跳到正文
aihot(aihot.news)· noreply@aihot.news (OpenRouter:Announcements)·· 11 天前精選品質評分68

OpenRouter 如何建置自我修正的網站本地化系統,7 種語言全站重譯約需 $460

OpenRouter 詳解自糾錯網站本地化流水線:GPT-6.1 Sol 翻譯 7 種語言全站約 $460

重點導讀

OpenRouter 說明如何以 GPT-6.1 Sol 翻譯並校驗全站字串,建立涵蓋 7 種語言的自我修正本地化流水線。

  • - 流程設計:系統每日找出英文原文變動的字串,依序翻譯、檢查程式格式、由同一模型校驗,再以拉取請求提交審核。
  • 每條字串最壞情況約需 20 次模型呼叫。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

文章以實際評測與成本資料說明本地化流水線如何結合程式檢查、模型校驗和人工回饋,並整理出可套用於其他產品的做法。

正文

OpenRouter:Announcements·2026-11-12 08:00· 8 小時前精選AI 評分73

How We Built a Self-Correcting Localization System for OpenRouter

AI 導讀

OpenRouter 上線簡體中文、日語等 7 種語言 Beta 本地化,並詳解配套的自糾錯翻譯流水線:GPT-6.1 Sol 翻譯 16,918 條字串,經程式碼檢查、同模型校驗和每日 AI 審查重試,最壞情況每條約 20 次模型呼叫。全站重譯 7 種語言約 $460,約為 Smartling 機器翻譯牌價的 6%,錯誤報告會轉化為術語規則、風格註釋或評測用例。

推薦理由

原文完整披露了自校驗本地化流水線的設計、評測資料和成本對比,其指紋重排與程式碼前置檢查方法可直接遷移。

The OpenRouter homepage in Japanese.

OpenRouter 現在支援簡體中文、西班牙語、巴西葡萄牙語、德語、法語、日語和韓語,以及英語。本地化從今天開始進入測試階段。要切換語言,可以從賬戶選單中選擇一種語言,或者直接訪問類似 openrouter.ai/ja 或 openrouter.ai/ko/models 的地址。

The OpenRouter models page in Korean, with filters, tabs, and model metadata translated.

翻譯一個網站並讓譯文保持最新並不容易,對我們來說尤其如此。OpenRouter 的站點有 16,918 條英文字串,而且我們每天都在改動其中一些,所以一次性的翻譯一週之內就會過時。我們搭建了一套迴圈流程來大規模處理這件事。它每天找出發生變動的字串,翻譯它們,在程式碼中提交,再由第二個模型對照英文核驗含義。當某條譯文未通過檢查,或核驗模型將其駁回時,迴圈會把原因一併附上退回重試。這個重試迴圈正是系統自我糾錯的部分。

仍有一些錯誤會漏過去,由人來發現。當審校人員和讀者報告錯誤時,我們會把它轉成一條術語表規則、一條風格說明或一條覆蓋規則;而每日審校發現的錯誤也會變成測試用例,未來每個模型都必須通過。整條流水線都執行在 OpenRouter 上。

譯文與程式碼一起存放在 Git 中

在任何模型介入之前,譯文需要有個落腳之處。我們用開源的 General Translation 執行時在 React 程式碼中包裹字串。譯文以 JSON 目錄的形式與程式碼一起提交,執行時在本地載入,因此請求路徑上不經過任何翻譯服務。字串合併後一天之內就會被納入翻譯。在此之前,頁面顯示英文原文。每條譯文條目還會存下其英文來源的指紋。一旦有人修改了英文,指紋就不再匹配,該條目會被重新放回佇列。這條規則讓每日執行能找出所有過時條目,而無需重新翻譯整個目錄。

流水線

佇列中的每條字串在到達站點之前都要經過五個階段。

How a string gets translated: new text goes to a translator model, then code checks, then a verifier model, then review, then live. Failed checks and verifier rejections go back to the translator, and fixes flagged by reviewers or readers go into the glossary.

指令碼掃描前端,把每個被包裹的英文字串寫入源目錄。每條條目記錄其所在檔案和 UI 角色,例如按鈕、標題或表頭。角色很重要,因為同一個英文單詞在不同位置可能需要不同的譯法。按鈕上的“Queue”是一條指令,而本文後面提到的一個缺陷,就是模型把它譯成了名詞。

2. 翻譯

我們把新增和變動的字串按每批最多 40 條發給 GPT-6.1 Sol,並用 Structured Outputs 讓回覆嚴格遵循 JSON schema。每個請求都帶上我們的全域性和分語言風格說明、批次中涉及產品術語的術語表規則,以及每條字串的 UI 角色。

下面是一個簡化示例,展示某個日語批次的翻譯請求,其中風格說明和術語表規則有所刪節。

{
  "model": "openai/gpt-6.1-sol",
  "messages": [
    {
      "role": "system",
      "content": "Translate OpenRouter UI strings into Japanese. ..."
    },
    {
      "role": "user",
      "content": "[{\"id\":\"q1\",\"role\":\"button\",\"text\":\"Queue\"}]"
    }
  ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "translations",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "translations": {
            "type": "array",
            "items": {
              "type": "object",
              "properties": {
                "id": { "type": "string" },
                "text": { "type": "string" }
              },
              "required": ["id", "text"],
              "additionalProperties": false
            }
          }
        },
        "required": ["translations"],
        "additionalProperties": false
      }
    }
  }
}

由於 OpenRouter 上的每個模型都接受同樣的請求,換一個翻譯模型只需改一下模型 slug。本文後面的模型對比就是這麼做的。

3. 檢查

程式碼會拒絕以下回復:破壞 ICU 佔位符、複數分支、富文本標籤,或首尾空白,或以術語表禁止的形式呈現產品術語。我們會把被拒的批次拆小後重發,並說明失敗原因,預設最多重試 4 輪。上限是一個可調設定,最高可到 20。經過最後一輪仍然失敗的字串保留英文,並在拉取請求中標記出來。

4. 校驗

第二次呼叫同一個模型,讓它充當校驗者,對照英文逐條閱讀譯文,並按嚴重程度列出錯誤。任何嚴重或重大錯誤,比如漏譯從句、意思顛倒,都會把該字串退回給翻譯器,並附上此前所有異議。翻譯器在首次嘗試之後最多可重試 3 次,最後一次重試會投入更多推理。每個字串的花費沒有單獨上限,因為重試次數本身已經限定了開銷。算上校驗重發,一個字串最多可經歷四次翻譯嘗試,每次最多四輪校驗,外加每次嘗試後的一次校驗呼叫。這樣最壞情況下,每個字串每種語言約需 20 次模型呼叫。如果校驗器宕機,流水線不寫入任何內容,字串保留英文。讀者看到一天英文,也好過看到未經校驗的譯文。

5. 稽核

每天的批次以拉取請求的形式提交。AI 稽核者閱讀差異併發布發現的問題,由人來合併拉取請求。

我們如何衡量

本文餘下部分依賴三套評測集,所以在看數字之前,先了解每套測什麼會有幫助。

  • 模型對比(254 個用例)用不同的翻譯模型執行流水線,並用生產校驗器給每條回覆打分。我們據此選定了翻譯器。
  • 流水線對比(454 個用例)讓同一個模型跑兩次,一次走完整流水線,一次只用兩行提示詞。程式碼檢查、校驗器、來自另外三個模型家族的評判者,以及回譯檢查都會給它打分。
  • 缺陷集(22 個用例)收錄了日常稽核在校驗器放行之後抓到的真實錯誤。每個用例都禁止當初漏出去的那個錯誤。

試過又放棄的做法

流水線現在看起來簡單,是因為評測量化之後,我們去掉了初版設計中的三個部分。

更便宜的翻譯器

我們最初測試了一個更小、更便宜的模型 GPT-6 Luna(openai/gpt-6-luna)。在模型對比中,它首次嘗試通過 91.7% 的用例,而 GPT-6.1 Sol 為 99.2%。它最弱的語言是韓語和日語。最難處理的失敗是回覆無法被我們的翻譯框架 General Translation 編譯,比如它對“Legacy alias of {value}”的翻譯。這些失敗在每一輪重試中都依然存在。

更重的模型成本約為 3.4 倍,這 254 個用例是 1.94 美元對 0.57 美元。我們願意付這個差價,因為一個始終無法收斂的錯誤字串,修復起來比一開始就譯對要花更多時間和精力。

單獨的評判模型

在驗證器出現之前,我們用一個獨立的評判模型給每一條譯文打分,凡是被它標記或判定為不確定的,都會重新翻譯。為了檢驗效果,我們給一個基準集標註了三類字串:已知錯誤、修正後的譯文(對早前錯誤手工修復的版本,理應通過),以及一份乾淨樣本。評判模型確實抓到了真問題。在一次基準執行中,它把該次執行中 91% 的真實缺陷標記為不確定。但它也誤報了 14 條修正譯文中的 11 條、150 條幹淨樣本中的 42 條,導致大量本來合格的譯文被退回重譯。

啟用驗證器後,關掉評判模型使首輪準確率從 99.2% 降到 98.8%,最終結果沒有變化。此前評判模型會把約 45% 的初稿退回重譯。現在我們預設關閉它。

難處理的字串交給人

起初,驗證器每次重試都拒絕的字串會一直保持未翻譯狀態,直到有人手工修復。對整個目錄做一次完整重譯——16,274 條字串譯成 7 種語言——留下了 97 條這樣的字串(0.09%)。現在流水線會按驗證器發現的問題給被拒的草稿排序,提交其中錯誤最少的一版,並在拉取請求中標記出來供審查。這個迴圈最終總會產出一條譯文,即使這條譯文仍帶有被標記的錯誤,而標記會讓它直接呈現在合併拉取請求的人面前。

流水線比裸模型多做了什麼

流水線帶來的大部分改進是更少的明顯錯誤。為了量化這一點,我們的評測讓同一個模型跑 454 個用例兩遍,一遍走完整流水線,一遍只用兩行提示詞,不帶風格說明、術語表或重試。裸模型返回了一條格式錯誤的回覆,剩下 453 對可供比較。

指標裸模型完整流水線
未通過術語表或人工編寫檢查453 條中 147 條454 條中 4 條
首輪即被驗證器接受通過程式碼檢查的 306 條中 263 條(85.9%)全部 454 條中 448 條(98.7%)
嚴重錯誤數,由來自其他模型家族的三個評判模型分別統計後加總203109
雙方在整體偏好上各自勝出的對數117139
含義在回譯後保持不變90.8%89.3%

人工編寫檢查是針對單個評測用例手寫的規則。例如,中文裡的“Queue”不能譯成“佇列”,也就是已上線的那個名詞形式。檢查失敗從 147 條降到 4 條,這是術語表和重試在起作用。

驗證器的首輪資料基數不同。裸模型用的是通過程式碼檢查的 306 條字串,流水線用的是全部 454 條。驗證器與譯者來自同一模型家族,所以它的通過率只能說明模型在多大程度上與自己一致。兩項工作我們都用 GPT-6.1 Sol,因為在我們測試的兩個譯者中它更準確。為了獲得外部視角,評測還會把每一對譯文匿名送給來自其他模型家族的三個評判模型:Claude Opus 5.5、Gemini 4 Argon 和 DeepSeek V4 Pro。三個評判模型合計在流水線輸出中發現 109 個嚴重錯誤,在裸模型輸出中發現 203 個。每個評判模型發現的錯誤單獨計數,所以三個評判模型都標記的字串會在總數中計三次。

在 453 對的整體偏好上,評判模型選了流水線 139 次、裸模型 117 次,另有 61 次平局和 136 對兩條譯文完全相同。這一差距遠小於檢查失敗和嚴重錯誤所顯示的差距,所以流水線的價值主要在於它消除的那些具體錯誤。

最後一行會把每條回覆回譯成英文,再判斷意思有沒有走樣。裸模型得分 90.8%,流水線 89.3%。回譯看不出術語和語域,而這恰恰是流水線改動最大的部分,所以我們把這一結果視為平手。

反饋閉環

驗證器在譯文上線前攔下大部分錯誤,讀者再發現剩下的一部分。

Highlighted text on the Japanese homepage with the popover for sending feedback on it.

在“語言”對話方塊裡開啟“選中即報告”,然後選中任意譯文,加上備註併發送。每份報告都會帶上語言、頁面和具體文本。先由模型做初步分診,從四種修復方式中選一種,幾分鐘內就把修復上線。我們的 AI 稽核員檢查修復,最後由人工完成合並。

  • 意思錯了。 該字串當天回退為英文,隨後換上修正後的譯文。
  • 術語錯了。 我們把這個術語連同該語言認可的譯法和要拒絕的譯法一起加進術語表。HIPAA、SOC 2、OAuth、SAML 這類合規和協議名稱我們固定保留英文,流水線不會翻譯它們。
  • 語氣或標點不對。 這條規則寫進該語言的風格說明。
  • 單個字串有問題。 用精確覆蓋固定住已批准的措辭,之後的任何執行都改不了它。

驗證器放行、但每日稽核事後發現的錯誤,會進入缺陷測試集。目前有 22 個用例,包括把按鈕上的“Queue”譯成名詞(這裡需要動詞)、把“shadow traffic”譯成道路交通,以及一個意思被弄反的 HIPAA 設定。每個用例都禁止當初上線的那種錯誤,今後任何模型、提示詞或術語表的改動只要讓它重現,評測就不通過。

成本

我們最初估價時,把全部 16,274 個字串完整重譯成 7 種語言,共 113,918 條譯文,翻譯加驗證合計約 430 美元。這個數字是按各語言生產規模的批次定價再放大算出來的,摺合每個字串每種語言不到半美分。驗證略超一半,約 228 美元,即每個字串每種語言 0.002 美元。此後字串目錄增長到 16,918 個,今天完整重譯一遍約需 460 美元。每日迴圈只發送有改動的部分,某天 7 種語言共 677 個字串有改動,花費約 18 美元。

這兩個數字只涵蓋翻譯和驗證呼叫,不含搭建流水線的工程時間、AI 稽核員和分診模型發起的呼叫,以及每天合併每個拉取請求的人工。

今天的 16,918 個字串包含 136,429 個英文單詞,7 種語言合計 955,003 詞,折算下來我們的成本約為每詞 0.0005 美元。下表是同樣一次完整重譯,按 Smartling 和 Gengo 公佈的每詞起步價計算,價格截至 2026 年 11 月 10 日。

方案單價全站 7 種語言
我們的流水線(翻譯加驗證)約每詞 0.0005 美元約 460 美元
Smartling 機器翻譯每詞 0.0075 美元約 7,200 美元
Smartling AI 翻譯每詞 0.06 美元約 57,300 美元
Gengo 標準每詞 0.09 美元約 86,000 美元
Smartling AI 人工翻譯每詞 0.12 美元約 114,600 美元
Gengo 高階每詞 0.18 美元約 171,900 美元
Smartling 人工翻譯每詞 0.20 美元約 191,000 美元

以上都是標價;企業合同另行商定,而且除我們之外,上面每一行機器翻譯都包含人工審校或專案管理,我們的數字沒有算這部分。最接近的同口徑選項是 Smartling 的機器翻譯,我們的流水線成本約為它的 6%。

哪些部分可以直接複用

如果你正在為自己的產品做本地化,這套設計裡有四個部分可以直接照搬。

  • 為每條譯文建立與英文原文的指紋比對,過期的條目就會自動重新排隊。
  • 讓程式碼在模型審查語義之前,先攔下損壞的佔位符、複數分支、標籤和違禁詞。
  • 用校驗器逐條指出錯誤及其嚴重程度,再把這些意見退回給翻譯環節。
  • 把人發現的每一個錯誤,都變成一條術語表規則、一條風格說明、一條覆蓋規則或一個評測用例。

把反饋發給我們

測試期間部分措辭可能不夠準確,最快的修復方式是在“語言”對話方塊裡用“選中即報告”功能提交。我們會審閱每一份報告,並把它轉化為術語表規則、風格說明或覆蓋規則。

常見問題

OpenRouter 支援哪些語言?

OpenRouter 目前提供英語、簡體中文、西班牙語、巴西葡萄牙語、德語、法語、日語和韓語。本地化仍處於測試階段。

如何在 OpenRouter 上切換語言?

在賬戶選單裡選擇語言,或直接開啟本地化地址,例如 openrouter.ai/ja。

OpenRouter 用哪些模型來翻譯?

由 GPT-6.1 Sol(openai/gpt-6.1-sol)逐條翻譯每個字串,再對同一模型發起第二次呼叫,對照英文原文進行校驗。兩次呼叫都通過 OpenRouter API 完成。

翻譯整個網站要花多少錢?

把目前的 16,918 條字串全部重新翻譯成 7 種語言,翻譯加校驗合計約 460 美元,平均每條字串每種語言不到半美分。同樣的工作按 Smartling 公佈的機器翻譯價格約需 7,200 美元,按公佈的 AI 翻譯和人工翻譯價格則約需 57,300 至 191,000 美元。

如何報告糟糕的譯文?

在“語言”對話方塊裡開啟“選中即報告”,高亮讀起來不對的文字,新增說明並提交即可。

來源:OpenRouter:Announcements · openrouter.ai

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論