GDC25|DMM分享：六個月翻譯50款遊戲，AI如何重塑遊戲本地化？

「點選上方"GameLook"↑↑↑，訂閱微信」

圖源：Pixabay

時間來到2025年，遊戲圈已經進入一個前所未有的真·全球化時代——如果說早些年出海還是頭部主機廠商的“老生意”、本土手遊廠商的“新挑戰”，那麼到了現在，哪怕是獨立遊戲開發者都在捉摸著如何把遊戲賣往全世界。

促成這一轉變的因素有很多，比如Steam等發行渠道在全球化上越來越強勢，廣告投放平臺易用性逐步走高等等。但與此同時，本地化仍然是一款遊戲全球化出海中的關鍵卡點。

比如說如今一款主流3A大作若是沒有中文翻譯和語音，那就很難獲得中國玩家的好感。包括《原神》《鳴潮》等手游出海時，都曾出現因個別地區的本地化事務所對翻譯質量把控不過關，導致玩家炎上，遊戲聲譽受影響的情況。但各個地區文化禁忌的微妙性、翻譯交付品質的難以把關，以及最重要的本地化成本等因素，都讓本地化這件事做起來比說起來難。

好在在這個大AI時代，已經有不少公司推出基於AI大模型的解決方案，讓本地化這件事的難度下降一點。其中在今年GDC中，DMM Games旗下的翻譯公司DMM GAME Translate介紹了他們目前正在使用的全新AI本地化體系，即基於AI Agent大預言模型能力打造的全新工作流程。

經過其總經理野田克樹和首席譯員矢澤龍太的介紹，我們能瞭解這一流程並不是簡單將文字拖進ChatGPT那麼簡單。更是以AI Agent為中心，基於其能力長短板，量身定做的一整套人機合作流程。

透過前期預訓練和語境資料的輸入，DMM為本地化大量提效，包括“百萬字文字1天內處理完畢”、“6個月內完成50款遊戲的本土化流程”等等。同時還成功確保了遊戲翻譯準確性，個別客戶甚至直接將初翻文字直接上線遊戲內。

兩位DMM的開發者認為，這套新模式帶來的將不止是遊戲本地化的“降本增效”，更會對遊戲本地化標準流程和遊戲譯員工作職責進行新一輪迭代，讓遊戲本地化走上新的方向。

今日，日媒4gamer登出了二人GDC演講的內容，GameLook也對這篇文章進行了全文翻譯：

在演講中，兩位負責人解讀了DMM GAME Translate的願景——“遊戲本地化的民主化”。他解釋道：“如今的遊戲行業中，全球釋出已經成為標準，但本地化仍然成本高昂、耗時且存在諸多障礙。我們希望透過AI打破這些障礙，以更快、更便宜且始終如一的高質量翻譯為目標。”

具體來說，提到了以下三點：

大幅降低3A遊戲的本地化成本，並擴大支援的語言種類。
使獨立開發者能夠更容易進入全球市場。
透過這些措施啟用整個遊戲生態系統。

“簡單來說，我們正在為遊戲本地化帶來革命。我們的目標是透過AI Agent完成所有的翻譯，而不再是以前的機器翻譯加後期編輯（MTPE）這種模式。”野田克樹說道。

他將這一理念類比於自動駕駛汽車，表示“我們追求的是完全自主的翻譯服務，類似於本地化版的Waymo。”

機器翻譯的歷史與挑戰——為什麼AI做遊戲翻譯難度不小

矢澤龍太首先回顧了機翻的歷史發展，可以分成三個階段：

基於規則的翻譯（1990年代起）使用語法規則進行翻譯。雖然質量不高，但有助於理解大致意思。
統計機器翻譯（SMT）（2006年起）這一技術最初應用於Google翻譯。透過大量現有翻譯資料，統計出準確的翻譯。質量有了顯著提高，但無法處理諸如“不要翻譯此標籤”的指令。
神經機器翻譯（NMT）（2016年起）大約6-7年前開始廣泛使用。如今的Google翻譯和DeepL都基於這一技術。

矢澤龍太提出問題：“雖然NMT在日常對話和通用文件中表現出色，但在遊戲翻譯中仍然存在困難，為什麼呢？”其中的原因是，電子遊戲是一種具有獨特虛擬世界的互動軟體，擁有深厚的設定和廣泛的歷史背景。作為軟體，翻譯必須遵循特定規則，以確保功能的正確實現。

而遊戲的故事情節則帶來了額外的複雜性。與書籍或電影不同，遊戲並非嚴格線性的。相反，它處理的是如對話文字、使用者介面元素、物品描述等碎片化的文字。因此，翻譯的意義在很大程度上依賴於上下文。

他強調說：“沒有足夠上下文的翻譯，對人類和AI來說都是一個困難的挑戰。”遊戲翻譯的特殊性在於“術語表和風格指南的遵守”。傳統的機器翻譯在這一方面困難重重。即使是專業的計算機輔助翻譯（CAT）工具也難以處理動詞的活用（如do, does, doing, done等）和單複數的區別。而如今的大型語言模型（LLM）已經能夠解決這些問題。

“LLM甚至可以根據上下文，區分‘apple’指的是水果還是科技公司，”矢澤龍太指出。他還表示，AI現在可以出色地遵守風格指南，並能夠處理標籤、數字變數、換行、字元限制、佔位符等規則。

然而，矢澤龍太警告道：“如果設定不正確，現有的LLM也會失敗。”他補充說：“許多人仍然對AI能夠實際遵守術語表和風格指南感到驚訝，只要有適當的設定。”

遊戲翻譯中「語境」的重要性——宏觀語境與微觀語境

矢澤龍太強調，遊戲翻譯中的”語境“相當重要，並將上語境分為宏觀和圍觀兩個類別進行了說明。

一般來說，“語境”是指登場人物、對話的目的、話題等。熟練的人類翻譯者會憑藉經驗直觀地解讀語境，但 LLM 是基於機率執行的，因此如果沒有明確的指示，就不會排除任何一種解釋。

換句話說，生成式人工智慧不會像人類一樣隨意推測“這可能是正確答案吧”這樣的上下文，但不這樣做反而更好。這是因為，透過我們提供準確的上下文資訊，LLM可以實現更準確的翻譯。

為了應對這個問題，矢澤龍太將語境分為以下兩類：

宏觀語境——回答“這個世界是什麼”的所有資訊。

遊戲世界的設定
規則
遊戲中的修正
存在的國家等

微觀語境——回答“這裡發生了什麼”的所有資訊。

這個角色是誰
主角周圍有什麼
誰在對誰說話等

為什麼宏觀語境如此重要？當人類讀文字或觀看場景時，往往會下意識地假設一個世界設定。然而，對於經過無數類別和領域訓練的AI來說，如果沒有明確的指示，它會很難限制自己的推測。

矢澤龍太舉了一個例子，指出AI甚至不會確定角色的性別：“許多人可能經歷過‘他’經常被翻譯為‘他們’的情況，因為AI不想決定角色的性別。”

他還列舉了一個極端的例子：“從技術上講，即便AI在閱讀高幻想故事時，突然出現突擊步槍的可能性也不能完全排除。這種可能性仍然存在。”

這一問題可以透過提示（Prompting）的方式來解決。提供世界設定的文件或故事的概要細節，並明確指示AI“僅考慮這些設定”，從而縮小AI的理解範圍。

關於微觀語境，他指出，明確“誰在對誰做什麼，在什麼情況下”是非常重要的。透過向AI提供角色的背景資訊或場景的詳細資訊，翻譯質量會得到顯著提升。

矢澤龍太說：“作為一名專業翻譯者，我必須承認，AI可以比人類更快，有時更徹底地參考並處理這些資料。但關鍵的前提是，說話者的名字和場景細節必須立即可供AI使用。否則AI無法提供最高質量的結果。”

語境理解的重要性具體例

矢澤龍太舉了“I saw her duck”（Duck具有名詞”鴨子“和動詞”躲避“的含義）這句話來說明語境理解的重要性。在沒有任何額外的語境時，這句話可能被理解為“我看到了她的鴨子”或“我看到她彎腰躲避”。在這種情況下，正確的理解機率僅為50%左右。然而，透過提供前後對話的背景，AI能夠理解場景中是否存在鴨子，從而做出準確的判斷。

進一步來說，如果宏觀背景表明遊戲世界觀中不存在鴨子（例如鴨子已經滅絕，或者進化成了老鼠），AI就可以更加確信該句指的是“她彎腰躲避”。

在微觀語境方面也有案例

多義性 例如，“fire”這個詞在英語中可以有多種翻譯（火災、開火、解僱等）。如果沒有語境支援，翻譯結果不會比谷歌翻譯更好。
一人稱代詞的多樣性 在日語中，單是第一人稱代詞“我”就有十多種不同的表達方式，選擇哪種表達方式取決於語境。
東亞語言的特殊性 許多東亞語言中沒有明確的複數形式。比如，日語中的“卵（たまご）”既可以指一個蛋，也可以指多個蛋。此外，提到兄弟姐妹時，需要明確他們是年長的還是年幼的。因此，要將英文的“I have a brother”翻譯成東亞語言，就必須知道這個”兄弟“是哥哥還是弟弟。

矢澤龍太還展示了LLM的能力——對藏頭等“隱藏資訊”的翻譯。每一行的首字母組合形成了“たすけて”（意為“救我”）這一詞，而在英語翻譯中則變成了“Help me”。

矢澤龍太感嘆道：“老實說，我對AI能夠實現這一點感到非常驚訝。我一直以為這需要人工干預才能完成。”不過他補充說：“這並不是簡單地按下按鈕就能得到的結果，而是透過與工程師合作，進行預翻譯分析後取得的成就。”

DMM GAME Translate的創新方法——什麼是“新本地化公司”？

在矢澤龍太的演講之後，野田克樹詳細介紹了DMM GAME Translate的商業模式和實際工作流程。

野田克樹強調：“你們可能會認為我們提供的是一個可以完成所有工作的AI翻譯SaaS解決方案。然而，我要明確指出，我們並不僅僅是提供一個AI翻譯SaaS服務。”並解釋道：

野田克樹：為了解決矢澤龍太提到的問題，我們正在構建一家“AI原生”的翻譯公司，這就是我們在日本率先提出的“新本地化公司”（Neo-Localization Company）的概念。具體而言，我們不是透過AI來改造傳統的翻譯公司，而是圍繞AI Agent重新設計一個從零開始的新工作流程。

簡單來說，AI Agent是人類向LLM提供目標，LLM能夠自主分解任務，互動環境，並在任務執行過程中提供持續反饋。

關於翻譯，目標是本地化特定內容，但所需的任務因情況而異（例如現有的術語表是否可用，語境資料提供得如何，資料是否乾淨等）。野田克樹解釋道：“我們根據這些不斷變化的條件動態調整任務，並以獨特且有機的方式處理每個專案。”

目前，DMM GAME Translate在約一半的工作流程中使用了AI Agent。野田克樹表示：“由於多樣的遊戲開發資料無法透過單一的AI來管理，我們並未採用SaaS解決方案。”

實際工作流程——AI與人類的協作

實際工作流程來看。首先DMM GAME Translate從客戶那裡接收到開發資料，這通常是以電子表格或文字的形式提取的遊戲資料。

DMM會將這些開發資料輸入AI Agent，評估哪些資料是必要的，確保它們已經為LLM的微調進行了最佳化，並決定是否需要進行網路搜尋或術語表生成。野田克樹強調，這個準備階段至關重要：“包括AI與人類協作的這個準備過程，是打造專屬翻譯AI Agent的基礎。”

在語境資料準備就緒後，應用程式可以根據角色的個性、場景的上下文以及對話的物件，快速高效地翻譯所有指令碼，並瞬間生成翻譯後的文字檔案。矢澤龍太這樣的翻譯專家則會提供關於語境的適當性、術語表、風格翻譯以及翻譯提示工程的反饋。野田克樹表示：“由翻譯者管理自己的AI這一方法，目前為止帶來了最佳的成果。”

在基於時間線的工作流程中，客戶輸入他們的偏好和要求，AI Agent會與客戶協作進行解釋，完成資料準備、AI訓練、術語表應用和翻譯審查。“當然，客戶的反饋在超出我們職責範圍的決策中是不可或缺的，因此我們人類團隊作為客戶與AI Agent之間的橋樑起著關鍵作用。”野田克樹進一步解釋道。

翻譯本身進行得非常迅速，據稱即使是100萬字的專案，也常常能在數小時內完成。野田克樹指出：“透過我們人類團隊的細緻準備和設定，AI可以在峰值效能下執行，提供前所未有的質量和速度。”

“聽起來像是一個簡單直接的流程，但其實人類與AI之間的反饋迴圈是最為重要和複雜的部分。”野田克樹強調說，並補充道，這就是為什麼只有一半的流程依賴AI Agent。

野田克樹解釋道：“通常，我們會在一開始處理一些任務時不使用AI，然後逐漸將這些任務轉移到AI上。” 這種動手操作的方式是必要的，因為遊戲翻譯會因其語境、產品、時間安排以及公司而有顯著差異。因此，不可能用一個工作流程來應對所有專案。

與傳統翻譯公司之間的差異與成果

“那麼，我們與傳統的翻譯公司有何不同呢？我稱其為‘新翻譯公司’。”野田克樹總結了幾個主要區別：

大部分翻譯由AI完成：這是字面上的，AI完成大部分的翻譯工作，而不是像傳統方式那樣由人類來進行機器翻譯後的編輯。
超快速的翻譯處理：一旦AI設定完成，100萬字的翻譯可以以超人般的速度完成。
語境知識的永久儲存：重要的語境資料不再依賴於個別的翻譯者。AI不會遺忘，也不會離職，因此上下文語境知識可以永遠儲存。

作為取捨，野田克樹指出，“初始的設定至關重要且費時。每個遊戲的特定翻譯資料都需要精細調整。”然而，他補充說，“我們現在可以在1到2周內完成設定，實現無與倫比的翻譯速度。”

野田克樹還列舉了以下具體成果作為KPI：

在AI Agent設定完成後，100萬字的翻譯可在一天內交付。
具有競爭力的收費標準，最低每字3美分。
服務啟動6個月內完成了50個遊戲標題的翻譯。
支援10種以上的語言對，其中不包括日語。
部分客戶甚至無需後期編輯，直接釋出AI翻譯的內容。

翻譯者的未來與遊戲本地化的前景

在演講的最後，野田克樹和矢澤龍太討論了翻譯者的未來以及遊戲本地化的前景。

矢澤龍太解釋了翻譯工作由兩個部分組成：“首先，將文字從A語言轉換為B語言。其次，釋出內容。過去這都是由一個人的腦力完成的，但現在，AI可以以驚人的精度和速度處理轉換部分，而且這種能力正在不斷提高。” 矢澤龍太承認，“AI接管轉換部分幾乎是不可避免的。”但他同時強調：“這並不意味著人類翻譯者僅剩修飾的工作，語言技能在與AI協作中將成為強大的資產。”

矢澤龍太預測，譯者這個職業將被重新定義，並演化出全新的角色。“我認為，許多譯者將在某種程度上轉型為本地化總監。此外，可能也有人選擇獨立工作，專注於自己真正喜歡的遊戲。”

關於遊戲本地化的未來，矢澤龍太預測，“關於本地化成本是否能透過銷售額合理化的問題將很快成為過去。”他還表示：“這聽起來可能有些天真，但我希望建立一個減少枯燥重複工作的未來，讓人們能夠專注於他們真正關心的部分，並提高這些部分的質量。如果我能夠將時間只花在重要的事情上，那就是我的目標。”

對此，野田克樹總結道：“AI不僅僅是提供廉價翻譯的工具，它還能使翻譯者專注於更本質的任務，極大地增加被本地化的遊戲數量以及支援的語言數量，這將導致遊戲本地化的民主化。”

····· End ·····

GameLook每日遊戲產業報道

全球視野 / 深度有料

爆料 / 交流 / 合作：請加主編微信 igamelook

廣告投放 : 請加微信：Amyly588

長按下方圖片，"識別二維碼" 訂閱微信公眾號