Marketing de ContidoComercio electrónico e venda polo miúdoVídeos de mercadotecnia e vendas

Lilt: A Neural Human + Machine Feedback Loop para tradución e localización

Lilt construíu o primeiro ciclo de retroalimentación neuronal humano + máquina para a tradución. Lilt's tradución automática neuronal O sistema (NMT) é o primeiro deste tipo na industria das tecnoloxías de tradución e vai máis alá das ofertas de Google, Amazon, Facebook, Apple ou Microsoft. As empresas que desexan ampliar o seu alcance global agora teñen unha mellor opción para traducir o seu contido de xeito rápido e preciso.

Cando se trata de tradución, as empresas só tiveron dúas opcións:

  1. Frase completa tradución automática como o Tradutor de Google.
  2. Tradución humana.

Lilt permite o mellor de ambos mundos ao combinar a intelixencia artificial coa potencia humana para obter a mellor calidade de tradución dispoñible. O sistema NMT de Lilt utiliza a mesma tecnoloxía neuronal que xa se está a empregar para avanzar no recoñecemento de voz e imaxe, pero cuxo impacto na industria da tradución é relativamente novo e prometedor. Nos últimos meses, NMT foi eloxiada por expertos da industria pola súa capacidade de igualar a calidade da tradución humana e o novo sistema de Lilt non é unha excepción.

No bucle de retroalimentación neuronal de Lilt, os tradutores reciben suxestións de NMT dependentes do contexto mentres traballan. O sistema NMT observa pasivamente as preferencias do tradutor para adaptar as súas suxestións en tempo real. Isto crea un ciclo virtuoso no que os tradutores reciben suxestións cada vez mellores e a máquina recibe comentarios cada vez mellores. O ciclo de retroalimentación neuronal resulta nunha tradución humana e automática de maior calidade, o que axuda ás empresas a atender a máis clientes, a reducir custos e a reducir o tempo de comercialización. Lilt custa un 50% menos e é 3-5 veces máis rápido.

A plataforma de Lilt ofrece o seguinte:

  • Nunca máis volva adestrar sistemas MT - O sistema de tradución automática interactivo e adaptativo de Lilt actualiza a memoria de tradución e o sistema MT en menos dun segundo cada vez que un tradutor confirma un segmento.
  • Conexión perfecta de humanos e máquinas - Integrar a tradución humana e automática con outros sistemas empresariais a través dunha API baseada en estándares. Ou usa unha das crecentes listas de conectores personalizados de Lilt.
  • Xestión de proxectos áxiles - Un panel de proxectos de Kanban permítelle visualizar o estado actual dos proxectos e traballos de tradución do seu equipo.

Nun estudo de comparación cego realizado por Zendesk, pedíuselle aos tradutores que escollesen entre as novas traducións adaptativas de NMT de Lilt e o sistema de tradución automática adaptativa (MT) de Lilt. Os usuarios escolleron NMT para ter a mesma calidade ou calidade superior ás traducións anteriores o 71% das veces.

Encántanos a conexión entre o tradutor humano e a súa capacidade para adestrar os nosos motores MT. Significaba que cando fixemos un investimento en traducións humanas, tamén contribuiría á calidade dos nosos motores de MT. 

Melissa Burch, xerente de soporte en liña de Zendesk
Panel de control de Lilt Project

Os cofundadores de Lilt John DeNero e Spence Green coñecéronse mentres traballaban en Google Translate en 2011 e comezaron Lilt a principios de 2015 para levar a tecnoloxía a empresas e tradutores modernos. Lilt tamén ofrece solucións de tradución empresarial e de comercio electrónico.

Douglas Karr

Douglas Karr é o fundador do Martech Zone e un recoñecido experto en transformación dixital. Douglas axudou a iniciar varias startups exitosas de MarTech, axudou na debida dilixencia de máis de 5 millóns de dólares en adquisicións e investimentos en Martech e segue lanzando as súas propias plataformas e servizos. É cofundador de Highbridge, unha consultora de transformación dixital. Douglas tamén é autor publicado dunha guía de Dummie e dun libro de liderado empresarial.

artigos relacionados

¿Que pensas?

Este sitio usa Akismet para reducir o spam. Aprende a procesar os teus datos de comentarios.