B 站游戏大模型翻译实践 —— 我们如何用 LLM 撑起全年百万字本地化翻译任务

10/27/2025, 4:04:00 AM

📌 一句话摘要

哔哩哔哩游戏算法团队构建了一套基于大语言模型的游戏翻译体系,有效提升翻译效率与质量,显著降低成本。

📝 详细摘要

文章详细介绍了哔哩哔哩游戏算法团队如何构建并实践一套基于大语言模型的游戏翻译体系。首先,分析了传统游戏本地化翻译面临的成本高、周期长、质量不稳定和历史资产利用不足等痛点。接着,阐述了新体系的四层架构设计(数据、算法、评估、应用层)及核心运作流程。文章深入探讨了检索增强翻译(RAG)、自动术语挖掘和自动化翻译质量评估三大核心技术,并展示了其在术语一致性、上下文连贯性、效率提升和成本节省方面的显著成效。最终,该系统实现了每年百万字翻译任务的本地化,成本降低 70-80%,效率提升 7 倍以上,线上客诉率控制在万分之一,为游戏全球化发行提供了强力支撑。

💡 主要观点

  1. 结合 LLM 与 RAG 构建游戏翻译体系,显著提升本地化效率与质量 该体系通过智能翻译、术语挖掘和多层次质检,将翻译周期缩短 85%以上,成本降低 70-80%,并确保翻译质量稳定。
  2. 检索增强翻译(RAG)有效解决游戏翻译中的术语与上下文一致性难题 RAG 通过术语检索和记忆库检索为 LLM 提供上下文,结合重排序机制和自训练模型,确保游戏专有名词和剧情文本翻译的连贯性。
  3. 自动化术语挖掘与分层质量评估体系保障翻译准确性与适应性 自动术语挖掘显著提升效率和覆盖率,而分层质量治理(后检查、多轮评估、LLM-as-Judge)则系统性地解决翻译中的准确性、语言质量和本地化适应性问题。

💬 文章金句

📊 文章信息

AI 评分:92
精选文章:
来源:哔哩哔哩技术
作者:哔哩哔哩技术
分类:人工智能
语言:中文
阅读时间:25 分钟
字数:6060
标签: 游戏本地化, 大语言模型, 检索增强生成, 机器翻译, 翻译质量评估
阅读完整文章

阅读原文 QR Code 返回目录