Selección de un motor de referencia

El motor base es el cimiento sobre el que construiremos el proyecto. Hay varias ofertas en el mercado, como las de Google, Microsoft, Amazon e incluso Apple, así como otras empresas más pequeñas del sector. Trabajamos con el cliente para determinar qué motor se adapta mejor a sus necesidades. Para eso, ofrecemos una API múltiple, así como un sistema de pruebas automatizado que nos permitirá seleccionar el motor adecuado para su contenido según sus necesidades.

Selección de datos y preparación de grupos de textos

El punto de partida para un motor de traducción automática neuronal personalizada es buscar y utilizar material ya traducido que incluya contenido lo más similar posible a lo que se traducirá. Mientras más material ya traducido haya, más rápido y económico será el proceso. Si el idioma de origen y el de destino no están todavía asociados como unidades de memoria de traducción, se puede realizar una alineación para obtener el contenido bilingüe necesario que potencie el rendimiento del motor.

Siguiente paso: Contenido monolingüe (de destino)
Si existen cantidades suficientes de contenido de referencia de destino, se lo puede agregar a la mezcla para aprovechar tanto el estilo como la terminología.
Último paso: Corpus especializado de fuentes adicionales
Buscaremos en internet material que esté lo más estrechamente alineado posible con el contenido que procesará el motor.
Siempre da buenos resultados invertir tiempo en buscar grupos de texto de la mejor calidad posible. Lo mismo se aplica a los datos bilingües que pueden obtenerse de mercados de datos.

Perfeccionamiento: Los CNMTE nuevos mejoran con la posedición humana

Una configuración habitual es integrar la posedición humana en el proceso para mejorar los resultados. En este flujo de trabajo, nuestros lingüistas especializados editan el producto del motor de traducción automática neuronal personalizada para mejorar su calidad, además de perfeccionar el motor para futuras traducciones. Mientras el revisor modifica el producto, el motor se vuelve más inteligente con el uso de un modelo dinámico flexible. Además, a medida que se nutre de más traducciones, el motor se vuelve más inteligente con el tiempo. En otras palabras, la brecha de calidad entre una traducción 100 % humana y esta solución se achica de manera drástica, en tanto que el tiempo de entrega y los costos se reducen significativamente. Nuestra opinión es que estos motores se convertirán en un valioso recurso y un diferenciador de mercado para todo cliente con necesidades recurrentes.