跳到正文
跳到正文

文档 / 指南

机器翻译页面

本页面为自动翻译,可能有错误或表述不够自然。内容以英文版本为准。阅读英文原文。

记录机器翻译证据

生成按键记录的报告,说明哪些译文由机器写成、哪些经人审校,并把这一标记带入 XLIFF 和 TMX 导出文件。

有人问你已发布的文本中哪些由提供商或 AI 智能体翻译、是否有人审校过时,按本页操作。verbatra 在 verbatra.provenance.json 中按键记录这些信息;你可以把它导出为报告存档,也可以导出为 XLIFF 和 TMX 文件中的标记,交给其他工具。

辅助证据,不构成法律意见

根据欧盟《AI 法案》第 50 条,经人在编辑责任下审校的文本,与未经审校的文本,处理方式不同。报告和标记是辅助证据,供决定该条款如何适用于你的产品的人参考。它们不构成法律意见,使用它们也不会让产品符合任何规定。

记录能告诉你什么,不能告诉你什么

verbatra 写入的每个值都会连同来源(产生它的写入路径)、审校决定和审校人员姓名一起记录,详见锁文件与来源记录。作为证据,来源分为两类:

  • 机器类:machine、memory、fuzzy 和 agent。翻译记忆库算作机器类,因为它不记录条目由谁写入。
  • 人:human(通过 Studio 或 SDK 所做的编辑)和 import(译者的交接)。

external、unrecorded 和 unknown 两类都不属于。源文本有更改之前给出的批准,读取为未审校。

把记录交给别人时,请记住它的局限:

  • 它无法证明未被篡改:能编辑你的语言文件的人也能编辑它;它的价值来自你的 git 历史和代码审查。
  • 它没有时间戳:值何时写入或批准,要看 git 历史(git log -p verbatra.provenance.json)。
  • 它倾向于判为机器:翻译记忆库命中、模糊匹配和智能体的编辑都算机器类,没有人批准的机器值算未审校,即使它的文本没有问题。

来源记录报告

verbatra report provenance 按目标语言环境打印每个类别包含多少个值。

verbatra report provenance
类别值的写入方是否已审校
machine-unreviewedmachine、memory、fuzzy 或 agent未批准,包括已被拒绝但又回到文件中的值
machine-reviewedmachine、memory、fuzzy 或 agent人已批准
human人,通过 verbatra均有可能
import译者的交接均有可能
externalverbatra 之外的某个来源,在其记录写入之后未知
unrecordedverbatra 不知道的写入方:没有记录未知
unknown已记录,但没有已知的写入方均有可能

只统计源语言环境和目标语言环境中都有值的键:缺失的键没有文本可供核对。智能体通过 MCP 工具 report.provenance 读取同一份报告。

来自 CI 的审计文件

加上 --json,报告会列出每个键,可作为审计文件随每次发布存档:

verbatra report provenance --json > provenance-report.json

如果 verbatra.provenance.json 已损坏,或由较新的 verbatra 写入,命令以 1 退出,而不是打印一份把每个值都列为 unrecorded 的报告。因此 CI 作业会失败,而不是把空的审计文件存档。

如果每条机器翻译都必须在发布前经过审校,还应该用 verbatra check --require-reviewed 设门禁。

JSON schema

报告是常规 JSON 信封(envelope)的 result,command 设为 "report"。SDK 调用方从 provenanceReport 得到同一个对象。

字段类型含义
availabletrue报告由已提交的文件生成
generatedAtstring报告的生成时间,UTC 的 ISO 8601 格式
toolVersionstring生成报告的 verbatra 版本;SDK 调用方未传入时为 unknown
sourceLocalestring配置的源语言环境
locales[]array每个目标语言环境一个条目,按配置顺序,受 --locales 限制
locales[].localestring目标语言环境
locales[].totalnumber该语言环境列出的键数
locales[].countsobject每个类别包含多少个键;七个类别始终都在
locales[].entries[]array源语言环境和该语言环境中都有值的每个键一个条目,按源顺序
entries[].keystring翻译键
entries[].bucketstring上述类别之一
entries[].originstring来源,包括 unrecorded 和 external
entries[].reviewStatestringunreviewed、approved 或 rejected
entries[].providerstring,可选给出应答的提供商 id,用于 machine 值
entries[].modelstring,可选配置的模型,记录中指明了模型时才有
entries[].reviewerstring,可选随决定给出的审校人员姓名,仅在给出了姓名且决定仍然适用时才有

来源记录文件无法读取时,结果为 { "available": false, "reason": "provenance-unreadable" }。以后可能新增可选字段;现有字段的含义保持不变。

导出文件中的标记

来源也会进入你交给其他工具的文件,让对方能分辨机器输出和人工成果。

XLIFF

带 --format xliff12 或 --format xliff2 的 verbatra export 会标记每个带目标的单元:

目标属于XLIFF 1.2XLIFF 2.0
机器类,未批准<target> 上带 state-qualifier="mt-suggestion"<mda:meta type="origin"> 和 <mda:meta type="review-state">
机器类,已批准无限定符同样两个 meta 条目
human、import、external、unrecorded 或 unknown无限定符同样两个 meta 条目

mt-suggestion 是 XLIFF 1.2 中表示“由机器翻译建议”的值,CAT 工具(计算机辅助翻译工具)会在常规的 state 旁按此显示。人已批准的值,或 verbatra 无法担保其来源的值,不带限定符。

XLIFF 2.0 没有状态限定符,所以单元的 verbatra 元数据组(其中已有源哈希)会写入完整的来源和审校状态:

<mda:metaGroup category="verbatra">
  <mda:meta type="source-hash">8f3a0c1e2b4d6f70</mda:meta>
  <mda:meta type="origin">machine</mda:meta>
  <mda:meta type="review-state">unreviewed</mda:meta>
</mda:metaGroup>

TMX

verbatra tmx export 在每个目标句段上写入 x-origin 属性,在 machine 句段上还会在其后写入 x-review:

<tuv xml:lang="de"><prop type="x-origin">machine</prop><prop type="x-review">unreviewed</prop><seg>Zur Kasse</seg></tuv>

x-origin 为 machine、human、import 或 unknown;x-review 为 approved、unreviewed 或 rejected。翻译记忆库条目是一对文本,不是键,所以只要有任一个具有该确切文本的键属于机器类,该句段就是 machine;只要有任一个这样的键被拒绝,就是 rejected,否则只有当每个这样的键都已批准时才是 approved。没有任何记录描述的文本是 unknown。

导入带标记的文件

导入会忽略所有标记。XLIFF 单元按其目标和状态判断,TMX 句段按其文本判断。从交接文件导入的值记录为 import,TMX 导入只填充翻译记忆库,所以工具改写、丢弃或虚构的标记都不会改变你的记录。

记录无法读取时

如果 verbatra.provenance.json 已损坏或来自较新的 verbatra(对 TMX 而言,也包括锁文件无法读取),导出仍会成功,但不写入标记,而不是写入无法担保的标记。摘要会说明这一点,--json 结果中的 provenanceMarkers 为 "unavailable",而不是 "written"。

相关内容

在 GitHub 上编辑

本页内容