翻译技术速递
尽管机器翻译（ MT ）在过去几年取得了快速的进展，但它仍然是许多语言技术专家所称的“难题”，但这似乎并不能阻止翻译设备制造商。
Slator 已经报道了这些翻译小工具是如何一直承诺过高和交付不足，但它们的新颖性和（有限的）实用性似乎吸引了公众，其中更多的已经进入市场在过去几年。
在2019年1月的一次读者调查中，80%的受访者对《星际迷航》的耳机给出了负面的反馈，但调查结果可能受到了一个事实的扭曲，那就是大多数人要么在语言行业工作，要么熟悉该行业。毕竟，有些翻译设备实际上是在销售（例如，一个 Mini ， Timekett2）。
在2019年4月26日的一次民意调查中， Slator 询问读者，他们是否真正了解购买翻译设备的人。
超过21%的民意调查人员确实知道有人购买了翻译设备。作为一项 B2C 的努力，这些设备中的许多被营销为方便的旅游伙伴，有限的用于无缝翻译，而其他被吹捧为有用的休闲多语言对话。
如果谷歌( Google )向智能助手添加口译模式（就像其他大型科技公司所做的那样），对使用多种语言的设备的需求似乎正在上升。
谈到 MT ，自2018年神经 MT 成为行业标准以来， MT 的后期编辑也在其本地化工作流程中被买卖双方迅速采用。
例如， Straker Translations 的记录显示，经过编辑后的 MT （平均每小时1,000字），他们的英语对法语翻译。
2019年5月3日， Slator 时事通讯订阅者被问到什么是实际的 PEMT 每小时的输出。
大多数参加投票的人被分为500-800字（28%）和800-1000字（30%）。所以，也许 Straker 正在做一些事情。西班牙庞贝·法布拉大学的博士生克拉拉·吉诺瓦最近进行的一项研究也集中在 PEMT 上，要求企业和编辑参与一项调查。
研究发现， LSP 和后编辑使用 PEMT 观察到生产率的提高，而后编辑通常根据每小时后编辑的单词报告更高的生产率水平。同样的百分比的受访者报告说，使用 PEMT ，每小时产出1000字，每小时产出1000至3000字。
谈到 PEMT ，每小时1000个单词似乎是最好的选择。目前为止。
PEMT 并不是集成基于 MT 的人性化本地化工作流的唯一有前途的方法。另一种方法，称为交互式翻译预测（ ITP ），也即将离开统计时代，加入神经运动。
ITP 是由硅谷的 Lilt 率先提出的方法，于2015年作为 ITP 驱动的翻译生产力工具推出。从那以后，它变成了更多的托管服务。
2019年5月2日发表的一篇研究论文将神经 MT 引擎置于 ITP 环境中，并邀请了8名专业翻译员对 PEMT 进行测试。
根据以前的报道，快速细分 PEMT 与 ITP ：“尽管与 PEMT 一起使用的翻译生产力工具使用原始 MT 输出预填充目标翻译部分，语言学家随后将对其进行审查和编辑。ITP 的作用更像一个自动完成的功能，建议目标翻译低于部分，因为语言学家在一个空的目标部分工作。此外， ITP 动态地考虑了语言学家的部分翻译，并为句子的其余部分提供了更好的翻译建议。”
长故事短，神经 ITP 证明是一个竞争对手长期的 PEMT 方法。至少在那个特别的研究中。但是 Slator 的读者怎么看呢？
这是一个近乎均匀的分裂，再次反映了 ITP 是 PEMT 方法的竞争者。随着技术本身的发展，人机交互的争论将继续发展。然而，目前看来 PEMT 和 ITP 都没有准备好成为基于 MT 的本地化工作流的领先的人工循环方法。
最后，在2019年上半年结束之前， Slator 已经覆盖了近20家并购公司。自今年2月以来，已有3至4家公司收购或合并其他公司，而不包括1月份以来的两篇报道。
看起来2019年在语言行业整合方面将会很忙，而民意调查人员也同意这一点。
近90%的《 Slator 》读者表示，语言行业的并购活动要么仍将保持高位（55.2%），要么将实际加速（34.5%），其余预期将放缓。
Slator 的2017年并购报告包括38个并购项目，一年后，2018年并购报告包含48笔交易。2019年的结局还有待观察。像 NMT 这样的并购场景会达到某种程度的高原吗？还是会继续提高速度？
以上中文文本为机器翻译，存在不同程度偏差和错误，请理解并参考英文原文阅读。
阅读原文