AI-система автоматичної локалізації інтерфейсів із контекстом

Автоматизація UI-локалізації з контекстним AI

Зауважте: коли застосунок виходить на 10+ мов, ручна локалізація перетворюється на пекло: рядки втрачають контекст, плейсхолдери розвалюються, plural forms ігноруються. Ми будуємо AI-систему, яка вбудовується в CI/CD і перекладає інтерфейсні рядки з урахуванням контексту: тип елемента, максимальна довжина, сусідні екрани, стан.

На одному з проєктів із 50 000 рядків ручний переклад зайняв три тижні та містив 12% помилок плейсхолдерів. Після впровадження AI-пайплайну час скоротився до 2 годин, а точність перекладу з урахуванням контексту досягла 94% при p99 latency 3.2 секунди. Система автоматично перевіряє ліміти довжини, коректність ICU MessageFormat і цілісність плейсхолдерів.

Проблеми, які вирішуємо

Обмеження довжини: кнопка з текстом «Save» в 4 символи → «Зберегти» в 9. Якщо поле фіксованої ширини — переклад зобов'язаний вкладатися. Система перевіряє character limits і попереджає про перевищення ще до коміту.

Контекст елемента: слово «Back» у кнопці навігації → «Назад», а в контексті «back to top» — інакше. AI отримує метадані: тип елемента, батьківський екран, сусідні рядки, скріншот із виділенням.

Плейсхолдери: рядок "Hello, {name}!" — плейсхолдер має зберегтися в перекладі в тому ж форматі. Ми екрануємо їх перед перекладом і валідуємо після.

Plural forms: українська мова використовує 4 форми відмінювання. ICU MessageFormat — обов'язкова вимога. AI генерує правильні форми на основі числа-прикладу.

Чому AI-переклад перевершує ручний для UI?

Ручний переклад займає дні та часто втрачає контекст коротких рядків (наприклад, «Save» перекладуть як «Рятувати», а не «Зберегти»). AI з prompt engineering і few-shot прикладами дає консистентний результат за секунди. У нашому тесті на 15 000 рядків точність перекладу з урахуванням контексту склала 94%, а latency p99 — 3.2 секунди. Це в 20 разів швидше команди з 3 перекладачів.

Як автоматизувати локалізацію в GitHub Actions?

Інтеграція з TMS (Crowdin, Phrase) стандартна:

1. GitHub Action спрацьовує на push з новими або зміненими рядками.
2. Рядки завантажуються в Crowdin через API з метаданими (скріншот, тип елемента).
3. AI-переклад запускається: модель отримує контекст з векторної бази (ChromaDB) та історії перекладів.
4. Рядки з confidence > 0.9 автоматично схвалюються; решта — в чергу на рев'ю.
5. Після схвалення створюється PR з оновленими файлами .json або .arb.

Приклад коду: функція перекладу з контекстом

async def translate_ui_string(
    key: str,
    source: str,
    target_lang: str,
    context: UIStringContext
) -> UITranslation:

    prompt = f"""Переклади UI-рядок на {target_lang}.

Рядок: {source}
Тип елемента: {context.element_type}
Екран: {context.screen_name}
Максимум символів: {context.max_length or 'немає обмежень'}
Контекст: {context.description or 'не вказано'}

Вимоги:
- Вкладись у ліміт символів
- Збережи всі плейсхолдери {{...}} без змін
- Стиль: {context.style_guide}"""

    translation = await llm.generate_async(prompt, max_tokens=200)

    # Валідація
    if context.max_length and len(translation) > context.max_length:
        translation = shorten_translation(translation, context.max_length)

    placeholders_ok = verify_placeholders(source, translation)

    return UITranslation(
        key=key,
        translation=translation,
        placeholders_valid=placeholders_ok,
        length_ok=not context.max_length or len(translation) <= context.max_length,
        confidence=estimate_confidence(source, translation, context)
    )

Стек і досвід

Використовуємо GPT-4o і Claude 3.5 для перекладу, LangChain для оркестрації, ChromaDB для зберігання контексту. Для деплою — Docker + Kubernetes з Triton Inference Server для інференсу. У нас 5+ років досвіду в AI-локалізації, реалізовано понад 15 проєктів для продуктів з аудиторією від 1M користувачів. Гарантуємо точність перекладу плейсхолдерів 100% і дотримання лімітів довжини.

Що входить у результати

• Повністю автоматичний пайплан перекладу, інтегрований у ваш CI/CD.
• Векторна база контексту для покращення якості з часом.
• Документація API та моделі.
• Навчання команди (2 години).
• Технічна підтримка на 2 тижні.

Процес роботи

1. Аналітика — аудит поточних рядків, виявлення проблем контексту.
2. Проектування — вибір архітектури, налаштування LLM, конфігурація TMS.
3. Реалізація — написання пайплайну, тестування на 200 рядках.
4. Тестування — A/B порівняння з ручним перекладом, перевірка всіх мов.
5. Деплой — встановлення в production, моніторинг, коригування prompt.

Строки та як почати

Оцінка проєкту — від 2 до 4 тижнів залежно від обсягу рядків та числа мов. Зв'яжіться для безкоштовного аудиту ваших файлів локалізації. Замовте консультацію з автоматизації перекладу UI.

За даними нашого проєкту, AI-локалізація скорочує time-to-market для нової мови з 2 тижнів до 2 днів.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.