AI překlad se za poslední dva roky hodně posunul. U běžného textu už není co řešit: přeloží web, popisky produktů i hodinovou nahrávku, a udělá to slušně. Selhává ale spolehlivě na jedné vrstvě, kterou si nikdo nehlídá. Jsou to slova, která ve slovníku nikdy nebyla: vaše jméno, název vaší značky a název produktu.
Narazil jsem na to při přípravě cizojazyčné verze nahrávek u jedné klientky. Text byl přeložený, hlas připravený a všechno vypadalo hotově. Než jsme spustili generování, prošli jsme devatenáct nahrávek ručně. Ukázalo se, že bez toho průchodu by šestnáct z nich šlo ven s chybou.
Překlad umí jazyk, ale nezná vaše jméno
Nástroj na překlad hlídá gramatiku a význam. Vlastní jména a značky ale do téhle logiky nespadají, protože u nich neexistuje správná odpověď, kterou by šlo odvodit z pravidel.
Výsledek proto projde jakoukoli automatickou kontrolou. Text je gramaticky správně, věta dává smysl a nástroj si je jistý. Chyba je vidět až uchem, a jenom uchem člověka, který cílovým jazykem opravdu mluví.
Jazyková past
Chyba, kterou překlad neudělá v gramatice, ale ve slovech mimo slovník: ve jménech, značkách a názvech produktů. Nástroj ji neoznačí, protože považuje výsledek za správný. Odhalí ji teprve rodilý mluvčí, a to poslechem, ne čtením.
Nejdražší chyby v překladu nejsou ty, které vidíte. Jsou to ty, které nástroj označí za hotové.
Past první: příjmení, které se v češtině skloňuje
Tahle past je ze všech tří nejzrádnější. České příjmení se v každém pádu píše jinak, a strojový překlad si prostě vezme ten tvar, který zrovna stojí ve zdrojové větě.
U zmíněné klientky by se takhle do anglických nahrávek propsal skloňovaný tvar jejího příjmení. Šlo o šestnáct z devatenácti nahrávek, tedy o drtivou většinu knihovny. Anglicky mluvící posluchač by slyšel jméno, které v jeho jazyce nedává smysl, a zapamatoval by si ho špatně.
Zákeřné je na tom rozdělení rolí. Kdo česky neumí, tomu ten tvar divný nepřijde, protože ho nemá s čím porovnat. A kdo česky umí, tomu přijde naopak úplně normální, protože ho takhle zná.
Oprava přitom nestála nic. Správný tvar jejího jména už existoval v její vlastní původní nahrávce, takže se odtamtud vystřihl a použil. Zní to přesně jako ona, protože to ona je. Podobně jako u klonu hlasu, který namlouvá články, platí i tady, že nejlepší zdroj bývá ten, který už máte doma.
Past druhá: název značky se v cizím jazyce čte jinak
Značka napsaná česky se v angličtině často přečte úplně jinak, než jste zamýšleli. Písmena jsou tatáž, výslovnost jiná.
U textového webu to nevadí, protože si to nikdo nahlas neříká. Jakmile se ale název dostane do hlasové nahrávky nebo do videa, začne jméno vaší firmy znít jako cizí slovo. Nejhorší varianta je, když se přečte jako existující anglické slovo s jiným významem. Tehdy si posluchač zapamatuje tu druhou věc.
Vyzkoušet se to dá zadarmo. Nechte si název přečíst hlasovým nástrojem v cílovém jazyce a poslechněte si, co z něj vypadne. U nástrojů, které zvládají češtinu, stojí za to porovnat dva tři kusy, protože každý čte cizí slova jinak a rozdíly bývají velké.
Lokalizace
Víc než překlad. Kromě jazyka se přizpůsobují i jména, jednotky, formáty dat, příklady a tón. Cílem není přeložit větu, ale aby text působil, jako by v tom jazyce rovnou vznikl. Právě do lokalizace spadají všechny tři pasti z tohohle článku.
Past třetí: jméno hned v úvodní větě nahrávky
Třetí past je organizační, ne jazyková. Jméno nebo název značky bývá v každé nahrávce hned v první větě, protože tak se nahrávky přirozeně otevírají. Napřed řeknete, kdo jste, a teprve pak jdete k věci.
Znamená to, že jediná chyba ve jméně se nekopíruje jednou, ale tolikrát, kolik má knihovna kusů. A protože je vždycky na začátku, slyší ji posluchač dřív než cokoli jiného. Opravovat to po vygenerování znamená projít celou knihovnu znovu.
Minutový sebetest
Napište si tři věci: svoje příjmení, název značky a název hlavního produktu. U každé odpovězte na dvě otázky. Jak se to má v cílovém jazyce přečíst, a je to v nahrávce hned v první větě? Kde odpovíte „nevím“, máte past.
Tuhle vrstvu neuhlídá stroj
Všechny tři pasti mají společné jedno: projdou kontrolou a odhalí je jedině člověk, který tím jazykem mluví od dětství. Nerozhoduje gramatika, rozhoduje ucho. Cizinec s výbornou angličtinou takovou drobnost přeslechne.
Stejnou zkušenost mám i z lokalizace rozhraní do češtiny, kde se zasekne jediné slovo v tlačítku a nikdo si toho měsíce nevšimne. Totéž platí u českých AI funkcí v platformě, kde o použitelnosti rozhoduje odstín jazyka víc než sama funkce.
Je to přesně ta role, kterou má AI zaměstnanec ve firmě připravenou pro člověka. Odvede devadesát procent práce a u zbytku počká na schválení.
A komu se ta kontrola nevyplatí? Kdo překládá jednu stránku bez jmen a značek, nemá co kontrolovat a stačí mu nástroj. Jakmile ale jde ven něco pod vaším jménem, vyplatí se to vždycky. Náklad na opravu totiž roste s počtem hotových kusů a u celé vygenerované knihovny už je pozdě.
Celý postup v kostce
- Sepište si jména, značky a názvy produktů dřív, než začnete překládat.
- U každého určete správný tvar a výslovnost v cílovém jazyce.
- Zkontrolujte, jestli se objevují hned v úvodní větě nahrávek.
- Nechte seznam projít rodilého mluvčího, ne jen překladatele.
- Teprve se schváleným seznamem pusťte generování celé knihovny.
Vraťme se k těm devatenácti nahrávkám. Nic z toho, co se tam mělo pokazit, nebylo vidět v textu a žádný nástroj to neoznačil. Dobrá kontrola překladu nehledá chyby v gramatice. Hledá slova, u kterých gramatika vůbec nerozhoduje.
