跳到正文
跳到正文

文档 / 概念

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。

翻译缓存

verbatra.cache.json 在多次运行之间复用什么、指纹如何把每个条目限定在其配置内,以及缓存问题为何不会让运行失败。

翻译缓存 verbatra.cache.json 是按内容建立键的本地翻译记忆库:它记住一段源文本的译文,不论是哪个键持有这段文本,因此同一段文本不会重复付费。锁文件与来源记录回答“这个键是不是最新的?”,缓存回答“这段文本以前翻译过吗?”。

复用什么

键交给提供商之前,verbatra 会查找其当前源条目的哈希:文本加上它的描述、含义、复数标志和占位符。命中不产生花费。查找按内容进行,所以复用能覆盖锁文件看不到的情况:

  • 重命名的键:把 home.title 移到 landing.title,它的译文照样复用。
  • 重复的内容:源文本和上下文相同的两个键共用一条译文。

复用的值不会被盲目信任。它要像新译文一样,对照当前源值通过同一个完整性门禁,不再适用的值会被丢弃并重新翻译。缓存命中按语言环境单独报告,与本次运行翻译的键分开。

审校人员拒绝的值绝不会再复用到该键:来源记录文件保存了被拒绝文本的哈希,运行会跳过与之匹配的任何命中。唯一的缺口是运行无法读取来源记录文件的情况(文件来自更新的 verbatra,或在 humanEdits: "overwrite" 下已损坏),此时运行不知道任何拒绝记录。

指纹

每个条目都限定在生成它的上下文中:指纹由提供商、模型、该语言环境的语气、该语言环境的术语表术语,以及提供商的 localeMap(有条目时)共同计算。其中任何一项更改,之前的条目就不再匹配,所以更换语气或编辑术语表后,缓存不会返回过期的结果。已写入的值会保持不变,直到你重新翻译它们。术语表部分是 verbatra 会发送给提供商的术语,已应用任何会搁置或脱敏某个术语的 sensitiveData 设置,不论所配置的提供商是否使用术语表术语(DeepL、Google Cloud Translation 和 LibreTranslate 会忽略它们),所以编辑过的术语仍会触发重新翻译。术语的 caseSensitive 标志不属于指纹。每个语言环境都有自己的指纹,因此只编辑某个术语的德语译文,法语条目仍然匹配。

格式不属于指纹,每次命中时的完整性门禁会拦住不再适用的值。提供商为 none 时,所有条目都进入同一个纯人工分组,语气和术语表对它没有影响。

模糊复用

精确命中要求源文本的哈希与之前相同,所以编辑一个字符就会未命中。fuzzyCache 是针对这种情况的可选回退:键未命中时,verbatra 把它的源文本与同一语言环境、同一指纹下的其他条目打分,复用得分达到或超过 threshold 的最接近的一条。得分为 1 减去字符编辑距离除以较长字符串的长度,所以 1 表示完全相同。

阈值不是安全设置

字符距离不等于含义。去掉一个“not”、把“cannot”改成“can”或换掉一个品牌名,都是得分高于 0.9 的小改动,却会让句子意思相反。阈值决定你能少花多少提供商费用,而不是复用有多安全。安全来自与这个数字无关的规则:

  • 除非你开启,否则默认关闭。
  • 每次模糊复用都会标记为待审校,使用 FUZZY_CACHE_REUSE,每次运行都如此,不论得分多少。如果没有人处理审校队列(Review queue,见在 Studio 中审校),请保持关闭。
  • 数字变了就拒绝复用:两个源文本中的数字在个数、值或顺序上不同,该条目就不是候选。这涵盖所有 Unicode 数字字符(m² 到 m³、½ 到 ¼),但不包括用文字写出的数字。
  • 复用不会让键定稿:锁文件保留该键原来的基线,所以它仍是已更改状态:之后每次运行都会再次提供它,不产生提供商费用,check 也会一直报告它,直到真正的译文写入。
  • 未更改的源文本不会进入模糊层:只编辑描述或复数标志时,该键照常发送给提供商。

模糊复用仍然不是什么

模糊复用的译文对应的是已经不再作为源文本的旧文本,所以从不当作精确命中呈现:

  • 它像其他候选译文一样要通过完整性门禁;占位符不再适用的近似匹配会被拒绝,该键转交提供商。
  • 它与精确命中分开报告,记为 fuzzy-reused,附键、得分和之前的源文本;SDK 在 LocaleSummary.fuzzyHits 上提供同样的信息。
  • 它不会写回缓存,所以之后的运行不会把它误认为精确命中。

打分只在同一个指纹内进行,并有上限:每个键最多 256 个候选,超过 2,000 个字符的源文本会被跳过。提供商为 none 时,不会应用模糊匹配。

文件

verbatra.cache.json 是位于锁文件旁边的本地可再生文件。不要将它纳入版本控制:它是费用优化,不是共享基线。verbatra init 会把它加入 gitignore,translate、watch、import、tmx import 和 pseudo 会在现有 .gitignore 缺少该条目时补上,并在 stderr 中说明。

缓存绝不会让运行失败。缺失、损坏或过大的文件会变成空缓存并重建。来自更新的 verbatra 的文件在本次运行中同样视为空,但会原样留在磁盘上,并给出通知。要重新开始,删除该文件即可。为了模糊打分,文件会把每个源字符串存放在其译文旁边,所以文件大小大致增长到你的源文本的规模。

在工具之间迁移翻译记忆库

verbatra tmx 把另一个翻译工具的 TMX 文件导入缓存,也把缓存导出为 TMX。导入的单元存放在当前指纹下,所以提供商、模型、语气、verbatra 会发送的术语表术语或 localeMap 更改时,它们和其他内容一样不再匹配。关于“删除后会重建”有一个例外:导入的翻译记忆库只能从它来源的 TMX 文件恢复,所以请保留该文件。

绕过缓存

在 translate 或 watch 上使用 --no-cache(SDK 中为 cache: false),发出的提供商调用与没有缓存时的运行完全一致(模糊复用也一并绕过),并且不动该文件。要保留精确复用、只去掉模糊回退,请不要在配置中写 fuzzyCache。试运行从不写入缓存,只在提供商为 none 时读取它,使该计划与实际运行一致。

限制

generatePlurals 合成的复数形式不会缓存,所以总是来自提供商。

相关内容

在 GitHub 上编辑

本页内容