Корпусні технології в забезпеченні якості антропогенного та постредагованого машинного перекладу при локалізації аудіовізуальних проєкті

Abstract

Статтю присвячено вивченню можливостей використання корпусних технологій для забезпечення якості антропогенного перекладу та постредагованого машинного перекладу при локалізації аудіовізуальних продуктів (АВП). Для досягнення поставленої мети було сформульовано та реалізовано низку дослідницьких завдань: створення паралельного корпусу англомовних та україномовних субтитрів; автоматичне видобування ключових лексем та оцінка їхньої частотності й значущості в межах вихідного тексту; аналіз та типологізація перекладацьких відповідників; виявлення загальних стратегій передачі частотної лексики в локалізованому продукті; формулювання практичних рекомендацій для перекладачів та постредакторів, які працюють з подібними типами контенту (за жанром, стилістикою, цільовою аудиторією тощо). Емпіричним матеріалом слугували субтитри англійською та українською мовами до телевізійного серіалу “Brassic” (5 сезон, серії 1–7), загальним обсягом 40 940 слів для англійської та 28 549 слів для української версії. Застосування дистрибутивно-статистичного аналізу до двомовного паралельного корпусу, сформованого у Sketch Engine, дало змогу виявити найчастотніші лексеми та їхні типові колокації. Отримані статистичні дані дозволили встановити релевантні контексти використання ключових слів та з’ясувати їх функціональне навантаження. Метод “coupled pair analysis”, реалізований через функцію “Parallel Concordance, дав змогу визначити регулярні українські відповідники до сленгових одиниць, що належать до найуживаніших у корпусі. Дослідження має на меті сформувати базу перекладацьких рішень, що може бути інтегрована в локалізаційні глосарії, настанови зі стилю та довідкові матеріали для роботи з діалогами, насиченими сленговою лексикою. Аналіз відповідників довів, що основною перекладацькою стратегією роботи з обсценною лексикою є повне увідповіднення як на семантичному, так і на соціолінгвістичному рівнях. Цензурування чи самоцензурування у процесі подальшою роботи над локалізацією такого продукту через нейтралізацію обсценної лексики не відповідає запиту глядачів та не може бути рекомендованим локалізаторам. Розвідка поєднує теоретичний і прикладний підходи до забезпечення якості антропогенного перекладу та постредагованого машинного перекладу в динамічному сегменті локалізації аудіовізуальних продуктів.

This article explores the potential of corpus-based technologies to ensure the quality of human and post-edited machine translation in audiovisual localization. To achieve this goal, a series of research tasks were outlined: creation of a bilingual parallel corpus of English and Ukrainian subtitles; automatic extraction of key lexical items and assessment of their frequency and significance within the source text; analysis and typologization of translation equivalents; identification of general strategies for rendering frequent lexical items in the localized product; and development of practical recommendations for translators and post-editors working with similar types of content (in terms of genre, style, and target audience). The empirical data consisted of English and Ukrainian subtitles for the British TV series Brassic (Season 5, Episodes 1–7), totaling 40,940 words in English and 28,549 words in Ukrainian. The use of a distributional-statistical method applied to the bilingual parallel corpus, built in Sketch Engine, made it possible to identify the most frequent lexical items and their typical collocations. Statistical data allowed the researchers to determine relevant usage contexts and the functional roles of key words. The “coupled pair analysis” method, implemented via the “Parallel Concordance” function, enabled the identification of regular Ukrainian equivalents for frequent English slang items in the corpus. The study aims to establish a database of translation solutions that can be integrated into localization glossaries, style guides, and reference materials for working with slang-rich dialogue. The analysis of equivalents has shown that the primary strategy for rendering obscene language is full equivalence on both semantic and sociolinguistic levels. Censorship or self-censorship through the neutralization of such language during the subsequent localization process does not meet audience expectations and cannot be recommended to localizers. Thus, this research combines theoretical and applied approaches to improving the quality of human and machine-assisted translation in the fast-evolving field of audiovisual localization.