GDC25 | DMM分享：六个月翻译50款游戏，AI如何重塑游戏本地化？

【GameLook专稿，未经授权不得转载！】

GameLook报道/时间来到2025年，游戏圈已经进入一个前所未有的真·全球化时代——如果说早些年出海还是头部主机厂商的“老生意”、本土手游厂商的“新挑战”，那么到了现在，哪怕是独立游戏开发者都在捉摸着如何把游戏卖往全世界。

促成这一转变的因素有很多，比如Steam等发行渠道在全球化上越来越强势，广告投放平台易用性逐步走高等等。但与此同时，本地化仍然是一款游戏全球化出海中的关键卡点。

比如说如今一款主流3A大作若是没有中文翻译和语音，那就很难获得中国玩家的好感。包括《原神》《鸣潮》等手游出海时，都曾出现因个别地区的本地化事务所对翻译质量把控不过关，导致玩家炎上，游戏声誉受影响的情况。但各个地区文化禁忌的微妙性、翻译交付品质的难以把关，以及最重要的本地化成本等因素，都让本地化这件事做起来比说起来难。

好在在这个大AI时代，已经有不少公司推出基于AI大模型的解决方案，让本地化这件事的难度下降一点。其中在今年GDC中，DMM Games旗下的翻译公司DMM GAME Translate介绍了他们目前正在使用的全新AI本地化体系，即基于AI Agent大语言模型能力打造的全新工作流程。

经过其总经理野田克树和首席译员矢泽龙太的介绍，我们能了解这一流程并不是简单将文本拖进ChatGPT那么简单。更是以AI Agent为中心，基于其能力长短板，量身定做的一整套人机合作流程。

通过前期预训练和语境数据的输入，DMM为本地化大量提效，包括“百万字文本1天内处理完毕”、“6个月内完成50款游戏的本土化流程”等等。同时还成功确保了游戏翻译准确性，个别客户甚至直接将初翻文本直接上线游戏内。

两位DMM的开发者认为，这套新模式带来的将不止是游戏本地化的“降本增效”，更会对游戏本地化标准流程和游戏译员工作职责进行新一轮迭代，让游戏本地化走上新的方向。

今日，日媒4gamer登出了二人GDC演讲的内容，GameLook也对这篇文章进行了全文翻译：

在演讲中，两位负责人解读了DMM GAME Translate的愿景——“游戏本地化的民主化”。他解释道：“如今的游戏行业中，全球发布已经成为标准，但本地化仍然成本高昂、耗时且存在诸多障碍。我们希望通过AI打破这些障碍，以更快、更便宜且始终如一的高质量翻译为目标。”

具体来说，提到了以下三点：

• 大幅降低3A游戏的本地化成本，并扩大支持的语言种类。
• 使独立开发者能够更容易进入全球市场。
• 通过这些措施激活整个游戏生态系统。

“简单来说，我们正在为游戏本地化带来革命。我们的目标是通过AI Agent完成所有的翻译，而不再是以前的机器翻译加后期编辑（MTPE）这种模式。”野田克树说道。

他将这一理念类比于自动驾驶汽车，表示“我们追求的是完全自主的翻译服务，类似于本地化版的Waymo。”

机器翻译的历史与挑战——为什么AI做游戏翻译难度不小

矢泽龙太首先回顾了机翻的历史发展，可以分成三个阶段：

• 基于规则的翻译（1990年代起） 使用语法规则进行翻译。虽然质量不高，但有助于理解大致意思。
• 统计机器翻译（SMT）（2006年起） 这一技术最初应用于Google翻译。通过大量现有翻译数据，统计出准确的翻译。质量有了显著提高，但无法处理诸如“不要翻译此标签”的指令。
• 神经机器翻译（NMT）（2016年起） 大约6-7年前开始广泛使用。如今的Google翻译和DeepL都基于这一技术。

矢泽龙太提出问题：“虽然NMT在日常对话和通用文档中表现出色，但在游戏翻译中仍然存在困难，为什么呢？”其中的原因是，电子游戏是一种具有独特虚拟世界的互动软件，拥有深厚的设定和广泛的历史背景。作为软件，翻译必须遵循特定规则，以确保功能的正确实现。

而游戏的故事情节则带来了额外的复杂性。与书籍或电影不同，游戏并非严格线性的。相反，它处理的是如对话文本、用户界面元素、物品描述等碎片化的文本。因此，翻译的意义在很大程度上依赖于上下文。

他强调说：“没有足够上下文的翻译，对人类和AI来说都是一个困难的挑战。”游戏翻译的特殊性在于“术语表和风格指南的遵守”。传统的机器翻译在这一方面困难重重。即使是专业的计算机辅助翻译（CAT）工具也难以处理动词的活用（如do, does, doing, done等）和单复数的区别。而如今的大型语言模型（LLM）已经能够解决这些问题。

“LLM甚至可以根据上下文，区分‘apple’指的是水果还是科技公司，”矢泽龙太指出。他还表示，AI现在可以出色地遵守风格指南，并能够处理标签、数字变量、换行、字符限制、占位符等规则。

然而，矢泽龙太警告道：“如果设置不正确，现有的LLM也会失败。”他补充说：“许多人仍然对AI能够实际遵守术语表和风格指南感到惊讶，只要有适当的设置。”

游戏翻译中「语境」的重要性——宏观语境与微观语境

矢泽龙太强调，游戏翻译中的”语境“相当重要，并将上语境分为宏观和围观两个类别进行了说明。

一般来说，“语境”是指登场人物、对话的目的、话题等。熟练的人类翻译者会凭借经验直观地解读语境，但 LLM 是基于概率运行的，因此如果没有明确的指示，就不会排除任何一种解释。

换句话说，生成式人工智能不会像人类一样随意推测“这可能是正确答案吧”这样的上下文，但不这样做反而更好。这是因为，通过我们提供准确的上下文信息，LLM可以实现更准确的翻译。

为了应对这个问题，矢泽龙太将语境分为以下两类：

宏观语境——回答“这个世界是什么”的所有信息。

• 游戏世界的设定
• 规则
• 游戏中的修正
• 存在的国家等

微观语境——回答“这里发生了什么”的所有信息。

• 这个角色是谁
• 主角周围有什么
• 谁在对谁说话等

为什么宏观语境如此重要？当人类读文本或观看场景时，往往会下意识地假设一个世界设定。然而，对于经过无数类别和领域训练的AI来说，如果没有明确的指示，它会很难限制自己的推测。

矢泽龙太举了一个例子，指出AI甚至不会确定角色的性别：“许多人可能经历过‘他’经常被翻译为‘他们’的情况，因为AI不想决定角色的性别。”
他还列举了一个极端的例子：“从技术上讲，即便AI在阅读高幻想故事时，突然出现突击步枪的可能性也不能完全排除。这种可能性仍然存在。”

这一问题可以通过提示（Prompting）的方式来解决。提供世界设定的文档或故事的概要细节，并明确指示AI“仅考虑这些设定”，从而缩小AI的理解范围。

关于微观语境，他指出，明确“谁在对谁做什么，在什么情况下”是非常重要的。通过向AI提供角色的背景信息或场景的详细信息，翻译质量会得到显著提升。

矢泽龙太说：“作为一名专业翻译者，我必须承认，AI可以比人类更快，有时更彻底地参考并处理这些数据。但关键的前提是，说话者的名字和场景细节必须立即可供AI使用。否则AI无法提供最高质量的结果。”

语境理解的重要性具体例

矢泽龙太举了“I saw her duck”（Duck具有名词”鸭子“和动词”躲避“的含义）这句话来说明语境理解的重要性。在没有任何额外的语境时，这句话可能被理解为“我看到了她的鸭子”或“我看到她弯腰躲避”。在这种情况下，正确的理解概率仅为50%左右。然而，通过提供前后对话的背景，AI能够理解场景中是否存在鸭子，从而做出准确的判断。

进一步来说，如果宏观背景表明游戏世界观中不存在鸭子（例如鸭子已经灭绝，或者进化成了老鼠），AI就可以更加确信该句指的是“她弯腰躲避”。

在微观语境方面也有案例

• 多义性 例如，“fire”这个词在英语中可以有多种翻译（火灾、开火、解雇等）。如果没有语境支持，翻译结果不会比谷歌翻译更好。
• 一人称代词的多样性 在日语中，单是第一人称代词“我”就有十多种不同的表达方式，选择哪种表达方式取决于语境。
• 东亚语言的特殊性 许多东亚语言中没有明确的复数形式。比如，日语中的“卵（たまご）”既可以指一个蛋，也可以指多个蛋。此外，提到兄弟姐妹时，需要明确他们是年长的还是年幼的。因此，要将英文的“I have a brother”翻译成东亚语言，就必须知道这个”兄弟“是哥哥还是弟弟。

矢泽龙太还展示了LLM的能力——对藏头等“隐藏信息”的翻译。每一行的首字母组合形成了“たすけて”（意为“救我”）这一词，而在英语翻译中则变成了“Help me”。

矢泽龙太感叹道：“老实说，我对AI能够实现这一点感到非常惊讶。我一直以为这需要人工干预才能完成。”不过他补充说：“这并不是简单地按下按钮就能得到的结果，而是通过与工程师合作，进行预翻译分析后取得的成就。”

DMM GAME Translate的创新方法——什么是“新本地化公司”？

在矢泽龙太的演讲之后，野田克树详细介绍了DMM GAME Translate的商业模式和实际工作流程。

野田克树强调：“你们可能会认为我们提供的是一个可以完成所有工作的AI翻译SaaS解决方案。然而，我要明确指出，我们并不仅仅是提供一个AI翻译SaaS服务。”并解释道：

野田克树： 为了解决矢泽龙太提到的问题，我们正在构建一家“AI原生”的翻译公司，这就是我们在日本率先提出的“新本地化公司”（Neo-Localization Company）的概念。具体而言，我们不是通过AI来改造传统的翻译公司，而是围绕AI Agent重新设计一个从零开始的新工作流程。

简单来说，AI Agent是人类向LLM提供目标，LLM能够自主分解任务，互动环境，并在任务执行过程中提供持续反馈。

关于翻译，目标是本地化特定内容，但所需的任务因情况而异（例如现有的术语表是否可用，语境数据提供得如何，数据是否干净等）。野田克树解释道：“我们根据这些不断变化的条件动态调整任务，并以独特且有机的方式处理每个项目。”

目前，DMM GAME Translate在约一半的工作流程中使用了AI Agent。野田克树表示：“由于多样的游戏开发数据无法通过单一的AI来管理，我们并未采用SaaS解决方案。”

实际工作流程——AI与人类的协作

实际工作流程来看。首先DMM GAME Translate从客户那里接收到开发数据，这通常是以电子表格或文本的形式提取的游戏数据。

DMM会将这些开发数据输入AI Agent，评估哪些数据是必要的，确保它们已经为LLM的微调进行了优化，并决定是否需要进行网络搜索或术语表生成。野田克树强调，这个准备阶段至关重要：“包括AI与人类协作的这个准备过程，是打造专属翻译AI Agent的基础。”

在语境数据准备就绪后，应用程序可以根据角色的个性、场景的上下文以及对话的对象，快速高效地翻译所有脚本，并瞬间生成翻译后的文本文件。矢泽龙太这样的翻译专家则会提供关于语境的适当性、术语表、风格翻译以及翻译提示工程的反馈。野田克树表示：“由翻译者管理自己的AI这一方法，目前为止带来了最佳的成果。”

在基于时间线的工作流程中，客户输入他们的偏好和要求，AI Agent会与客户协作进行解释，完成数据准备、AI训练、术语表应用和翻译审查。“当然，客户的反馈在超出我们职责范围的决策中是不可或缺的，因此我们人类团队作为客户与AI Agent之间的桥梁起着关键作用。”野田克树进一步解释道。

翻译本身进行得非常迅速，据称即使是100万字的项目，也常常能在数小时内完成。野田克树指出：“通过我们人类团队的细致准备和设置，AI可以在峰值性能下运行，提供前所未有的质量和速度。”

“听起来像是一个简单直接的流程，但其实人类与AI之间的反馈循环是最为重要和复杂的部分。”野田克树强调说，并补充道，这就是为什么只有一半的流程依赖AI Agent。

野田克树解释道：“通常，我们会在一开始处理一些任务时不使用AI，然后逐渐将这些任务转移到AI上。” 这种动手操作的方式是必要的，因为游戏翻译会因其语境、产品、时间安排以及公司而有显著差异。因此，不可能用一个工作流程来应对所有项目。

与传统翻译公司之间的差异与成果

“那么，我们与传统的翻译公司有何不同呢？我称其为‘新翻译公司’。”野田克树总结了几个主要区别：

• 大部分翻译由AI完成：这是字面上的，AI完成大部分的翻译工作，而不是像传统方式那样由人类来进行机器翻译后的编辑。
• 超快速的翻译处理：一旦AI设定完成，100万字的翻译可以以超人般的速度完成。
• 语境知识的永久保存：重要的语境数据不再依赖于个别的翻译者。AI不会遗忘，也不会离职，因此上下文语境知识可以永远保存。

作为取舍，野田克树指出，“初始的设置至关重要且费时。每个游戏的特定翻译数据都需要精细调整。”然而，他补充说，“我们现在可以在1到2周内完成设置，实现无与伦比的翻译速度。”

野田克树还列举了以下具体成果作为KPI：

• 在AI Agent设定完成后，100万字的翻译可在一天内交付。
• 具有竞争力的收费标准，最低每字3美分。
• 服务启动6个月内完成了50个游戏标题的翻译。
• 支持10种以上的语言对，其中不包括日语。
• 部分客户甚至无需后期编辑，直接发布AI翻译的内容。

翻译者的未来与游戏本地化的前景

在演讲的最后，野田克树和矢泽龙太讨论了翻译者的未来以及游戏本地化的前景。

矢泽龙太解释了翻译工作由两个部分组成：“首先，将文本从A语言转换为B语言。其次，发布内容。过去这都是由一个人的脑力完成的，但现在，AI可以以惊人的精度和速度处理转换部分，而且这种能力正在不断提高。” 矢泽龙太承认，“AI接管转换部分几乎是不可避免的。”但他同时强调：“这并不意味着人类翻译者仅剩修饰的工作，语言技能在与AI协作中将成为强大的资产。”

矢泽龙太预测，译者这个职业将被重新定义，并演化出全新的角色。“我认为，许多译者将在某种程度上转型为本地化总监。此外，可能也有人选择独立工作，专注于自己真正喜欢的游戏。”

关于游戏本地化的未来，矢泽龙太预测，“关于本地化成本是否能通过销售额合理化的问题将很快成为过去。”他还表示：“这听起来可能有些天真，但我希望创建一个减少枯燥重复工作的未来，让人们能够专注于他们真正关心的部分，并提高这些部分的质量。如果我能够将时间只花在重要的事情上，那就是我的目标。”

对此，野田克树总结道：“AI不仅仅是提供廉价翻译的工具，它还能使翻译者专注于更本质的任务，极大地增加被本地化的游戏数量以及支持的语言数量，这将导致游戏本地化的民主化。”