前幾天我的文章中有寫網(wǎng)站收錄不斷掉的問題，尤其是小語種的信息收錄不斷的掉，所以這周就打算花點(diǎn)時(shí)間來測試下小語種翻譯的精準(zhǔn)度這件事情。這篇文章就簡單說下我的思路，以及數(shù)據(jù)驗(yàn)證的一些方法。

之前我的那個(gè)小語種網(wǎng)站，是在英語版本上進(jìn)行翻譯的。且使用的是插件方案，也就是做好英語版本后，使用小語種插件的自帶翻譯功能，將英語版本翻譯成各自的小語種版本。

然后我周末花了點(diǎn)時(shí)間仔細(xì)研究了那個(gè)插件的翻譯機(jī)制，發(fā)現(xiàn)這款插件使用的是谷歌翻譯的 API，將網(wǎng)頁內(nèi)容翻譯完成后再填充到頁面的。

這就有點(diǎn)不妙了，畢竟谷歌翻譯的內(nèi)容質(zhì)量還是有待商榷的。比如上圖這個(gè)案例，谷歌翻譯在很多語句的細(xì)節(jié)上做不到「信雅達(dá)」，它只是生硬的將英文翻譯成中文而已。

所以昨天就干脆將全部的小語種全部刪了，不破不立嘛。然后打算自己通過身份設(shè)定來訓(xùn)練下 Prompt，從而再將其運(yùn)用到自己的小語種網(wǎng)站上面。

但問題也就出來了，我現(xiàn)在好像還沒有找到一款合適的能集成 OpenAI 的小語種插件。也就是說，后續(xù)的小語種的翻譯工作，我都需要自己手動(dòng)去完成。

當(dāng)然，看到這里肯定會(huì)有朋友說，要不要試試 DeepL，這個(gè)比谷歌翻譯強(qiáng)很多的翻譯軟件。

其實(shí)這個(gè)方案我昨天晚上就已經(jīng)試過了，總體來講翻譯的效果要比谷歌翻譯好太多了，但是有個(gè)問題不得不承認(rèn)，就是真的太貴了。

我昨天晚上申請了 Pro 版本 API，并將其整合到自己的網(wǎng)站上。試用沒問題后，大約翻譯了 40 多個(gè)頁面吧（翻譯成法語），就消耗了 60 多萬次字符了，計(jì)費(fèi)賬單就顯示需要支付 17 美金。

當(dāng)時(shí)看到那個(gè)賬單真的有點(diǎn)不敢相信，畢竟我的網(wǎng)站現(xiàn)在有 150 多個(gè)頁面，就法語這個(gè)單一站點(diǎn)而言，全部翻譯完可能就需要 60 美金左右。試想我要是做 10 個(gè)小語種版本呢，成本不得 600 美金？

所以后續(xù)我還是想以 OpenAI API 為主，通過將網(wǎng)頁上的內(nèi)容整理好，并利用訓(xùn)練好的 Prompt，得到自己想要的小語種數(shù)據(jù)。等數(shù)據(jù)勘驗(yàn)無誤后，再手動(dòng)整理到小語種版本上去。

當(dāng)然，這套方法我現(xiàn)在還沒玩熟，所以先手動(dòng)操作來熟悉下整個(gè)流程，看看過程中會(huì)犯哪些錯(cuò)誤，并踩踩其中的一些坑。等后續(xù)操作熟練后，再來看看能不能有什么自動(dòng)化的方案。

現(xiàn)在初步的設(shè)想是，利用爬蟲將網(wǎng)站源數(shù)據(jù)抓取下來，并分門別類整理到表格中。等這個(gè)過程完成后，再去使用 OpenAI API 的數(shù)據(jù)處理能力，將文本翻譯成對(duì)應(yīng)的小語種文案。

至于小語種文案的更新，我可能會(huì)考慮使用 RPA 的方案去做。畢竟都是些規(guī)律性的操作，完全可以使用程序去自動(dòng)化掉，節(jié)省自己的時(shí)間與精力。

后續(xù)看看這種方案做出來的小語種網(wǎng)站的數(shù)據(jù)情況到底如何，兩相對(duì)比一下（上一版本的小語種數(shù)據(jù)已經(jīng)整理好了），就能知道個(gè)大概了。