跳到正文
土土金API

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。

¥96.8/ 月

  • 逐段翻譯¥84
  • 重要內容複核¥12.8
看用量假設

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。

參考架構

  1. 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. 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. 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. 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. 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-flash5,000 次 × 輸入 2,000 + 輸出 1,000 tokens¥84
重要內容複核Claude Sonnet 5.5500 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。

示例程式碼(Python,帶術語表的分段翻譯)
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.

用一把 Key 試試這個方案

註冊後在控制台建立 API Key,把上面程式碼裡的 base_url 和 Key 換成你的就能執行。企業採購、開發票可以加客服微信 JsnonoChat。

土土金客服微信二維碼
微信JsnonoChat

掃碼或搜尋微信號新增客服

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。