Google Translate正在把重点从单纯扩大模型规模转向理解语境与文化，通过三位语言专家的用户研究、低资源语言支持与上下文判断，让翻译更接近自然对话并尊重语言多样性。
在人工智能不断追求更大模型和更多语言的今天，Google Translate试图强调另一件事：翻译质量不只取决于模型能处理多少词，还取决于它是否理解说话者的身份、语气、文化背景与真实使用场景。
Google在9月30日国际翻译日发布的文章《Celebrating International Translation Day: Meet 3 linguistic experts behind Google Translate》中，介绍了三位参与Google Translate工作的语言专家。他们分别负责用户研究、低资源语言支持，以及把语言学判断融入搜索和翻译产品。
这篇文章没有宣布新的翻译模型或独立产品，而是把焦点放在Google Translate背后的人工环节：如何判断一句话在真实对话中意味着什么，以及如何避免人工智能在扩大语言覆盖范围时，把语言简化成脱离文化的符号。
Google翻译开始把“自然对话”作为目标
Google称，Translate已经运行超过20年。如今，公司把最新的Gemini模型与人工视角结合，希望将过去更接近逐字转换的结果，推进到更自然的对话表达。
这一方向与Google近年来的产品变化一致。Google曾在官方文章中介绍Gemini为Translate带来的上下文翻译能力，强调翻译系统需要理解的不只是说了什么，也包括说话方式、语气和上下文。AIFlux此前对Google Translate在iOS与Android推出实时翻译升级的报道也显示，实时语音翻译、耳机翻译和语言学习功能，正把Translate从一个文字转换工具推向更接近沟通助手的形态。
但Google最新文章的重点并不是模型参数，而是模型如何接受现实语言的检验。语言会随时间变化，同一个词在不同社群、年龄层和场景中可能有不同含义。若只用标准化句子或书面语料进行测试，系统或许能在基准测试中表现良好，却未必能准确处理人们实际说话时的停顿、习惯用法和隐含意义。
用户研究：判断翻译是否像人真正会说的话
Janneke Van Hofwegen是Google Translate的用户体验研究经理。她早年在立陶宛一所国际大学任教，学习立陶宛语的经历让她认识到，语言不仅是传递信息的工具，也与身份和归属感有关。
她后来获得斯坦福大学博士学位，并参与合著有关非裔美国人语言发展的研究。Google称，她目前负责让普通用户测试Translate的早期功能，以判断译文是否接近真实对话，而不是仅仅在词语层面“看起来正确”。
这类工作解决的是机器翻译中一个经常被低估的问题：语法正确并不必然等于表达自然。一个译文可能准确传递字面信息，却保留了原语言的句式、礼貌程度或情绪距离，令目标语言使用者感到生硬甚至误解。
从爱尔兰语社群出发，支持低资源语言
Isaac Caswell是一名软件工程师。他对语言的兴趣，始于在爱尔兰Gaeltacht地区与说爱尔兰语的家人相处。2017年加入Google Translate后，他开始专注于数字资源不足的语言，并参与为平台增加146种语言。Google表示，Translate目前支持的语言已接近250种。
Caswell参与过与加拿大Inuktut社群和Santali语言倡导者合作的项目，也开发过转写工具，将一种文字系统中的词映射到另一种字母体系，帮助用户阅读和发音。他还曾与马尔代夫学者，以及东帝汶和冈比亚的一线医疗工作者合作。
这些案例说明，增加一种语言并不是把语言名称加入下拉菜单那么简单。对许多低资源语言而言，可用于训练的数字文本、语音记录和标准化测试数据都很有限。系统可能能够完成基础翻译，却无法覆盖地区差异、不同拼写方式或日常会话中的变化。
Google在2024年宣布增加110种语言时也提到，公司需要持续与语言学家和母语使用者合作，支持更多语言变体和拼写规范。该次扩展覆盖Afar、马恩岛语、N’Ko、沙赫穆克希旁遮普语、阿马齐格语和托克皮辛语等语言；Google称，相关语言涉及超过6.14亿名使用者。这个数字体现了覆盖范围的扩大，但不应被理解为这些语言已经获得与英语等主流语言完全相同的产品体验。
让模型学会区分“准确”与“合适”
Harsh Shah自2018年加入Google后，参与过交互式发音指南和搜索语法检查器等语言工具。近五年来，他负责搜索中的翻译体验，关注的核心问题是如何让系统理解语言环境，而不是只给出字典式定义。
Google称，Shah正在尝试让Translate像人工口译员一样，在必要时要求用户补充上下文。他也与语言专家合作，调整大型语言模型对语气和细微差别的判断。
这意味着未来的翻译系统可能不再总是急于给出唯一答案。在缺少上下文时，系统或许需要先确认说话者是在开玩笑、表达讽刺，还是在使用某个地区特有的说法。对用户来说，这会增加一个操作步骤；对翻译质量而言，却可能减少“字面正确、实际错误”的结果。
人工智能扩展语言覆盖，但不能替代语言社群
国际翻译日2026年的主题是“语言多样性与语言权利：被理解的力量”。Translation Commons公布的活动资料显示，今年的讨论特别关注原住民语言、语言权利以及数字时代的语言多样性。
这也构成了Google这篇文章的背景。人工智能可以降低新增语言支持的成本，帮助研究人员从有限数据中发现模式，也能让实时翻译和语音工具覆盖更多使用场景。但语言数据从哪里来、由谁授权、是否代表整个社群，以及社群能否参与产品决策，仍然是技术之外的问题。
Google过去已经把语言支持从最初的少数主流语言扩展到数百种语言，并提出面向更多语言的长期目标。然而，“支持”需要被拆开理解：它可能意味着能够识别部分语音、提供基础文字翻译，或者只在某个产品和地区中可用，并不自动意味着系统能够准确处理全部方言、文化表达和专业场景。
对Google Translate来说，三位语言专家的工作揭示了产品竞争的另一条主线。模型规模和语言数量仍然重要，但下一阶段的难题可能是：系统能否尊重语言内部的差异，能否在现实对话中保持自然，能否让低资源语言社群真正从数字化中受益。
Google在另一篇关于语言包容性的文章中表示，公司希望让人工智能覆盖更多语言，同时与本地社区合作，改善数据代表性和文化语境。对于Translate而言，最终的衡量标准或许不只是“翻译出了多少句话”，而是不同语言的使用者是否觉得自己被准确、自然且有尊重地理解。
来源：