加強 LLM 開源軟體在地化翻譯 ─ 以 QGIS 為例

## 以大型語言模型(LLM) 加強開源軟體的在地化翻譯 ─ 以 QGIS 為例開源軟體的在地化（localization, l10n），從來不只是把英文翻成中文這麼簡單。對使用者而言，介面用語是否一致、訊息是否清楚、快捷鍵是否正常運作，會直接影響學習成本與操作信心；對維護者而言，翻譯能否追蹤、延續與交接，則決定了專案能否長期維護，而不是仰賴少數人的經驗撐場。以 QGIS 為例，其繁體中文翻譯主要透過 Qt 的 `.ts` 檔案進行管理。這類檔案除了自然語言文字，還包含與介面行為緊密綁定的功能性元素，例如：快捷鍵(`&File`、`E&xit`)、參數佔位符(`%1`、`%n`、`{0}`)、HTML 標籤，以及複數型結構（`numerus` / `<numerusform>`）。這些內容在視覺上像一般文字，但實際上會影響 UI 顯示與互動；一旦在翻譯過程中被誤改或遺漏，就可能造成介面行為異常或訊息顯示錯誤。 ## 從加速翻譯，到放大風險？近年大型語言模型（Large Language Model, LLM）逐漸被引入在地化流程。LLM 能快速產出大量初稿，對人力有限的開源社群確實很有吸引力；但在「專業語境 + 嚴格格式約束」的情境下，LLM 的改寫式生成也會把風險往格式層面推高。更麻煩的是，這類錯誤往往不容易用「讀起來順不順」發現：即使語意看似合理，只要佔位符(placeholder，如：`%n`)、快捷鍵或複數結構被動到，就可能直接影響功能。於是審稿工作的重心也會從術語與語意，轉向大量的格式比對、結構驗證與修補。因此，引入 LLM 的重點不該只放在「加速產出」，而應把它當成流程中的一個步驟：在輸入端先定義規則，在輸出端建立檢查機制，才能把風險控制在可維護的範圍內。 ## QGIS 在地化的典型痛點回到實務上，QGIS 的繁體中文在地化長期面臨幾個挑戰。第一是術語與風格一致性。字串分散於不同模組與外掛程式，若缺乏穩定的術語表與檢核流程，同一概念容易出現多種譯法，增加使用者理解成本，也提高維護者的溝通與審核負擔。為降低同義多譯，流程可匯入 glossary（CSV／ODS）作為約束。系統會在翻譯時把「命中的術語對照」一併提供給 LLM，讓輸出更容易收斂到一致用語。其次是在多人協作與跨版本沿用的情況下，介面字串常出現中英夾雜、繁簡混用，甚至同一功能在不同頁面使用不同寫法（如：同時存在「圖層 / Layer」、「欄位 / 字段」、「設定 / 設置」等）。這不只影響閱讀一致性，也會讓使用者對系統用語產生不確定感，進一步提高學習成本。最後則是 `.ts` 格式的脆弱性。它同時承載文字與功能標記，任何跨版本沿用、多人協作，或導入非 i18n（internationalization）導向的工具（如：一般文字編輯器、AI 改寫/翻譯工具、缺乏占位符與 XML 規則檢查的流程），都可能放大「不小心動到格式」的機率；而 LLM 若沒有明確規則與自動檢查，這類問題只會更容易發生。 ## 此專案目標 1. **翻譯可直接使用** 維持跨模組術語一致，並確保快捷鍵、占位符與複數形式等結構元素不被變更。 2. **維護流程可交接** 透過流程與工具設計，使翻譯、審核與修正能被重複執行與追蹤，降低對少數人經驗的依賴。 3. **方法可移植與擴散** 將術語庫與檢核規則模組化，便於套用到其他 Qt / `.ts` 專案與不同領域的翻譯情境。 4. **LLM 輸出可控且可驗證** 結合格式檢查與多階段處理策略，提高輸出穩定性，降低人工校對與修正負擔。 ## 在地化翻譯處理流程此方法並不將 LLM 視為單純的翻譯工具，而是將其納入一套流程導向的開源軟體在地化方法中。其核心設計在於，透過分段式翻譯處理與多層檢查機制，將原本常於翻譯完成後或寫回 `.ts` 檔階段才被發現的風險（如：術語不一致、占位符錯誤與格式破壞），前移至翻譯生成與初步篩選階段即加以辨識與排除。同時，藉由多次生成與規則篩選，使翻譯結果逐步收斂至一組在語義、術語與格式上皆符合在地化需求的候選結果，從而提升流程的可重複性、可追蹤性與跨人員交接能力。 ![圖 1：流程圖](https://hackmd.io/_uploads/SJSLqHWBWx.png) >圖 1：在地化翻譯處理流程圖在此流程設計中，六個階段皆可由系統自動執行，過程中不需人工即時介入。人工僅於流程完成並產出 `.ts` 檔案後，依專案需求進行最終審閱、與原始翻譯檔合併，或直接提交至版本控制系統作為開源貢獻，從而在維持自動化流程一致性的同時，保留人工審查的彈性。 ### Step 1：界定翻譯範圍與工作量首先是釐清本次工作的範圍。系統會解析上傳的 `.ts` 檔案，計算實際可翻譯的 `<source>` 句數，並將其視為本次處理的明確範圍，使進度與成本在一開始即可被掌握。若同時提供舊版 `.ts`，流程會優先比對 `<source>` 是否完全一致，能沿用的翻譯直接套用，不再進入後續翻譯流程，以避免不必要的重複處理。 ### Step 2：翻譯前標記功能性格式片段在送入模型之前，會先掃描每筆字串，標記其中所有與介面行為相關的格式元素，例如： - 參數佔位符(`%1`、`%n`、`{0}`) - HTML 標籤結構(`<html>`) - 快捷鍵標記(`&`) - 複數型結構(`numerus` / `<numerusform>`) 這些標記會被保留下來，作為後續檢查與修補的比對基準，讓「格式是否被破壞」成為可被判斷的條件，而非完全依賴人工檢視。同樣地，glossary 也會在翻譯前先做搜尋：對 `<source>` 與字詞做標準化後，以子字串／LCS 類相似度做近似比對，避免複數或符號差異漏抓。命中的字詞會整理成「建議/指定譯法」提示，跟原文一起送進 LLM。 ### Step 3：多次生成翻譯候選以降低偶發錯誤在翻譯產生階段，同一筆 `<source>` 不只產生單一結果，而是由模型多次生成翻譯候選。目的並非追求文風多樣，而是降低單次生成的偶發錯誤（如: 術語不一致、結構破壞）對整體流程的影響，提高取得「語意合理且格式可寫回」結果的機率。 ### Step 4：以規則初篩，排除明顯不可用輸出在進入修補或校正前，會依 Step 2 的標記規則對翻譯候選進行初篩，先排除明顯不可用的結果（如: 占位符缺失、結構破壞或複數結構不完整），避免錯誤被帶入後續流程。 ### Step 5：將「格式修補」與「重新翻譯」明確分離對於仍存在格式問題但語意合理的翻譯，不會直接重翻，而是將「格式修補」視為獨立任務。此階段以「最小變更」為原則：在語意盡量不變的前提下修正格式，避免第二階段造成術語與用語再次不一致。 ### Step 6：寫回前的最終驗證在結果寫回 `.ts` 檔案之前，會進行最後一道驗證：確認輸出與 Step 2 的格式標記一致，且整體 XML 結構合法可解析。若未通過驗證，將依錯誤類型回退處理：需要補齊或修正格式者回到 Step 5，需要重新生成候選者回到 Step 3；避免產出可能影響介面行為的檔案。 ## 使用工具工具連結：[使用 ChatGPT API 進行翻譯](https://wendy062644.github.io/2025-summer-intern-project-2/pages/app_api.html) ### 主要功能 + **API 與模型設定**： + 支援填入 API Key 與 Base URL + 可選擇主要翻譯模型(Model-1) + 可於介面編輯 Prompt：每次執行時以介面內容為準；若留空則使用預設內容 + **兩階段翻譯（可選）**： + 使用 Model-1 進行初步翻譯 + 啟用 Model-2 進行版本挑選與格式校正，以提升翻譯穩定度 + **批次處理與筆數控制**： + 支援 Batch 翻譯模式 + 可設定處理筆數上限，先進行小量測試再擴大執行 + **沿用舊版 `.ts`**： + 當 `<source>` 內容相同時，直接套用舊版翻譯 + 以降低不必要的 API 呼叫次數 + **glossary 詞彙表**： + 支援 CSV／ODS 格式詞彙表 + 用於確保專有名詞與術語的一致性 + **執行 / 暫停 + 即時對照**： + 支援翻譯流程的執行與暫停 + 可即時檢視原文與譯文的對照結果 ![image](https://hackmd.io/_uploads/HJKBwA7Ubx.png) > 圖2：`.ts` 檔線上翻譯工具介面 ## 結果 > 表1：以 QGIS 3.40 為例 | 原預設繁體中文 | 重新翻譯並修正後 | | --- | --- | | ![](https://hackmd.io/_uploads/B1Y3mlGH-e.png) | ![](https://hackmd.io/_uploads/Bkw3XezHZx.png) | --- 在本專題開始前，QGIS 繁體中文翻譯於 Transifex 上之完成度約為 70%。經由本文流程補齊未翻譯字串，並修正既有翻譯中的簡體中文、英文與錯誤內容後，整體翻譯完成度已提升至 99%。 ![image](https://hackmd.io/_uploads/S1LXIJAU-x.png) > 圖3：透過 Transifex 將翻譯後的 `.ts` 檔貢獻回 QGIS Depositar 資料集：https://data.depositar.io/dataset/qgis_zh-hant

Syntax	Example	Reference
# Header	Header	基本排版
- Unordered List	Unordered List
1. Ordered List	Ordered List
- [ ] Todo List	Todo List
> Blockquote	Blockquote
Bold font	Bold font
Italics font	Italics font
~~Strikethrough~~	~~Strikethrough~~
19^th^	19^th
H~2~O	H₂O
++Inserted text++	Inserted text
==Marked text==	Marked text
[link text](https:// "title")	Link
![image alt](https:// "title")	Image
`Code`	`Code`	在筆記中貼入程式碼
```javascript var i = 0; ```	`var i = 0;`
:smile:		Emoji list
{%youtube youtube_id %}	Externals
$L^aT_eX$	L^aT_eX
:::info This is a alert area. :::	This is a alert area.