만약 당신이 TMS(번역 관리 시스템)을 바꾸려고 생각하고 있고 누군가가 "쉽다고! TMX 및 TBX 파일을 다운로드하여 새로운 TMS에 업로드하기만 하면 된다!"라고 말했다면, 아마도 어려움을 겪을 것입니다. TMS를 바꾸는 것은 겉으로는 간단해 보이지만, 고통의 판도라의 상자를 열게 됩니다.
하지만 이 기사에서는 TMS 이전 스트레스에 대한 고통의 원인 중 가장 좋아하는 부분에 초점을 맞출 것입니다: 번역 메모리 활용 및 채택.
가장 큰 문제는 번역 메모리 활용에 있습니다. 이는 지식 베이스에 저장된 문장들이 새로 처리되는 콘텐츠와 어떻게 비교되는지를 나타내는 업계 용어입니다. 번역 메모리는 막대한 절약과 시간 효율을 생성합니다. 그것은 고객들이 기업급 TMS에 대해 대담하게 투자하는 이유 중 하나입니다. "고양이가 소파 위에 있다"라고 번역했고 이제 "고양이가 소파 위에 있다"라는 새로운 콘텐츠가 있다면, TMS는 이 문장이 완벽히 일치한다는 것을 인식하고 사전에 확인하거나 심지어 잠그기도 할 수 있습니다. 그래서 다시 접촉할 필요가 없습니다.
문제는 TMS가 보이는 단어뿐만 아니라 훨씬 더 많은 정보를 저장한다는 것입니다. 심지어 간단한 DOCX 파일에도 자체 인코딩이 있으며, 서식, 스타일 및 기타 관찰할 수 없는 사항에 대한 코드가 포함되어 있습니다. 따라서 "그 고양이가 소파 위에 있다."라는 문장은 "{1}고양이 {1}가 소파 {2}위에 있다{2}."로 저장될 수 있습니다. 만약 그렇다면 "고양이가 소파 위에 있다."를 다시 처리하면 완벽한 일치가 아니라 95%에서 99% 정도의 일치가 될 것입니다.
이는 여러 언어로 작동하는 대규모 콘텐츠 베이스를 보유한 경우 수용 가능해 보일 수 있지만, 이러한 레버리징 동작의 변경은 수천 개의 세그먼트를 수십 개의 언어로 다시 처리해야 하는 상황을 초래할 수 있으며, 이는 비용을 부담하는 사람에게는 부정적인 결과를 초래할 수 있습니다. 그래서 이에 대해 어떻게 해야 할까요? 이에 대비하여 이주하기 전에 다양한 콘텐츠 저장소와 파일 유형에서 번역 메모리 레버리징을 포괄적으로 테스트하여 레버리징에 대한 기준을 설정하는 것이 좋습니다. 이렇게 하면 이주에 완전히 투자한 후에는 더 이상 돌이킬 수 없는 상황이 되기 전에 잠재적인 문제를 해결할 수 있습니다.
기준이 기대에 미치지 못하는 경우 어떻게 해야 할까요?
기준선이 예상대로 작동하지 않는 경우 첫 번째 단계는 이 손실의 근본 원인을 찾는 것입니다. 이는 기존 TMS 구문 분석 및 분할 전략의 흔적을 포함하는 번역 메모리 또는 새로운 TMS의 구문 분석 및 분할 전략에 있을 것입니다.
더 나아가기 전에 구문 분석 및 분할을 정의해 봅시다.
구문 분석
구문 분석은 주어진 시스템이 입력된 데이터를 분할하는 방법입니다. 예를 들어, 말로 된 언어에서의 파싱은 우리의 귀가 소리를 구별하여 별개의 단어를 이해하는 방법입니다. 로컬라이제이션에서의 파싱은 TMS가 원본 콘텐츠를 번역 가능한 콘텐츠로 분해하는 규칙을 의미합니다. 예를 들어 TMS가 형식을 기록하는 방법, 변수를 기록하는 방법, 그리고 코드와 번역 가능한 콘텐츠를 분리하는 방법을 포함합니다.
세분화
세분화는 문장을 구성하는 요소에 대해서만 언급합니다. 문장은 특정 구두점으로 정의됩니까? 줄 바꿈은 새로운 문장을 만들어낼까요? 이러한 다른 규칙들은 다른 레버리징을 가능하게 할 것입니다. 여러 문장이 텍스트 상자를 감싸고 있는 PPTX 파일을 기존 TMS에서 번역했는데, 기존 TMS는 이 줄 바꿈을 문장의 끝으로 인식하고 있었지만 새로운 TMS는 줄 바꿈을 문장의 끝으로 인식하지 않는다면, 해당 문장에 대한 레버리징이 손실될 것입니다. 예를 들어 줄 바꿈 손실은 구문 분석 손실보다 더 극적일 수 있습니다. 왜냐하면 문장이 완전히 알아볼 수 없게 될 수 있기 때문입니다. 이에 대해 어떻게 대처할 수 있을까요?
다행히도 이러한 문제를 다양한 방법으로 해결할 수 있습니다:
무차별 대응 방식
이 방식에서는 TMS 마이그레이션은 혼란스럽고 일부 손실이 예상되는 것을 인정하고 이를 수용합니다. 번역의 손실을 감수하고, 번역 비용과 시간이 처음에는 증가하지만, 컨텐츠 기반을 새로운 현실에 대응하도록 대부분 조정한 후에는 이전 수준으로 돌아갈 것입니다. 이 접근법은 작은 프로그램(Program Size = Content Base Size x Languages)에 특히 잘 작동하지만, 큰 프로그램에서는 심각한 예산 문제를 야기할 수 있습니다.
번역 메모리 접근 방식
이 접근 방식에서는 TMS 엔지니어가 번역 메모리에서 인코딩 패턴을 분석하고, 이러한 패턴을 미래의 TMS 표준과 더 호환되는 패턴으로 변환할 수 있는 규칙 기반 스크립트를 적용할 기회를 찾을 수 있습니다. 예를 들어, TM에 " {1} 고양이 {1}는 {2}소파 {2}에 있다."라는 문장이 있지만 새로운 TMS는 태그 {2}를 무시하고 " {1} 고양이 {1}는 소파에 있다."로 기록합니다. TM을 처리함으로써, {2} 태그가 도입된 조건을 이해하고 {2}를 추가적인 영향 없이 제거할 수 있는 스크립트를 실행할 수 있습니다. 이렇게 반복적으로 작업하고 테스트하여 한계 이익이 줄어들고 번역 메모리 최적화 작업을 더 이상 경제적으로 이어나가는 것이 불가능한 지점에 도달할 때까지 작업할 수 있습니다. 이 접근 방식은 모든 규모의 프로그램에 대해 잘 작동하지만, 원하지 않는 또는 예상치 못한 결과로 TM이 근본적으로 변경될 수 있는 가능성을 도입합니다.
새로운 구문 분석 및 분할 전략 접근 방식
이 접근 방식에서는 향후 TMS가 콘텐츠를 구문 분석하고 분할하는 방식에 대해 조정할 수 있으며, 이러한 규칙을 조정하여 번역 메모리와 더 유사하게 만들 수 있습니다. 따라서 위의 예와 같은 경우, 태그 {2}를 번역 메모리에서 제거하는 대신 향후 TMS에서도 주어진 인코딩 상황에서 태그 {2}를 도입하여 최대한 활용할 수 있도록 조정할 수 있습니다.
이 접근 방식은 번역 메모리를 건드리지 않고 유연한 접근 방식을 가질 수 있으므로 각 콘텐츠 유형에 대해 맞춤형 접근 방식을 적용할 수 있습니다. 예를 들어 YAML 파일과 DOCX 파일에 대해 서로 다른 구문 분석 전략을 가질 수 있으며, 이는 최대한의 유연성과 예측 가능성을 제공할 것입니다. 이 접근 방식의 도전 과제는 일반적으로 구현하기가 더 복잡하며, 모든 TMS가 구문 분석 및 분할 전략에 대한 필요한 유연성을 제공하지 않을 수 있다는 것입니다.
결론
TMS 이전은 쉬운 일이 아닙니다. 페루 아마존을 통해 안데스 산맥을 오르는 복잡한 트렉과 비슷합니다. 가능한 복잡성을 조기에 식별하고 대응하는 것이 중요하며, 로컬라이제이션에서는 모든 것이 빠르게 지수적으로 커집니다. 자신이 어떤 일에 뛰어들고 있는지 정확히 알기 위해 TMS를 철저히 스트레스 테스트하고 최적화 전략을 처음부터 만드는 것이 중요합니다.
.avif){kind=spacer}
.avif)
.avif)
%2520(1).avif)
