Información general sobre las traducciones personalizadas

El modelo predeterminado de traducción automática neuronal (NMT) de Google abarca una amplia gama de idiomas y funciona bien con texto de uso general. Sin embargo, en los casos en los que traduzcas texto específico de un dominio o que dependa del estilo, las traducciones personalizadas pueden ayudarte a obtener traducciones más pertinentes.

Para las traducciones personalizadas, debes proporcionar tus propias traducciones de ejemplo. De esta forma, Cloud Translation puede generar resultados que se ajusten al estilo, el tono y el vocabulario de tus ejemplos.

La versión avanzada de la API Cloud Translation ofrece varias soluciones para personalizar las traducciones:

  • Personalización de la NMT: puedes entrenar tu propia versión personalizada del modelo de NMT estándar con un conjunto de datos de ejemplos de traducción.

  • Traducción adaptativa: puedes crear una personalización ligera del modelo LLM de traducción (TLLM) con un conjunto de datos limitado de ejemplos de traducción.

  • Glosario: puedes usar un glosario como diccionario personalizado para traducir de forma correcta y coherente los términos específicos de un ámbito.

Personalización de NMT

Para entrenar tu propia versión del modelo de TNM, debes importar un conjunto de datos considerable de tus propios ejemplos de traducción. Después, puedes solicitar traducciones que usen tu modelo en lugar del modelo predeterminado de NMT. Un modelo personalizado de este tipo puede funcionar bien para traducir texto de un dominio específico, en el que es extremadamente importante usar la terminología correcta.

Se te cobra tanto por el tiempo de entrenamiento del modelo como por el número de caracteres de entrada que envías para traducir.

Traducción adaptable

Las traducciones adaptables usan LLMs combinados con conjuntos de datos pequeños para ofrecer traducciones de alta calidad, a menudo similares a las de los modelos personalizados de AutoML Translation. No entrenas ni mantienes ningún modelo. En comparación con los modelos personalizados, la traducción adaptativa es una buena opción para obtener respuestas con un estilo, un tono y una voz similares a los de tu entrada.

En el caso de la traducción adaptativa, se te cobra en función del número de caracteres de entrada y salida.

Glosarios

Los glosarios te permiten especificar cómo se deben traducir determinados términos. Proporcionas una lista de términos y sus traducciones para que Cloud Translation los use y así garantizar que las traducciones de esos términos sean coherentes y precisas. Esto es especialmente útil para el vocabulario específico de un dominio.

Se te cobra por el uso del glosario en función del número de caracteres enviados para traducir.

Preparar traducciones de ejemplo

Prepara traducciones de ejemplo como pares de segmentos, que constan de una frase en el idioma de origen y la frase correspondiente traducida al idioma de destino. Guarda estos pares de segmentos en un archivo de valores separados por tabulaciones (TSV) o en un archivo de intercambio de memorias de traducción (TMX).

Elige ejemplos que representen el ámbito lingüístico del contenido que quieras traducir. Para obtener más información, consulta la sección Preparación de datos de la guía de inicio de AutoML Translation.

TSV

En los archivos separados por tabulaciones, cada fila tiene el siguiente formato:

  • Source segment pestaña Translated segment

No incluyas una fila de encabezado con códigos de idioma para identificar los idiomas de origen y de destino. Estos idiomas se especifican al crear un conjunto de datos. El siguiente ejemplo incluye pares de segmentos para traducciones del inglés al alemán:

It's a beautiful day.\tEs ist ein schöner Tag.
Tomorrow it will rain.\tMorgen wird es regnen.

Todo el contenido de un archivo TSV debe ser texto sin formato. Si el texto incluye etiquetas HTML u otro tipo de marcado, Cloud Translation las procesa como texto sin formato.

TMX

TMX es un formato XML estándar que ofrece segmentos de traducción con el texto de origen y destino. Cloud Translation admite archivos de entrada con un formato basado en la versión 1.4 de TMX. En el ejemplo siguiente se muestra la estructura necesaria:

<?xml version='1.0' encoding='utf-8'?>
<!DOCTYPE tmx SYSTEM "tmx14.dtd">
<tmx version="1.4">
  <header segtype="sentence" o-tmf="UTF-8"
  adminlang="en" srclang="en" datatype="PlainText"/>
  <body>
    <tu>
      <tuv xml:lang="en">
        <seg>It's a beautiful day.</seg>
      </tuv>
      <tuv xml:lang="de">
        <seg>Es ist ein schöner Tag.</seg>
      </tuv>
    </tu>
    <tu>
      <tuv xml:lang="en">
        <seg>Tomorrow it will rain.</seg>
      </tuv>
      <tuv xml:lang="de">
        <seg>Morgen wird es regnen.</seg>
      </tuv>
    </tu>
  </body>
</tmx>

El elemento <header> de un archivo TMX generado correctamente debe identificar el idioma de origen mediante el atributo srclang, y cada elemento <tuv> debe identificar el idioma del texto contenido mediante el atributo xml:lang.

Todos los elementos <tu> deben contener un par de elementos <tuv> con el mismo idioma de origen y de destino. Si un elemento <tu> contiene más de dos elementos <tuv>, Cloud Translation procesa solo el primer elemento <tuv> que coincida con el idioma de origen y el primero que coincida con el idioma de destino, e ignora los demás. Si un elemento <tu> no contiene ningún par de elementos <tuv> que coincida, Cloud Translation omite el elemento <tu> no válido.

Cloud Translation quita las etiquetas de marcado que acompañan a los elementos <seg> antes de procesarlos. Si un elemento <tuv> contiene más de un elemento <seg>, Cloud Translation concatena el texto en un único elemento e incluye un espacio entre ellos.

Si el archivo contiene etiquetas XML distintas a las que se han mencionado anteriormente, Cloud Translation las ignora.

Si los formatos XML o TMX del archivo no son correctos (por ejemplo, falta una etiqueta final o un elemento <tmx>), Cloud Translation no lo procesa. Cloud Translation también aborta el procesamiento si se salta más de 1024 elementos <tu> no válidos.

El número mínimo y máximo de pares de segmentos que se requieren o permiten para cada función es diferente. Para obtener más información, consulta la sección sobre la preparación de datos de AutoML Translation o los requisitos de los datos de traducción adaptativa.

Siguientes pasos