AI-käännösten vertailu: Gemini vs. GPT-4 vs. DeepSeek .po-tiedostoille

Käytössäsi on kolme historian tehokkainta tekoälymallia. Liität WordPressin .po-merkkijonon kuhunkin. Kaksi niistä rikkoo sivustosi.

Tämä ei ole hypoteettinen tilanne. Näin tapahtuu päivittäin kehittäjille, jotka olettavat, että "hyvä englannissa" tarkoittaa "hyvä Gettextissä". Totuus on, että WordPressin lokalisointitiedostojen kääntäminen on erikoistunut tehtävä, ja jokainen suuri kielimalli käsittelee sitä hyvin eri tavoin.

Ajoimme saman .po-merkkijonojen joukon Gemini 2.0 Flashin, GPT-4:n ja DeepSeekin läpi selvittääksemme, mikä malli tuottaa tarkimmat ja kooditurvallisimmat käännökset. Tulokset olivat yllättäviä.

Testiasetus: Mitä käänsimme

Valitsimme 200 todellista merkkijonoa tuotannossa olevasta WooCommerce-kaupasta ja suositusta WordPress-teemasta. Testijoukko oli tarkoituksella hankala, ja se kattoi:

• Yksinkertaiset käyttöliittymämerkkijonot ("Lisää ostoskoriin", "Hakutulokset")
• Merkkijonot, joissa on printf-muuttujia (%s, %d, %1$s of %2$s)
• Merkkijonot, jotka sisältävät HTML-merkintöjä (<strong>, <a href>, <br/>)
• Monikkomuodot (msgid_plural), jotka kohdistuvat puolaan (3 muotoa) ja arabiaan (6 muotoa)
• Merkkijonot, joissa on konteksti (msgctxt), jossa "Post" voi tarkoittaa blogikirjoitusta tai verbiä "to post" (julkaista)

Jokainen malli sai saman kehotteen: käännä nämä Gettext-merkinnät englannista turkiksi säilyttäen kaikki muuttujat ja HTML-tagit täsmälleen sellaisina kuin ne näkyvät lähteessä.

Sitten ajoimme jokaisen tulosteen validointisarjan läpi, joka tarkistaa paikkamerkkien eheyden, HTML-rakenteen, monikkomuotojen määrän ja merkkikoodauksen.

Kierros 1: Yksinkertaiset käyttöliittymämerkkijonot

Kaikki kolme mallia käsittelivät perusmerkkijonoja hyvin. "Add to Cart" muuttui "Sepete Ekle" kaikkialla. "Log In" renderöitiin oikein. Ei yllätyksiä täällä.

Mutta jopa tässä yksinkertaisessa kategoriassa huomasimme mallin. GPT-4 lisäsi toisinaan kohteliaisuusmerkkejä, joita ei ollut lähteessä. Ytimekkäästä "Delete" -sanasta tuli muodollisempi vastine, joka lisäsi 3-4 ylimääräistä merkkiä. Ei virhe, mutta huolenaihe käyttöliittymäasetteluissa, joissa painikkeen leveys on kiinteä.

DeepSeek tuotti hieman kirjaimellisempia käännöksiä, mikä on itse asiassa suositeltavaa käyttöliittymäelementeille, joissa lyhyys on tärkeää.

Gemini löysi tasapainon, joka vastasi lähdemerkkijonon rekisteriä ja pituutta johdonmukaisimmin.

Tuomio: Yksinkertaiset merkkijonot

Kaikki kolme läpäisevät. Vain pieniä tyylillisiä eroja.

Kierros 2: Printf-muuttujat ja positionaaliset argumentit

Tässä todelliset erot tulevat esiin. Harkitse tätä yleistä WordPress-merkkijonoa:

msgid "Page %1$s of %2$s"
msgstr ""

Tässä on, mitä kukin malli tuotti käännettäessä turkiksi:

# Gemini 2.0 Flash
msgstr "Sayfa %1$s / %2$s"

# GPT-4
msgstr "Sayfa %1$s / %2$s"

# DeepSeek
msgstr "%1$s / %2$s. Sayfa"

Kaikki kolme säilyttivät muuttujat teknisesti ehjinä. Mutta DeepSeek järjesti lauseen rakenteen uudelleen siirtäen "Sayfa" -sanan loppuun. Vaikka kieliopillisesti luova, tämä muuttaa merkitystä: käyttäjä lukee nyt "1 / 10. Page" eikä "Page 1 of 10".

Katso nyt vaarallisempaa esimerkkiä:

msgid "Hello %s, you have %d new messages"
msgstr ""

# Gemini 2.0 Flash
msgstr "Merhaba %s, %d yeni mesajiniz var"

# GPT-4
msgstr "Merhaba %s, %d yeni mesajınız var"

# DeepSeek
msgstr "Merhaba % s, % d yeni mesajınız var"

Siinä se on. DeepSeek lisäsi välilyöntejä %s:n ja %d:n sisään muuttaen ne muotoon % s ja % d. PHP:n sprintf() ei tunnista näitä. Sivustosi joko heittää kohtalokkaan virheen tai näyttää raakamuuttujamerkkijonon käyttäjillesi.

Tämä on yleisin käännöksiä rikki menevä virhe, jonka olemme dokumentoineet. Jos haluat ymmärtää tarkalleen, miksi yksi välilyönti paikkamerkin sisällä tuhoaa sivustosi, lue syväluotauksemme koodimuuttujien rikkomisesta.

Tuomio: Muuttujat

Gemini ja GPT-4 ovat luotettavia. DeepSeek on vaarallinen ilman jälkikäsittelyä.

Kierros 3: HTML-merkintöjen säilyttäminen

WordPress-merkkijonot sisältävät usein sisäistä HTML:ää. Tässä on todellinen esimerkki:

msgid "Click <a href=\"%s\">here</a> to view your <strong>order</strong>."
msgstr ""

# Gemini 2.0 Flash
msgstr "<a href=\"%s\">Buraya</a> tıklayarak <strong>siparişinizi</strong> görüntüleyin."

# GPT-4
msgstr "Siparişinizi görüntülemek için <a href=\"%s\">buraya</a> tıklayın.</strong>"

# DeepSeek
msgstr "<a href=\"%s\">buraya</a> tıklayarak <strong>siparişinizi</strong> görüntüleyin."

GPT-4 teki hienovaraisen mutta kriittisen virheen. Se siirsi sulkevan </strong>-tagin lauseen loppuun, kauas sen avautuvasta <strong>-vastineesta. Tuloksena: kaikki sanan "order" jälkeen sivulla renderöityy lihavoituna, mikä saattaa vaikuttaa koko alla olevaan asetteluun.

Gemini ja DeepSeek säilyttivät HTML-rakenteen oikein tässä tapauksessa. Kuitenkin koko 200 merkkijonon testissämme DeepSeek lisäsi välilyöntejä itsestään sulkeutuvien tagien sisään (<br /> muuttui muotoon <br / >) 3 tapauksessa.

Tuomio: HTML

Gemini on johdonmukaisin. GPT-4 ja DeepSeek molemmat tuovat rakenteellisia HTML-virheitä tietyissä olosuhteissa.

Kierros 4: Monikkomuodot

Monikkojen käsittely on paikka, jossa useimmat käännöstyökalut hajoavat kokonaan. Englannissa on 2 monikkomuotoa. Turkissa on myös 2. Mutta puolassa on 3 ja arabiassa 6.

Testasimme tämän merkkijonon puolaa vasten (nplurals=3):

msgid "%d item in your cart"
msgid_plural "%d items in your cart"

Gemini tuotti oikein kolme msgstr-merkintää, joista jokainen on konjugoitu sopivalle numeeriselle alueelle. GPT-4 tuotti myös kolme muotoa, mutta toisinaan tiivisti muodot 1 ja 2 identtiseksi tekstiksi, mikä on kieliopillisesti virheellistä puolaksi. DeepSeek tuotti vain kaksi muotoa jättäen nplurals=3-vaatimuksen kokonaan huomiotta.

Jos haluat syvällisemmän selityksen siitä, miksi tällä on merkitystä ja miten WordPress käyttää Plural-Forms-otsikkoa, katso oppaamme Gettext-monikoista.

Tuomio: Monikot

Gemini johtaa. GPT-4 on hyväksyttävä tarkistuksen kanssa. DeepSeek epäonnistuu kielissä, joissa on enemmän kuin 2 monikkomuotoa.

Kierros 5: Kontekstin epäselvyyden poistaminen

Gettextin msgctxt-kenttä kertoo kääntäjälle, miten sanaa käytetään. Sana "Post" voi tarkoittaa:

• Blogikirjoitusta (substantiivi)
• Kommentin lähettämistä (verbi)
• Postia (substantiivi, brittiläisessä englannissa)

msgctxt "verb: to publish"
msgid "Post"
msgstr ""

msgctxt "noun: blog entry"
msgid "Post"
msgstr ""

Gemini erotti oikein nämä kaksi, tuottaen "Yayinla" (julkaista) verbille ja "Yazi" (artikkeli/merkintä) substantiiville. GPT-4 käsitteli tämän myös oikein. DeepSeek käänsi molemmat muotoon "Gonderi" (yleinen substantiivi) jättäen msgctxt-vihjeen huomiotta.

Kontekstitietoisuus ei ole ylellisyysominaisuus. Jos "Post"-painikkeesi julkaisee kommentin, mutta käännös sanoo "Artikkeli", käyttäjäsi epäröivät napsauttaa sitä. Keskustelimme siitä, miksi tekoälyn turvallisuus WordPressin lokalisoinnissa riippuu juuri tällaisesta kontekstuaalisesta ymmärryksestä.

Tuomio: Konteksti

Gemini ja GPT-4 käsittelevät msgctxt:tä hyvin. DeepSeek jättää sen huomiotta.

Pistetaulukko

Miksi raakamallin tuotos ei koskaan riitä

Jopa Gemini, testiemme paras suorittaja, ei ole erehtymätön. 200 merkkijonon joukossa se toi esiin välitys ongelmia 2 tapauksessa ja lisäsi kerran tarpeettoman pisteen merkkijonoon, jossa ei ollut pistettä lähteessä.

Tästä syystä jälkikäsittelyvalidointi on välttämätöntä. Riippumatta siitä, mitä mallia käytät, tulos on ajettava läpi:

1. Paikkamerkkien normalisointi korjaa % s takaisin muotoon %s
2. Välimerkkien täsmäytys varmistaa, että käännetty merkkijono päättyy samaan merkkiin kuin lähde
3. Monikkomuotojen täytäntöönpano vahvistaa msgstr-merkintöjen oikean määrän
4. Muuttujien määrän validointi vahvistaa, että jokainen %s ja %d lähteestä näkyy kohteessa

Tämä on syntaksilukituksen takana oleva periaate, validointikerros, joka sijaitsee tekoälymallin ja lopullisen .po-tiedoston välissä. Se havaitsee jokaisen virheen, jonka jopa paras malli tekee toisinaan.

Jos arvioit työkaluja työnkulkuusi, yhteenvetomme 5 parhaasta ilmaisesta työkalusta PO-tiedostojen muokkaamiseen ja kääntämiseen kattaa maiseman tekoälypohjaisten ratkaisujen ulkopuolella.

Lopputulos

Gemini 2.0 Flash on tällä hetkellä luotettavin malli WordPressin .po-tiedostojen kääntämiseen. Se käsittelee muuttujia, HTML:ää, monikkoja ja kontekstia paremmin kuin kilpailijat. GPT-4 on vankka toinen vaihtoehto, mutta vaatii huolellista HTML-tulosteen ja monikkomuotojen tarkistusta. DeepSeek, huolimatta sen vahvuuksista yleiskäyttöisissä koodaustehtävissä, ei sovellu Gettext-kääntämiseen ilman raskasta jälkikäsittelyä.

Mutta tässä on keskeinen oivallus: malli yksin ei riitä. Jopa Gemini tarvitsee validointikerroksen reunatapauksien havaitsemiseksi. Ammattimaisen lokalisointityökalun ja raa'an API-kutsun välinen ero ei ole tekoälymalli. Se on kaikki, mitä tapahtuu ennen mallin suorittamista ja sen jälkeen.

SimplePoTranslate käyttää Geminiä ensisijaisena moottorina, käärittynä kontekstitietoiseen tekoäly-putkeen, jossa on syntaksilukitus, joka havaitsee ja korjaa jokaisen muuttujan, tagin ja monikkomuodon automaattisesti. Saat parhaan mallin yhdistettynä turvaverkkoon, joka tekee siitä tuotantovalmiin.

Haluatko nähdä eron itse? Lataa .po-tiedostosi ja käännä jopa 100 merkkijonoa ilmaiseksi osoitteessa SimplePoTranslate.com