ИИ-перевод документов в закрытом контуре: техническая документация без облачных переводчиков

Если документы нельзя отправлять в облачные переводчики, перевод делают на вашем сервере. Конвейер разбирает файл, переводит его по вашему глоссарию, проверяет числа, термины и структуру кодом, возвращает документ с сохранённой вёрсткой и отдаёт спорные места двуязычному сотруднику. Качество замеряем на ваших файлах и языковых парах. Заверенный перевод остаётся за бюро переводов.

Обследование — 200 000 ₽, 2–3 неделиМодель, документы и память переводов внутри вашей сетиТестовый набор и пороги приёмки — до начала работ

С чем приходят

Когда документы нельзя отправлять в облачный переводчик

Документация поставщика на чужом языке

Руководства и спецификации приходят на английском, китайском или немецком. Инженерам нужен рабочий перевод к пуску, а отправлять такие файлы в публичный сервис нельзя.

Сотрудники переводят где попало

Абзацы договоров и чертежей вставляют в публичные переводчики с личных устройств. Служба безопасности просит разрешённую замену.

Каждый перевод начинается заново

При постоянном потоке через бюро уходит время на пересылку, а термины приходится согласовывать снова. В трёх документах один узел назван тремя словами.

Вёрстку собирают вручную

После перевода таблицы разъехались, нумерация потеряна, надписи на схемах остались на старом языке. Правка занимает дольше перевода.

Документы

Пять видов документов и что у каждого ломается

Конвейер один, настройки разные: у таблицы и у договора разные риски. Для каждого вида в тестовом наборе нужны свои файлы.

Документ
Что приходит
Подготовка
Где ломается
ДокументИнструкции и паспортаDOCX, PDF с текстом
Что приходитРазделы, рисунки с выносками, предупреждения
ПодготовкаПредупреждения и обозначения деталей помечаем неизменяемыми, переводим разделами
Где ломаетсяСмягчённое «не допускается», потерянные пределы и единицы
ДокументСпецификации и таблицыXLSX, таблицы в DOCX
Что приходитКороткие фразы, коды, объединённые ячейки
ПодготовкаПереводим с заголовком колонки и соседними ячейками, коды не трогаем
Где ломаетсяСлово без контекста: «cover» — крышка, чехол или покрытие
ДокументПрезентации и схемыPPTX
Что приходитТекст в блоках, подписи на схемах
ПодготовкаВозвращаем текст в те же блоки, подписи с рисунков идут списком
Где ломаетсяПеревод длиннее оригинала и не помещается в рамку
ДокументДоговоры и приложенияDOCX, PDF
Что приходитНумерованные пункты, определения, ссылки
ПодготовкаОпределения заносим в глоссарий, нумерацию и ссылки переносим кодом
Где ломаетсяОдин термин переведён двумя словами, сбита нумерация
ДокументСканы и фотографииPDF без текста, JPG
Что приходитСтраницы, штампы, рукописные пометки
ПодготовкаСначала распознавание и проверка текста, потом перевод
Где ломаетсяСпутанная цифра превращается в неверный перевод
Конвейер

Семь стадий перевода и что проверяем на каждой

Файл приходит через веб-интерфейс, папку или API. На выходе файл на языке перевода с прежними стилями и нумерацией и отчёт: расхождения чисел, термины вне глоссария, ячейки, куда текст не поместился, места для вычитки. Модель — одна стадия из семи, многие ошибки возникают рядом с ней.

Стадия
Что делает система
Как проверяем
Где ломается
Стадия1. Разбор файла
Что делает системаДостаёт текст из DOCX, XLSX, PPTX и PDF, запоминает структуру; сканы идут на распознавание
Как проверяемЧисло абзацев, таблиц и ячеек на входе и выходе
Где ломаетсяТекст в рамках, сносках и колонтитулах остаётся незамеченным
Стадия2. Сегментация
Что делает системаСклеивает куски с разным форматированием в предложения, ставит метки
Как проверяемМетки на месте, предложения не разорваны
Где ломаетсяСокращение с точкой делит предложение пополам
Стадия3. Память переводов
Что делает системаНаходит предложения, которые вы уже перевели и утвердили
Как проверяемБерём только утверждённое
Где ломаетсяУстаревший перевод попадает в новые документы
Стадия4. Глоссарий
Что делает системаДобавляет в запрос термины предложения и список «не переводить»
Как проверяемТермин найден в переводе в нужной форме
Где ломаетсяТермин стоит в падеже, поиск по строке его не находит
Стадия5. Перевод
Что делает системаПереводит предложение вместе с соседними; модели велено переводить текст, а не исполнять его (защита от prompt injection)
Как проверяемСверка с эталоном на тестовом наборе
Где ломаетсяПропущенное или добавленное предложение, фраза в документе, похожая на команду
Стадия6. Проверки кода
Что делает системаСверяет числа, единицы, коды, метки, длину, непереведённые куски
Как проверяемОтчёт по документу: что нашли и что поправили
Где ломаетсяСмысловые ошибки код не видит
Стадия7. Сборка и правка
Что делает системаВозвращает текст в файл и помечает спорное; сотрудник правит, утверждённое идёт в память
Как проверяемФайл открывается в офисной программе и сверяется с оригиналом
Где ломаетсяДлинный перевод ломает таблицу или слайд
Терминология

Глоссарий и память переводов: что делает перевод вашим

Глоссарий

Таблица «термин, перевод, примечание»: названия узлов, должности, сокращения, подразделения, плюс список «не переводить» для артикулов, марок и названий программ. Стартовый вариант собираем из ваших двуязычных документов и каталогов, утверждает его ваш специалист: система термины не придумывает.

Память переводов

Утверждённые пары «предложение — перевод» копятся в базе. Новая редакция документа переводится только в изменившейся части, одинаковые фразы получают одинаковый перевод. Память хранится у вас и делится по уровням доступа. Её можно выгрузить в обменных форматах (TMX, TBX, XLIFF), которые читают программы переводчиков, и передать бюро или другому подрядчику.

Термин в тексте стоит в падеже, поэтому проверка сравнивает основные формы слов, а не строки.

Вёрстка

Как сохраняем оформление и почему перевод ломает макет

Файлы DOCX, XLSX и PPTX — архивы с XML, а текст в них нарезан по форматированию: предложение с полужирным словом лежит в трёх кусках, и перевод каждого по отдельности даёт бессмыслицу. Система собирает куски в предложение, ставит метки вместо форматирования, переводит и расставляет метки в переведённом тексте. Так сохраняются стили, ссылки, нумерация, таблицы, колонтитулы и сноски. Старые форматы DOC, XLS и PPT сначала переводим в современные.

Что остаётся трудным

  • Длина. Перевод редко равен оригиналу. Проверка ищет переполненные ячейки и рамки и выносит их в список правки.
  • PDF без исходника. Абзацы восстанавливаем по расположению строк, результат хуже, чем при переводе исходного файла.
  • Текст на рисунках. Подписи распознаются и переводятся списком, на чертежах вставка обратно делается вручную.
Проверки

Что проверяет код, а что может проверить только человек

Код ловит механические ошибки и не знает смысла. Поэтому проверки кода и вычитка человеком не заменяют друг друга.

Проверка
Как делаем
Что находит
Чего не видит
ПроверкаЧисла и датыкод
Как делаемЧисла предложения должны найтись в переводе: разряды, запятая или точка, порядок даты
Что находитПропавшая цифра, сдвинутая запятая, перепутанные день и месяц
Чего не видитСмысл числа: «не менее» или «не более»
ПроверкаЕдиницы и кодыкод
Как делаемАртикулы, марки и номера стандартов переносятся без изменений; единицы пересчитывает код, а не модель
Что находитИзменённый артикул, «переведённая» марка
Чего не видитНужен ли пересчёт единиц в этом документе
ПроверкаТерминыкод и глоссарий
Как делаемДля каждого термина предложения ищем перевод по основной форме слова
Что находитТермин переведён другим словом
Чего не видитВерный выбор, если термина нет в глоссарии
ПроверкаСтруктура и полнотакод
Как делаемСверяем число меток, строк таблицы, ссылок и длину, ищем непереведённые куски
Что находитПотерянная ссылка, пропущенное предложение, добавленное пояснение
Чего не видитНужно ли это пояснение читателю
ПроверкаСмысл и стильчеловек
Как делаемДвуязычный сотрудник читает помеченные места и выборку из остального
Что находитОтрицание, условие, «должен» вместо «может»
Чего не видитОшибки в той части, которую не читали
Модель

Какая модель и какие языки: решает замер на ваших файлах

Названий моделей заранее не обещаем: берём открытые модели с лицензией, которую читает ваш юрист, и сравниваем на вашем тестовом наборе. Сервер и работа без интернета описаны на страницах «Развернуть LLM на своём сервере» и «Языковая модель без интернета».

Специализированная модель перевода

Быстрая и экономная на длинных потоках, но хуже следует глоссарию и обычно ограничена парами, на которые обучена.

Универсальная языковая модель

Следует глоссарию и инструкциям, учитывает контекст. Медленнее и тяжелее, может пропустить или «улучшить» текст, поэтому нужны проверки кода.

Пары и направления

Для русского и английского модели обычно сильнее, чем для редких языков и узких областей. «В русский» и «с русского» измеряем отдельно.

Качество

Как измеряем качество перевода на ваших документах

Ошибка в названии детали и ошибка в запятой стоят по-разному, поэтому одной оценки мало. Общий метод описан на странице оценки качества LLM-систем.

Тестовый набор — фрагменты ваших документов по каждому типу и паре языков с эталонными переводами вашего переводчика; часть набора закрыта от настройки. Считаем:

  • долю предложений, принятых без правки, время правки на страницу и скорость на вашем оборудовании;
  • ошибки по видам и тяжести: термины, числа, пропуски и вставки, искажение смысла, стиль; ошибка в предупреждении весит больше ошибки в стиле;
  • работу проверок кода: сколько ошибок они нашли и сколько осталось незамеченными.

Автоматические метрики сходства с эталоном годятся для сравнения двух вариантов, но не для приёмки. Пороги записываем в договор до начала работ.

Три уровня готовности

Для понимания: машинный перевод без правки с пометкой «не проверен». Для работы: специалист читает помеченные места и выборку. Для выпуска наружу: двуязычный сотрудник или переводчик вычитывает всё. Уровень записывается на документе.

Что делаем

Из чего состоит работа и сколько она стоит

Цены совпадают со страницей «Тарифы». Как конвейер подключается к вашим системам по API, объяснено в статье «API простыми словами».

Обследование: один поток документов

Образцы документов, форматы, языковые пары, проверяющие, требования безопасности, расчёт оборудования; тестовый набор и глоссарий. Вычитается из первого этапа, если продолжаете с нами.

200 000 ₽ · 2–3 недели

Обследование: несколько систем

Документы идут из документооборота, почты и хранилищ, переводчики работают в своих программах: схема обменов и матрица доступа.

350 000 ₽ · 3–4 недели

Лёгкий пилот: один тип документов

Одна пара языков и один тип документов, например инструкции в DOCX: конвейер, глоссарий, интерфейс правки, замер на тестовом наборе.

150 000–400 000 ₽ · 2–8 недель

Тяжёлый пилот: несколько типов и пар

Таблицы, презентации, сканы, память переводов, обмен с вашими системами, права по уровням доступа, регламент эксплуатации.

400 000–1 200 000 ₽ · 2–3 месяца

Вывод в эксплуатацию

Опытная эксплуатация на живом потоке, мониторинг качества, обучение проверяющих, передача исходников.

от 1 500 000 ₽ этапами по 300 000–700 000 ₽ · от 3 месяцев

Сопровождение

Мониторинг, пополнение глоссария и памяти, проверка после смены модели. Сверх пакета — 5 000 ₽ в час.

20 000 / 60 000 / 120 000 ₽ в месяц
Процесс

Как идёт работа

Недели 1–3 — Обследование

Образцы документов, пары языков, назначение перевода, проверяющие, ограничения контура.

Затем — Тестовый набор и глоссарий

Ваш переводчик готовит эталонные переводы, ваш специалист утверждает термины.

Затем — Замер и пилот

Сравниваем варианты моделей на наборе, собираем конвейер для одного типа документов на вашем стенде.

Приёмка — Протокол испытаний

Пороги записаны до начала: доля предложений без правки, ошибки по видам, работа проверок кода.

Дальше — Расширение или сопровождение

Новые пары и типы документов этапами с отдельной приёмкой; память растёт от правок.

Цена

Что двигает цену внутри вилки

Состояние исходных файлов

Чистый DOCX и плохой скан готовятся по-разному; без исходных файлов добавляется восстановление вёрстки.

Число пар и направлений

У каждой пары и направления свой замер, свои термины и пороги.

Готовность глоссария

Есть двуязычные документы и каталоги — собираем из них; нет — составляем с вашими специалистами.

Вёрстка и интеграции

Возврат текста в файл с таблицами и слайдами, обмен с хранилищем и права по уровням добавляют объём.

Контроль

Что остаётся у вас и чего мы не делаем

Остаётся у вас

  • Исходный код конвейера в вашем репозитории с первого коммита.
  • Глоссарий, память переводов и тестовый набор в обменных форматах: на них можно менять модели без нас.
  • Модели, конфигурации и инструкция развёртывания по акту; перечень лицензий компонентов для вашего юриста.
  • Право остановиться после любой ступени: сделанное остаётся у вас по акту.

Мы этого не делаем

  • Не делаем нотариальный и заверенный перевод: юридическую силу ему придаёт бюро или нотариус.
  • Не продаём перевод как услугу и не открываем сервис посторонним: конвейер работает на ваши документы и ваших сотрудников.
  • Не обещаем перевод без вычитки для документов, уходящих наружу, и не делаем литературный перевод.
  • Не переводим речь и видео в реальном времени, не берём редкие языковые пары без замера.
  • Не имеем лицензии ФСТЭК, не проводим аттестацию, не берём работы дешевле 150 000 ₽ и не дежурим круглосуточно.
Граница услуги

Перевод, генерация документов, распознавание и поиск: где проходит граница

Новый документ из данных 1С и шаблона — это генерация документов и генеративный ИИ: исходного текста там нет. Распознавание сканов описано на страницах OCR-систем, интеллектуальной обработки и распознавания документов, перевод берёт их результат на вход. Разбор русских текстов — это NLP-решения. Как выбирают стек для сервиса перевода, описано в статье «На чём писать веб-приложение».

Инструменты

На чём собираем

Модели и текст
  • Открытые языковые модели и модели перевода под память вашего сервера
  • Сервер инференса в вашей сети без внешних вызовов
  • Морфологический анализ для проверки терминов
Файлы и развёртывание
  • Python: разбор и сборка DOCX, XLSX, PPTX; обмен памятью в TMX, TBX, XLIFF
  • FastAPI, PostgreSQL, очередь заданий
  • Docker, Nginx, GitLab CI на вашем сервере
Материалы

Материалы по теме

Статья

Можно ли загружать договоры в ChatGPT и облачные нейросети

Какие данные допустимо отправлять во внешний сервис и как выглядит безопасная схема.

  • Матрица данных
  • Политика для сотрудников
Читать →
Статья

Как выбрать OCR для русского языка

Как сравнивать движки на своих страницах, если распознанный текст дальше идёт в перевод.

  • Замер на ваших страницах
  • Ошибки кириллицы
Читать →
Статья

Как оценить качество LLM-системы

Тестовый набор, критерии приёмки и ошибки по видам: метод, применимый и к переводу.

  • Тестовый набор
  • Критерии приёмки
Читать →
Заявка

Разберём ваши документы и покажем, что можно перевести в контуре

Сорок минут созвона: какие документы и на какие языки, кто проверяет перевод, какие требования у службы безопасности. По итогам скажем, с какой ступени начинать и в какую вилку это укладывается.

или оставьте заявку

Спасибо, заявка отправлена. Ответим в течение рабочего дня.

Не удалось отправить. Напишите в Telegram или MAX, или позвоните.

Вопросы

Частые вопросы: ИИ-перевод документов

Сколько стоит ИИ-перевод документов в закрытом контуре?

Обследование — 200 000 ₽ за один поток документов и 350 000 ₽ при нескольких системах, оно вычитается из первого этапа. Лёгкий пилот — 150 000–400 000 ₽ за 2–8 недель, тяжёлый — 400 000–1 200 000 ₽ за 2–3 месяца. Вывод в эксплуатацию — от 1 500 000 ₽ этапами по 300 000–700 000 ₽, сопровождение — от 20 000 ₽ в месяц.

Можно ли пользоваться облачным переводчиком или ChatGPT?

Для документов без ограничений доступа внешний программный интерфейс годится, если его разрешила ваша служба безопасности. Для персональных данных, чертежей и коммерческих условий облачные сервисы чаще всего не подходят по требованиям заказчика, и перевод делается на вашем сервере.

Насколько хорошим будет перевод?

Число без ваших файлов назвать нельзя: оно зависит от пары языков, направления, области и состояния исходника. Мы замеряем на наборе ваших документов с эталонными переводами и записываем пороги в договор до начала работ.

Сохранится ли оформление документа?

Для DOCX, XLSX и PPTX да, в пределах возможностей формата. Слишком длинный перевод может не поместиться в ячейку или на слайд, такие места попадают в список правки. PDF без исходного файла даёт результат хуже, сканы сначала распознаются.

Какие языки поддерживаются?

Пары определяются замером на ваших документах в каждом направлении. Распространённые пары, как правило, работают лучше редких; редкую пару берём только после пробного замера.

Вы делаете нотариальный или заверенный перевод?

Нет. Заверенный и нотариальный перевод делает бюро переводов, юридическую силу ему придают бюро и нотариус. Наш результат — рабочий текст для ваших сотрудников.

Как система учитывает наши термины?

Через глоссарий и память переводов. Термины утверждает ваш специалист, система добавляет в запрос те, что встретились в предложении, а код проверяет, что перевод на месте. Утверждённые правки пополняют память, и один узел переводится одинаково во всех документах.

Где хранятся документы и память переводов?

На ваших серверах. Модель работает в вашей сети без внешних вызовов, это проверяется отключением внешнего канала на стенде. Память делится по уровням доступа, журнал фиксирует, кто и какой файл переводил. Персональные данные граждан России обычно должны храниться на серверах в России.

Вы работаете только в Ростове-на-Дону?

Мы в Ростове-на-Дону, работаем с заказчиками по всей России: удалённо и в вашем контуре. Доступ к системам и обследование согласуем на старте с вашей службой безопасности.