多語言翻譯與本地化
大模型翻譯的常見用法:主力用一個價格低、語言能力穩定的對話模型逐段翻譯,術語表固定寫在系統提示詞裡,重要頁面再交給更強的模型複核。按每月翻譯約 400 萬字中文估算,用最低價分組計算,模型費用每月約 ¥96.8。
價格更新於 2026年11月13日 下午6:03
月成本估算
假設:每月翻譯約 400 萬字中文,分成 5,000 次請求;每次輸入約 2,000 tokens(術語表與風格說明約 1,200、原文約 800),輸出約 1,000 tokens;其中 10%(500 段)交給更強的模型複核,每次輸入約 3,000 tokens、輸出約 1,000 tokens。
業務問題
出海企業要把商品詳情、幫助文件、App 介面和營銷郵件翻成多種語言,內容多、改得勤。人工翻譯週期長,傳統機翻引擎的術語又常常前後不一致。
大模型能理解上下文,譯文更自然。但整篇長文一次丟進去,容易漏段、改格式,同一個術語在不同段落裡還可能譯得不一樣。
實際做法是把術語表和風格要求固定在系統提示詞裡,長文按段落切開逐段翻譯,保留 Markdown 和佔位符,再按內容的重要程度安排複核。
推薦模型組合
推薦模型按即時目錄自動選取,價格取各模型最低價分組,更新於 2026年11月13日 下午6:03。點模型名可檢視全部分組價格。
逐段翻譯(對話模型)
deepseek-v4.1-flashDeepSeek
輸入 ¥2.8 / 輸出 ¥11.2 每百萬 tokens國產模型分組
承擔全部翻譯量,選單價低、目標語言表現穩定的模型。每次請求都帶同一份術語表和風格說明;模型支援上下文快取時,這段重複字首命中後按更低的快取價計費。
複核與潤色(更強的模型)
Claude Sonnet 5.5Anthropic
輸入 ¥3.2 / 輸出 ¥16 每百萬 tokensClaude 經濟分組
落地頁、合同條款、應用商店文案這類重要內容,交給更強的模型對照原文檢查漏譯、錯譯和術語,必要時直接改寫。
參考架構
- 1
準備術語表
整理品牌名、功能名和固定說法的中英對照,連同語氣要求(正式還是口語,稱呼用您還是你)寫進系統提示詞。
- 2
切分原文
按段落切分,每段控制在 1,000 到 2,000 字;程式碼、連結和變數佔位符原樣保留,不交給模型改寫。
- 3
逐段翻譯
每段單獨請求,temperature 設低一些;保持段落順序,失敗的段落單獨重試。
- 4
程式檢查
對比原文和譯文的段落數、數字、連結、佔位符是否一致,不一致的段落重新翻譯。
- 5
抽檢覆核
重要頁面交給更強的模型或母語人員複核,複核中發現的新術語補進術語表。
成本估算
假設:每月翻譯約 400 萬字中文,分成 5,000 次請求;每次輸入約 2,000 tokens(術語表與風格說明約 1,200、原文約 800),輸出約 1,000 tokens;其中 10%(500 段)交給更強的模型複核,每次輸入約 3,000 tokens、輸出約 1,000 tokens。
| 專案 | 模型 | 用量假設 | 費用 |
|---|---|---|---|
| 逐段翻譯 | deepseek-v4.1-flash | 5,000 次 × 輸入 2,000 + 輸出 1,000 tokens | ¥84 |
| 重要內容複核 | Claude Sonnet 5.5 | 500 次 × 輸入 3,000 + 輸出 1,000 tokens | ¥12.8 |
| 合計(每月) | ¥96.8 | ||
按各模型最低價分組的即時價格計算,價格更新於 2026年11月13日 下午6:03。
只含模型呼叫費用。表中沒有計入上下文快取,術語表這類固定字首在支援快取的模型上命中後按快取讀取價計費,實際費用可能更低。同一份內容譯成幾種語言,費用就乘以幾。
示例程式碼
術語表和風格要求固定寫在系統提示詞裡,原文按空行切段後逐段翻譯,最後按原順序拼接。
import os
from openai import OpenAI
client = OpenAI(base_url="https://www.tutujin.com/v1", api_key=os.environ["TUTUJIN_API_KEY"])
GLOSSARY = {"土土金 API": "Tutujin API", "分组": "group", "用量明细": "Usage"}
SYSTEM = (
"Translate Simplified Chinese into natural English for a software product. "
"Keep Markdown, numbers, code, URLs and placeholders such as %s unchanged. "
"Always use these term translations:\n"
+ "\n".join(k + " => " + v for k, v in GLOSSARY.items())
)
def chunks(text, limit=1500):
"""Split on blank lines so every request stays small and paragraphs stay whole."""
part = ""
for para in text.split("\n\n"):
if part and len(part) + len(para) > limit:
yield part
part = ""
part = part + "\n\n" + para if part else para
if part:
yield part
def translate(text):
out = []
for piece in chunks(text):
resp = client.chat.completions.create(
model="deepseek-v4.1-flash",
messages=[
{"role": "system", "content": SYSTEM}, # identical prefix on every call
{"role": "user", "content": piece},
],
temperature=0.2,
)
out.append(resp.choices[0].message.content)
return "\n\n".join(out)
with open("article.zh.md", encoding="utf-8") as f:
print(translate(f.read()))
# Important pages: send source and translation to claude-sonnet-5-5 and ask it to flag omissions and wrong terms.常見問題
每月翻譯 400 萬字要多少錢?
按每次請求輸入約 2,000 tokens、輸出約 1,000 tokens,共 5,000 次,再抽 10% 複核估算,用最低價分組計算約 ¥96.8。要譯成幾種語言,費用就乘以幾。
怎麼保證術語前後一致?
把術語對照表寫進系統提示詞,每次請求都帶上;翻譯完再用程式檢查術語表裡的詞是否按指定譯法出現,不一致的段落重新翻譯。
長文件為什麼要分段翻譯?
一次塞進太多內容,模型更容易漏段、改動格式,輸出還可能達到長度上限被截斷。按段落切開後,出錯時只需要重試那一小段。
機器翻譯能達到人工水平嗎?
不同語種、不同領域差別很大,沒法一概而論。建議先拿幾篇代表性內容對比幾個模型,再決定哪些內容可以直接發布,哪些必須人工複核。
術語表很長,會不會很貴?
術語表每次請求都要傳送,會佔輸入 tokens。可以只放當前內容用得到的詞條;模型支援上下文快取時,固定不變的字首命中快取後按更低的價格計費。
