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.
| Характеристика | Ручний переклад | AI-переклад |
|---|---|---|
| Швидкість на 1000 рядків | 8 годин | 2 хвилини |
| Точність з контекстом | 88% | 94% |
| Помилки плейсхолдерів | 12% | 0.3% |
| Вартість за слово | 0.10$ | 0.002$ |
Методологія порівняння
Тестування проводилося на продакшн-проєкті з 10 мовами та 50 000 рядків. Ручний переклад виконували три професійні локалізатори, AI-переклад — система на базі GPT-4o з контекстним промптом. Результати звіряли за трьома метриками: точність, цілісність плейсхолдерів, дотримання лімітів довжини.
| Типова проблема | Рішення через AI |
|---|---|
| Короткі рядки без контексту | AI використовує метадані елемента та сусідні рядки |
| Plural forms для рідкісних чисел | Генерація за шаблоном ICU з валідацією |
| Довгі переклади, що не вміщаються в UI | Автоматичне скорочення зі збереженням сенсу |
Як автоматизувати локалізацію в GitHub Actions?
Інтеграція з TMS (Crowdin, Phrase) стандартна:
- GitHub Action спрацьовує на push з новими або зміненими рядками.
- Рядки завантажуються в Crowdin через API з метаданими (скріншот, тип елемента).
- AI-переклад запускається: модель отримує контекст з векторної бази (ChromaDB) та історії перекладів.
- Рядки з confidence > 0.9 автоматично схвалюються; решта — в чергу на рев'ю.
- Після схвалення створюється PR з оновленими файлами
.jsonабо.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
- Аналітика — аудит поточних рядків, виявлення проблем контексту.
- Проектування — вибір архітектури, налаштування LLM, конфігурація TMS.
- Реалізація — написання пайплайну, тестування на 200 рядках.
- Тестування — A/B порівняння з ручним перекладом, перевірка всіх мов.
- 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.