技巧适当使用中文里的四字短语和成语。比如state-of-the-art翻成最先进的没问题但翻成首屈一指更有味道。不过要注意分寸技术文章里四字短语用太多会显得浮夸用一两个点缀就够了。5.3 避免翻译腔的几个要点翻译腔是技术博客翻译的通病主要表现为句子太长、连接词太多、语序太怪、用词太生硬。避免翻译腔的方法有几个第一读出来。如果读起来拗口那肯定有问题。第二删掉不必要的连接词。中文里很多逻辑关系是隐含的不需要每个都加连接词。第三调整语序。英文的语序不一定适合中文该倒装就倒装该提前就提前。第四用常用词。不要为了追求准确而用生僻词读者看不懂等于白翻。6. 踩过的坑与避坑指南6.1 术语翻错导致的连锁反应有一次我把attention mechanism翻成了注意力机制这本身没错但文章里同时出现了attention和mechanism单独使用的情况我分别翻成了注意力和机制结果读者以为这是两个不同的概念。后来我在术语库里加了一条备注当attention和mechanism同时出现时统一翻成注意力机制单独出现时根据语境判断。这个坑的教训是术语库不能只记单词还要记搭配。有些术语单独看没问题组合在一起就容易出问题。所以术语库里最好加上常见搭配这一栏把容易混淆的组合记下来。6.2 机翻的自信错误最危险机翻最危险的地方不是翻不出来而是翻错了还翻得很自信。比如把not漏掉、把increase翻成减少、把before翻成after。这些错误如果不去对照原文根本发现不了。我的应对方法是精修的时候一定要逐句对照不能只看机翻稿。特别是涉及数字、否定、方向、时间的地方要格外小心。还有一个技巧把机翻稿和原文并排放在两个窗口里逐段对照。这样虽然慢但能最大程度避免漏错。如果时间紧至少要把关键段落对照一遍比如结论、数据、方法部分。6.3 格式丢失与修复技术博客经常有代码块、公式、表格、图片。机翻工具处理这些内容的时候经常会把格式搞乱。比如代码块里的缩进丢了、公式里的符号变了、表格的列对不齐了。我的做法是翻译之前先把这些特殊内容标记出来翻译的时候跳过最后再手动加回去。代码块里的注释单独处理公式不动表格重新排版。还有一个坑有些机翻工具会把代码块里的代码也翻译了导致代码根本没法运行。所以翻译之前一定要确认工具是否支持跳过代码块的功能如果不支持就手动把代码块替换成占位符翻译完再换回来。6.4 读者反馈的价值读者反馈是改进翻译质量的重要来源。我每篇译文发出去之后都会关注评论区和私信看看读者有没有指出问题。有的读者会直接说这个词翻错了有的读者会委婉地说这里读起来有点怪。不管是哪种都值得认真对待。我专门建了一个读者反馈文档把每一条反馈都记下来定期回顾看看有没有共性问题。有一次读者指出我把reinforcement learning翻成了增强学习应该翻成强化学习。我查了一下确实强化学习是更通用的译法。从那以后我就把这个术语加进了术语库并且标注了优先使用强化学习。7. 工具链与效率提升的实操心得7.1 我的翻译工具组合工具不在多在于顺手。我目前用的组合是一个机翻工具出初稿一个术语管理工具维护术语库一个文本编辑器做精修一个版本控制工具管理历史版本。机翻工具我用的是某款支持术语库导入的这样机翻的时候就能按照我的术语库来翻减少后期修改的工作量。术语管理工具用的是Excel虽然简陋但够用。文本编辑器用的是VS Code支持Markdown预览方便检查格式。版本控制用的是Git每次修改都提交一次方便回溯。7.2 效率提升的几个关键点效率提升的关键在于减少重复劳动。具体做法包括建术语库、建常用句式库、建检查清单。术语库前面讲过了这里说句式和清单。常用句式库是把技术博客里常见的句式记下来比如本文提出了一种...、实验结果表明...、与现有方法相比...翻译的时候直接套用不用每次重新组织。检查清单是把发布前要检查的项目列出来比如术语是否统一、格式是否正确、有没有错别字每次发布前过一遍避免遗漏。还有一个提效技巧批量处理。如果一次要翻多篇文章可以把它们放在一起处理。比如先统一通读再统一机翻再统一精修。这样能减少切换成本效率更高。但批量处理也有缺点就是容易疲劳质量可能会下降。所以要根据自己的状态来调整状态好的时候批量处理状态差的时候就一篇一篇来。7.3 时间分配的参考一篇五千词的技术博客我的时间分配大概是这样的通读和标记半小时机翻和对照一小时精修两到三小时检查和发布半小时。总共四到五小时。如果文章特别难比如涉及大量数学公式或者作者风格特别晦涩时间可能要翻倍。所以接翻译任务的时候一定要预留足够的时间不要赶工赶工出来的东西质量肯定不行。8. 关于这个系列后续的翻译计划Towards Artificial Intelligence这个系列我还会继续翻下去目前计划是保持每周一篇的节奏。后面的文章难度可能会增加因为越往后越涉及具体的技术实现和实验细节。我打算在术语库和句式库上再下点功夫把常见的技术表达都整理出来这样翻译的时候能更快更准。另外也在考虑要不要做一些辅助性的内容比如术语对照表、常见问题解答方便读者查阅。如果你也在做技术博客翻译或者对这个系列感兴趣欢迎交流。翻译这件事没有捷径就是多读多翻多改翻得多了自然就有感觉了。我刚开始翻的时候一篇三千词的文章要磨一整天现在五千词四五个小时就能搞定靠的就是这套流程和积累。希望这些经验对你有用。