如何用 AI 帮你轻松实现多语种写作？

有时挡住你前进的因素，只是一些「不方便」。

需求

我平时一般都用中文写文章做视频。但是我逐渐发现，读者和观众里面也不乏完全不懂中文的人。

2021 年，我写作一篇介绍 Hookmark （彼时还叫做 Hook） 的文章，链接在这里。

文章写过之后，Hookmark 的作者 Luc P. Beaudoin 干脆就在网上发寻人启事了。

我当时就纳闷儿，外国人都认识中文了吗？其实不是，Luc P. Beaudoin 还专门写了篇文章，说明了阅读过程。原来他用了 Safari 的翻译插件。

外国人读中文，用机器翻译虽然不能保证百分百准确理解。但通过脑补，也能看懂个八九不离十。于是我就琢磨 —— 既然外国人能用自动翻译，那我只需要坚持输出一种文字（中文），然后让外国人自己用翻译插件来看不就完了？

从那儿以后，我单独输出英文版本的文章更少了。不过后来我发现，自己这个假设（外国人都是用翻译插件来读中文文章）根本不靠谱。就连我自己订阅的 RSS ，也经常会干脆忽略其中的英文内容，只看中文篇目。因为你抵挡不了母语熟悉程度的诱惑。他们连你的文章都不会注意到，又怎么会拿插件翻译后费劲地认真看呢？

要想真正把内容交付给更广泛的受众群体，翻译成外文就是不可或缺的过程。

2021 年 6 月份，和 Jamie Miles 那次直播对话之后，我写了个总结帖子。Jamie 读过后，立即要求合作 —— 他翻译到英语，注明内容来自我这边。

这样做的目的，当然是为了更广泛的传播。

我自己之前也有体会。例如当初在 Medium 的 Towards Data Science 专栏以英文写作的时候，外国人订阅和反馈还真是不少。但是后来我因为工作忙碌，没能继续坚持下来。Medium 上的文章还在写，但全都改成了中文。这下外国读者即便订阅了，也很少再给出反馈了。

与之形成对比的是，最近我又尝试了把几篇中文文章翻译成英文放在 Medium 上，效果立竿见影。文后很快就有了读者给出的积极反馈，英文写的。

你看，翻译成英文，是不是扩大读者范围的重要手段呢？

只不过，如果你真正尝试过就会发现，这可没有看起来那么方便和简单。

困难

把中文文章翻译成英文，最困难的部分在哪里？

原先，自然是在于内容的翻译。我在 Medium 上写 Towards Data Science 专栏文章时，采用的是彼时较为先进的 Google Translate 。翻译的效果很是一般，经常需要大量的后期人工处理，包括纠错、润色等。要不然，真会出现低级错误。后来，我干脆自己直接用英文写，这样起码对于初稿的控制程度大幅提升。

有了 DeepL 之后，我觉得曙光来了，还专门在知识星球上写了一篇文章《如何低成本发布多语种文档？》。文中我为读者介绍了自己用 DeepL 翻译文章，外加 Grammarly 纠错的方式。

但是，你想不到吧？我那次文章写完，之后就很长时间也没有再发布过英文文章。因为我还是觉得这个过程太麻烦了。

DeepL 翻译，有的时候确实不靠谱，会出现细节上的错误。你必须从头到尾认真校对，才能找出来。例如 这是推友「花果山大圣」做的测试，我觉得很生动，也很有代表性。

你看同样表达一个意思的 3 句话，被翻译成含义大相径庭的英文。如果你不做仔细校对，那么翻译的结果可能会搞得读者甚至作者自己都啼笑皆非。

DeepL 另外的一个问题，在于特殊格式（例如代码、图片、链接）的处理上，时常出现问题。

对比一下，我之前使用 Google Translate 翻译的时候，它甚至把链接里面的英文也都翻译成中文返回给我，让我哭笑不得。DeepL 在这方面好了一些，至少链接不再强行翻译了，但其他内容依然有问题。

下面咱们以我前些日子发布的公众号文章《如果笔记软件公司倒闭了，你的笔记还能接着用吗？》为例，看看 DeepL 翻译效果。

把它弄成 Markdown 格式，放入 DeepL ，翻译效果如下。

看起来，好像都不错。不过如果你把翻译之后的内容拷贝到 Typora ，结果是这样的：

你会清楚地看到，图都无法显示。为什么呢？

因为 DeepL 居然自作主张，在表示图片链接格式的符号 ! 和 [] 之间，给你平白无故加上一个空格。

这只是 DeepL 处理特殊格式出错的一个例子，绝非全部。想想看，若是每次翻译都这么麻烦，得人工校对，还得处理格式细节…… 反正我一动念头便会感到相当头疼。于是，当初雄心勃勃的 DeepL + Grammarly 文章批量翻译计划，由于我选用的技术方案有瑕疵，就这么长期搁置了。

2022 年末，平地一声惊雷，ChatGPT 为代表的 AIGC 来了。

曙光

我测试了 ChatGPT 翻译能力后，立即写下了一篇《我退订了智能翻译工具 DeepL Pro ，其实它真没有做错什么》，从这个标题里，你也能直观看出我的结论。

这之后 GPT-4 的翻译和校对能力，更是让我感到惊艳。它不仅可以翻译内容，还能够利用自己广泛的阅读经历，按照你指定的风格来输出文字。我一直怀疑，AudioPen 所使用的大模型，就是 GPT-4 。

只不过，GPT-4能够接受的输入长度太短了。我的中文文章，一篇大概至少也有3000-4000字，加上里面的链接、图片、代码等等一起输入，GPT-4根本承接不住。因为它的输入+输出只有8K tokens 长度。

当然咱们得说句公道话，后来 GPT-4 也提供了 32K 的选项，不过 API 调用价格确实贵了一些，而官方 Plus 对话版本又长期不支持这么长的 token 数量。退一步讲，即便有了 32K 的 token 长度，对于长文来说，我实际测试也不是很够用。

好在为咱们提供服务的 LLM （大语言模型）们早已「卷」了起来。你看，Claude 2 直接提供了 100K tokens 的单次对话长度，让用户们惊呼过瘾。

我当时就立即尝试了 Claude 2 的翻译功能。它翻译普通文本真的是效果出众。只不过一旦涉及图文并茂的内容，Claude 就出问题了。

还是以刚才那篇文章为例。

我是用的软件是 PoE ，里面涵盖的大语言模型还真不少。PoE 跟 ChatGPT Plus 比起来各有千秋。PoE 的模型数量可观，ChatGPT Plus 的数据分析与插件系统出众。此处咱们选择 Claude-2-100k 。

然后，我把提示词和文章的 Markdown 文本输入。

回车之后，Claude 2 开始执行。

你立即就发现问题了吧？

对，咱就别惦记着翻译结果里面图片链接是否正常了。打从你输入，这些图片就都从文章里消失了。

曙光乍现，就消失了。这让人情何以堪啊？

好在，解法还是有的。