2017年12月13日，翻译自动化用户协会(Translation Automation User Society，简称TAUS)发布了一份题为《Nuncest Tempus：Redesign Your Translation Business,Now!》的最新翻译行业报告，分析了大数据和全球化背景下，翻译行业今后的发展趋势和前景。该报告分为“找准时机”、“翻译行业六大驱动力”、“现代翻译管道”和“翻译行业掌门人经验”四个章节。乐文翻译通读报告后，为大家提炼出值得关注的翻译行业的现状和发展趋势供大家参阅：

  S-曲线

  第一章中，报告提出了一个叫做S曲线的概念，指出一种科技的发展，都会经历公司内部研发，该公司内部所有，再演变成一种服务和工具，最终集成到更新的技术平台中的小功能的过程。

  那么应用到翻译领域呢?

  80年代，一些公司随着自身的向外拓张，出现翻译需求，在公司内部成立翻译部门;90年代翻译行业出现外包服务商，承接翻译服务;2000年早期Trados，memoQ等的翻译记忆库工具诞生，帮助译者提高翻译质量和效率;2000年后期垂直领域工具和统计机器翻译(SMT)逐渐兴起;现如今，神经机器翻译(NMT)的大火。很显然，就我们经常使用的谷歌、百度和有道翻译等机器翻译软件来看，翻译产业已经到达了S曲线的顶峰。

  翻译行业已从劳动密集型转向数据驱动型

  以往的翻译行业是劳动力驱动的行业，以低报价获得客户订单，翻译质量偏低。在大数据时代，一些高质量的语言资产得以保留下来复用，并导入翻译机器中进行训练，出现了机器翻译比人工翻译质量更好的例子。渐渐地，人们发现数据的重要性，在某些通用场景下，机器翻译做的反而比人工翻译好，并且成本更低，于是业内开启了一场争夺数据的战争。谁能获取优质的数据资源，就能提供更好的翻译服务。

  语音翻译和语音控制

  TAUS预测，2020年，全球半数的智能手机用户都将使用语音科技。常常勾搭Siri的同学对此应该不陌生。随着语音技术正在飞速发展，语音识别、音频转文字等技术的出现，大大方便了我们的生活，也拓宽了语音翻译的使用场景。

  现代翻译管道

  TAUS报告中提出了现代翻译管道，Modern Translation Pipeline(MTP)的概念，是一种围绕机器翻译架构起来的系统，架构如下：

  (1)管道的三大特点

  管道的运行是由数据驱动;

  具有自发性、自驱动力，自动化程度高;

  对多数人来说翻译是无形的一种服务。

  (2)管道分层

  管道分为两层架构：

  第一层是大公司或超强技术公司，他们负责研发和维护支持翻译产业的技术架构，如谷歌研发出神经翻译网络;而第二层是其他技术公司，他们利用上一层的标准架构，开发专门的增值业务，如开发接入神经机器翻译的接口。

  (3)管道要素：

  管道的架构搭好后，里面的要素主要有四个：

  量子跳盒子：代表最佳的翻译技术：机器翻译(MT)，翻译记忆库(TM)，众包和社区翻译。

  算法管理盒子：随着机器学习的进步，一些翻译系统可以自动选择译者和审校，分析文本、质量控制，实现一个系统就能达到一个翻译公司的效果。

  数据化盒子：

  内容数据：指TM，原文、译文等的语言数据，是定制MT引擎的关键。

  元数据：指语言对、流程、产业和个人信息等元数据，是训练机器学习和算法管理的关键。

  仪表盘。所有盒子都在这一管道中后，需要一个仪表盘来追踪数据，从翻译完之后的数据中获取更多洞见。

  今后翻译行业的工作趋势

  工程师：帮助搭建管道。

  数据分析师：分析仪表盘反映出的数据，获取更多洞见。

  语言人士开始从译者的角色，转变为从事审校、创译和译后编辑工作。