El application de traducción automática neuronal utiliza redes neuronales para trabajar con enormes conjuntos de datos. Cada nodo realiza un cambio atribuido de texto fuente a texto destino hasta que el nodo de salida da el resultado ultimate.

Disponen de configuraciones para ejecutar las traducciones automáticamente y posteriormente enviarlas a los traductores humanos para su edición posterior.

Los expertos en traducción automática de Lionbridge pueden ayudarle a aprovechar la TA al máximo para reducir los costes y los plazos de entrega de las traducciones, y mejorar la experiencia tanto del cliente como de los empleados. Hable con nosotros para saber más.

During this study, a human analysis of three human translations of English-Spanish enterprise contracts and one particular translation generated by a NMT engine will probably be performed. Outcomes present that MT can be an extremely handy educating Resource within the authorized translation classroom, allowing to discover the talents that might be Increased by such an strategy. At last, how MT could be included in the schooling of legal translators is proposed, and the advantages it might have about traditional training-Understanding procedures are introduced.

Está incluida en todas las ediciones de Trados, ofrece escalabilidad y en esta grabación del seminario Website exploramos sus ventajas y capacidades en la plataforma de Trados. Más información

Conozca el nivel gratuito de AWS  Comience a crear en la consola Comience a crear en la consola de administración de AWS.

Los traductores humanos traducen entre 3000 y 3500 palabras por día en promedio. Si bien esto es impresionante, la MT puede traducir más palabras en una fracción de segundo. La mejor parte es que el contenido no importa.

La traducción automática a partir de un lenguaje intermedio es un caso specific de la traducción automática basada en reglas. El lenguaje primary, por ejemplo un texto que debe ser traducido, es transformado a un lenguaje intermedio, cuya estructura es independiente a la del lenguaje initial y a la del lenguaje ultimate.

Vincent Henderson dirige los equipos de producto y desarrollo de Lionbridge. Su trabajo se centra en las distintas formas de usar la tecnología y la IA para analizar, evaluar, procesar y Traducción Automática generar contenido para todo el mundo.

Esquema que muestra la relación entre los diferentes paradigmas de traducción automática basada en reglas. La traducción automática mediante reglas consiste en realizar transformaciones a partir del primary, reemplazando las palabras por su equivalente más apropiado. Al conjunto de este tipo de transformaciones del texto initial se le llama preedición de textos.

En cambio, las traducciones son extremadamente literales y las reglas dependen mucho del contexto, con lo que no siempre son de aplicación. El modelo RBMT fue uno de los primeros en desarrollarse pero ya apenas se utiliza hoy en día.

La postedición simplemente significa corregir textos traducidos por un motor de máquina. Este proceso tiene como objetivo lograr el mismo nivel de calidad de traducción que puede ofrecer un traductor humano.

En las últimas décadas, ha habido un fuerte impulso en el uso de técnicas estadísticas para el desarrollo de sistemas de traducción automática. Para la aplicación de estas técnicas a un par de lenguas dado, se requiere la disponibilidad de un corpus paralelo para dicho par. Mediante este corpus se estiman parámetros de sendos modelos estadísticos que establecen la probabilidad con la que ciertas palabras son susceptibles de traducirse por otras, así como las posiciones más probables que tienden a ocupar las palabras de la lengua destino en función de las palabras correspondientes de la frase origen.

Lingüistas y empresas de todo el mundo utilizan la TA para eliminar el largo proceso de traducción manual y solo realizan la posedición. La combinación de MT y experiencia humana mejora tanto la eficiencia como la precisión de la traducción.