Переклад текстів в IT галузі
Никула Денис, 3 курс Київського міжнародного університету, 035 Філологія, заочна форма навчання
Зміст
- Вступ в переклад текстів в IT галузі
- Виберіть короткий технічний текст (наприклад, опис функціоналу програми чи інструкції з використання) та перекладіть його з англійської мови на українську. Звертайте увагу на термінологію та точність перекладу
- Знайдіть статтю або блог-пост, пов'язаний із розробкою програмного забезпечення чи IT-проєктами. Визначте ключові терміни та важливі ідеї в тексті, а потім спробуте здійснити їх переклад. Розгляньте варіанти перекладу технічних термінів та обгрунтуйте свй вибір
- Технічний переклад в IT
- Мовний аспект в перекладі IT-текстів
- Виберіть фрагмент тексту з технічної документації з галузі IT. Зробіть список ключових термінів та складних термінів, які зустрічаються у тексті. Проведіть дослідження та знайдіть відповідні переклади цих термінів та обгрунтуйте свій переклад
- Знайдіть відкритий вихідний код короткого програмного забезпечення або функції. Здійсніть переклад коментарів, назв змінних та інструкцій
- Створіть глосарій з області IT для перекладачів. Оберіть 20 ключових термінів, що широко використовуються в індустрії, таких як «API», «frontend», «backend», «database» тощо. Для кожного терміну надайте визначення та використовуйте англійські та українські еквіваленти. Зазначте можливі труднощі та нюанси перекладу цих термінів
- Створіть переклад англійськомовного технічного опису програмного продукту з області штучного інтелекту. Зверніть особливу увагу на використання специфічної термінології та забезпечення чіткості та зрозумілості перекладу для технічних спеціалістів
- Що таке послідовність перекладу і як її забезпечити у великих ІТ-проєктах
- Поясніть значення термінів pipeline, dataset, training loop та особливості їхнього перекладу
- Дайте визначення локалізації і поясніть, чим вона відрізняється від перекладу
- Як явище дрейфу домену впливає на термінологію в документах з AI
- Опишіть повний робочий процес перекладу release notes з англійської на українську з високою термінологічною точністю
Вступ в переклад текстів в IT галузі
Виберіть короткий технічний текст (наприклад, опис функціоналу програми чи інструкції з використання) та перекладіть його з англійської мови на українську. Звертайте увагу на термінологію та точність перекладу
https://preactjs.com/ (https://archive.is/fBY36)
| en | uk |
|
# Preact — Fast 3kB alternative to React with the same modern API |
# Preact — Швидка 3-кілобайтна альтернатива React із тим самим сучасним API |
| ## A different kind of library | ## Принципово інакша бібліотека |
| ### Closer to the DOM | ### Ближче до DOM |
|
Preact provides the thinnest possible Virtual DOM abstraction on top of the DOM. It builds on stable platform features, registers real event handlers and plays nicely with other libraries. |
Preact надає найтоншу можливу абстракцію віртуальної DOM (об'єктної моделі документа) на основі справжньої DOM. Вона спирається на стабільний функціонал платформи, реєструє справжні обробники подій і добре уживається з іншими бібліотеками. |
|
Preact can be used directly in the browser without any transpilation steps. |
Preact можна використовувати напряму в браузері: транспілювання не потрібно. |
| ### Small Size | ### Невеликий розмір |
|
Most UI frameworks are large enough to be the majority of an app's JavaScript size. Preact is different: it's small enough that your code is the largest part of your application. |
Більшість фреймворків для побудови користувацького інтерфейсу настільки великі, що можуть переважати за розміром JavaScript-код самої програми. Preact інакша: вона достатньо маленька, щоб ваш код залишався більшою частиною вашої програми. |
|
That means less JavaScript to download, parse and execute — leaving more time for your code, so you can build an experience you define without fighting to keep a framework under control. |
Це означає, що доводиться завантажувати, аналізувати й виконувати менше JavaScript-коду - на ваш код залишається більше часу, тож саме ви визначаєте досвід користувача, не змагаючись із фреймворком за контроль. |
| ### Big Performance | ### Висока швидкодія |
|
Preact is fast, and not just because of its size. It's one of the fastest Virtual DOM libraries out there, thanks to a simple and predictable diff implementation. |
Preact швидка — й не лише завдяки розміру. Завдяки простій і передбачуваній реалізації виявлення відмінностей це одна з найшвидших бібліотек віртуальної об'єктної моделі документа. |
|
We automatically batch updates and tune Preact to the extreme when it comes to performance. We work closely with browser engineers to get the maximum performance possible out of Preact. |
Ми автоматично об'єднуємо оновлення для пакетного виконання й налагоджуємо Preact для екстремальної швидкодії. Ми тісно співпрацюємо з інженерами браузерів, що витиснути максимум швидкодії з Preact. |
| ### Portable & Embeddable | ### Портативність і вбудовування |
|
Preact's tiny footprint means you can take the powerful Virtual DOM Component paradigm to new places it couldn't otherwise go. |
Невибагливість Preact означає, що ви можете застосувати потужну парадигму компонентів на основі віртуальної DOM там, де досі не могли. |
|
Use Preact to build parts of an app without complex integration. Embed Preact into a widget and apply the same tools and techniques that you would to build a full app. |
Використання Preact для побудови окремих складників застосунку не потребує складної інтеграції. Вбудуйте Preact у віджет і застосуйте ті самі засоби й техніки, за допомогою яких ви будуєте весь застосунок. |
| ### Instantly Productive | ### Негайна продуктивність |
|
Lightweight is a lot more fun when you don't have to sacrifice productivity to get there. Preact gets you productive right away. It even has a few bonus features: |
Невибагливість цікавіша, коли заради неї не доводиться жертвувати продуктивністю. Робота з Preact не вимагає додаткових часових затрат. Preact навіть спрощує деякі завдання: |
|
- props, state and context are passed to render() |
- властивості, стан і контекст передаються render() |
|
- Use standard HTML attributes like class and for |
- використовуйте стандартні HTML-атрибути, як-от class і for |
| ### Ecosystem Compatible | ### Сумісність з екосистемою |
|
Virtual DOM Components make it easy to share reusable things — everything from buttons to data providers. Preact's design means you can seamlessly use thousands of Components available in the React ecosystem. |
Завдяки компонентам на основі віртуальної DOM легко ділитися тим, що можна використати повторно: від кнопок до надавачів даних. Архітектура Preact дає змогу безперешкодно використовувати тисячі компонентів, уже доступних в екосистемі React. |
|
Adding a simple preact/compat alias to your bundler provides a compatibility layer that enables even the most complex React components to be used in your application. |
Просто додайте псевдонім preact/compat у свою систему збірки — й ви зможете використати в своєму застосунку навіть найскладніші React-компоненти. |
Знайдіть статтю або блог-пост, пов'язаний із розробкою програмного забезпечення чи IT-проєктами. Визначте ключові терміни та важливі ідеї в тексті, а потім спробуте здійснити їх переклад. Розгляньте варіанти перекладу технічних термінів та обгрунтуйте свй вибір
https://preactjs.com/blog/introducing-signals/
Signal — сигнал. Запозичується багатозначний термін з електроніки. До нового контексту підходить його спеціалізоване значення «Вияв функціонування чогось, що викликає відповідну реакцію якого-небудь приладу». Йдеться про функціональну зміну значення, що викликає реакції в компонентів, які його використовують, і не викликає в тих, які його не чіпають. https://slovnyk.me/dict/vts/%D1%81%D0%B8%D0%B3%D0%BD%D0%B0%D0%BB
Reactive — реактивний. Також запозичується термін, цього разу з біології: «Здатний реагувати певним чином на вплив зовнішнього середовища». Бібліотеку, альтернативною реалізацією інтерфейсу якої є Preact, названо React саме тому, що вона застосовує принцип реактивності: окремі компоненти застосунку автоматично перемальовуються, реагуючи на зміну параметрів. https://slovnyk.me/dict/vts/%D1%80%D0%B5%D0%B0%D0%BA%D1%82%D0%B8%D0%B2%D0%BD%D0%B8%D0%B9
Virtual DOM — віртуальна DOM (об'єктна модель документа). Термін в оригіналі утворено доданням до іншого терміна DOM слова Virtual для підкреслення того, що об'єкти віртуальної моделі не мають втілення (https://slovnyk.me/dict/social_terms/%D0%B2%D1%96%D1%80%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D0%B8%D0%B9), завдяки чому можуть багатократно створюватись, порівнюватись і видалятись у пам'яті без значних ресурсних затрат. В оригіналі використано скорочення DOM, тоді як в українській термін не має загальноприйнятого скорочення, натомість вживається оригінал абревіатури (приклад: https://uk.wikipedia.org/wiki/%D0%9E%D0%B1'%D1%94%D0%BA%D1%82%D0%BD%D0%B0_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%B4%D0%BE%D0%BA%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D0%B0). Тому перекладаю додане слово Virtual як «віртуальна» й залишаю абревіатуру DOM далі в тексті, додавши при першому вживанні в дужках дослівний український переклад терміна.
State — стан. За словником, термін означає сукупність ознак, рис, що характеризують предмет. У контексті застосунку означає сукупність його характеристик, які можуть змінюватися під час роботи й на які застосунок має реагувати. https://slovnyk.me/dict/orthography/%D1%81%D1%82%D0%B0%D0%BD
Props — властивості. Скорочення від properties. Перекладати повною формою милозвучніше, ніж транслітерувати як пропси.
Hook — хук. Термін означає прохання бібліотеки виконати код розробника в певний момент життєвого циклу сторінки. Відбувається шляхом виклику функцій бібліотеки; це контрастує з успадкуванням класів бібліотеки, на зміну чому прийшли функціональні хуки. Українського терміну з аналогічним значенням немає; відомий переклад hooking як перехоплення в цьому випадку некоректний. Перекладаю транслітерацією.
Class component — класовий компонент. Попередник функціональних хуків. Використовую дослівний переклад, оскільки в українські мові давно усталені переклади двох термінів: клас і компонент — шляхом транслітерації.
Bundle size — розмір збірки. Йдеться про обсяг у байтах сукупності коду, до якої входять зібрані (скомпільовані) файли застосунку та бібліотек, від яких він залежить. Український термін «збірка» вважаю доречним у якості відповідника «bundle» за двома значеннями водночас: йдеться як про явище створення цілісної конструкції, механізму чи моделі з розрізнених частин (https://r2u.org.ua/forum/viewtopic.php?t=6861); видання творів, зібраних разом (https://slovnyk.ua/index.php?swrd=%D0%B7%D0%B1%D1%96%D1%80%D0%BA%D0%B0).
Dependency tree — дерево залежностей. Дослівний переклад, обидва терміни усталені в українському айті.
Invalidate — позначення (стану програми) застарілим. На вікі бачу переклад цього терміну як «анулювання» (https://uk.wikipedia.org/wiki/%D0%92%D0%B5%D0%B1%D0%BA%D0%B5%D1%88%D1%83%D0%B2%D0%B0%D0%BD%D0%BD%D1%8F) в контексті кешу (тимчасової копії даних для швидкого програмного доступу), вважаю його недоречним у контексті бібліотеки Preact, оскільки за принципом її роботи стан програми залишається переважно чинним — він не анулюється, не зникає, лише частково оновлюється. Термін вжито в тексті один раз, вважаю доречним перекласти коротким описом змісту.
Memoization — мемоїзація. Означає оптимізацію, коли при виклику функції з одними й тими ж аргументами декілька разів результат її першого обчислення зберігається для подальшого негайного повернення. Усталено перекладати цей термін транслітерацією https://uk.wikipedia.org/wiki/%D0%9C%D0%B5%D0%BC%D0%BE%D1%97%D0%B7%D0%B0%D1%86%D1%96%D1%8F
Third-party solution — розв'язок за допомогою зовнішніх бібліотек. Термін вжито один раз. Стаття контрастує два шляхи розв'язання одного завдання: втілення примітиву всередині Preact із мінімальним API як новий пропонований шлях і підключення зовнішніх бібліотек із більш інвазивним API як традиційний. Бібліотеки можуть необов'язково бути від інших розробників — third parties, втім авторство бібліотек є несуттєвою деталлю в цьому контексті; важливим натомість є факт, що вони зовнішні відносно кодової бази Preact.
Wrap a component — обгорнути компонент. Це метафора, що означає передання компонента як аргумента до певної функції, котра таким чином його «обгортає». Застосовую дослівний переклад.
Lazy by default: disconnected signals don't affect performance — початкова відкладеність: непід'єднані сигнали не впливають на швидкодію. Спеціалізований термін lazy має два усталені переклади: відкладений і лінивий (https://uk.wikipedia.org/wiki/%D0%9B%D1%96%D0%BD%D0%B8%D0%B2%D0%B0_%D1%96%D0%BD%D1%96%D1%86%D1%96%D0%B0%D0%BB%D1%96%D0%B7%D0%B0%D1%86%D1%96%D1%8F). На мою думку, перший варіант допомагає підкреслити, що при запуску програми значна частина сигналів залишаються неактивними й витрачають менше обчислювальних ресурсів, доки їх не буде під'єднано. Дослівний жаргонізм «лінивий» може бути більш доречним у статтях, орієнтованих на досвідчених розробників.
Direct access: accessing a value automatically subscribes to updates — прямий доступ: отримання значення автоматично підписує на оновлення. Основна ідея статті добре підлягає дослівному перекладу.
Технічний переклад в IT
Оберіть технічний текст англійською мовою з області IT. Завданням є переклад цього тексту на мову вивчення з урахуванням термінів і структури, характерних для технічного перекладу
https://amperecomputing.com/briefs/ampereone-family-product-brief (https://archive.ph/0UeMy)
Використав видачу DeepL як чернетку, звіряв терміни з вікі й технічними статтями, редагував, орієнтуючись на контекст і моє розуміння початкової логіки тверджень.
Built on Ampere’s unique cloud-native architecture and advanced 5nm process technology, AmpereOne® extends the proven leadership of the Ampere® Altra® family while remaining grounded in three foundational pillars of value:
Створений на основі унікальної хмарної архітектури Ampere, орієнтованої на хмарне застосування, та передової 5-нм технологічної процесорної технології технології з 5-нм процесом, AmpereOne® розширює перевірене укріплює безперечне лідерство сімейства Ampere® Altra®, залишаючись при цьому заснованим на трьох основних стовпах цінності дотримуючи при цьому три основоположні цінності:
Performance: A consistent, high-throughput micro-architecture featuring a pipelined mesh with single threaded cores that ensures predictability under high utilization.
Продуктивність: Стабільна мікроархітектура з високою пропускною здатністю, що включає конвеєрну сітку з однопотоковими ядрами, яка забезпечує передбачуваність при високому рівні використання інтенсивному використанні.
Efficiency: Exceptional performance-per-watt to optimize energy usage, reduce operational costs, and advance sustainability goals.
Ефективність Ощадливість: Виняткова продуктивність на ват - для оптимізації енергоспоживання, зниження експлуатаційних витрат і досягнення цілей сталого розвитку.
(словосполучення «продуктивність на ват» суб'єктивно звучить не дуже по-українськи, але вже є усталеним)
Scalability: Linear scaling delivers same incremental performance for every core added to each parallel workload in elastic containerized or virtualized environments.
Масштабованість: лінійне масштабування забезпечує однакову додаткову продуктивність для кожного ядра, доданого до кожного паралельного робочого навантаження в еластичних контейнерних або віртуалізованих середовищах. При виконанні паралельних завдань в еластичних контейнерах чи віртуалізованих середовищах додання кожного ядра забезпечує однаковий приріст продуктивності.
[…]
AmpereOne® processor architecture features 192 Ampere Arm ISA-compliant cores providing consistent high performance and pipelined cache to every provisioned process or application. Each core has a dedicated low-latency 2 MB L2 cache helping to maintain consistent performance and mitigate noisy neighbor interference.
Архітектура процесора AmpereOne® має передбачає 192 ядра, які сумісні з Ampere Arm ISA що й забезпечують стабільно високу продуктивність і конвеєрний кеш для кожного виділеного процесу або програми. Кожне ядро має виділений кеш L2 з низькою затримкою розміром 2 МБ виділені 2 МБ кешу з низькою затримкою, що допомагає підтримувати стабільну продуктивність і зменшувати вплив сусідніх процесорів.
A combination of high DDR5 memory bandwidth, 4TB of memory capacity, and consistent frequency ensure highly predictable performance for applications in multi-tenant cloud or dense containerized environments.
Поєднання високої пропускної здатності пам'яті DDR5, 4 ТБ ємності пам'яті та стабільної частоти забезпечує високу передбачуваність продуктивності для додатків програм у багатокористувацьких хмарних або щільних контейнерних середовищах.
AmpereOne architecture includes a coherent mesh interconnect with 64 distributed home nodes and directory-based snoop filters enabling seamless, low latency execution for all scheduled processes across the core network.
Архітектура AmpereOne включає в себе когерентну сіткову взаємодію з мережу взаємозв'язків із 64 розподіленими домашніми вузлами та фільтрами на основі снупінгу й каталогів, що забезпечують безперебійне виконання всіх запланованих процесів у мережі з низькою затримкою.
(Home node — вузол із фізичним процесором і локальною пам'яттю. Directory-based snoop filter. Snooping і directory-based coherence — взаємовиняткові терміни, ймовірно використовується змішана модель, де частина ядер втілює одну технологію, решта — іншу, й задачі розподіляються між ними за евристикою.)
[…]
AmpereOne is built for dense containerized deployments. Applications scale linearly as additional single-threaded cores are utilized. This makes AmpereOne an ideal platform for cloud native applications sensitive to latency variability or needing strict SLAs. Services integrated with AI ranging from visual analytics and natural language processing to classical machine learning pipelines are workloads that benefit from this level of consistency, elasticity and determinism.
AmpereOne створено для щільних контейнерних розгортань. Додаткові однопотокові ядра забезпечують лінійне масштабування додатків. Програми масштабуються лінійно при доданні однопотокових ядер. Це робить AmpereOne ідеальною платформою для хмарних додатків застосувань, чутливих до змін затримки або таких, що потребують суворих угод про рівень обслуговування (SLA). Такі робочі навантаження, як сервіси, інтегровані з штучним інтелектом: від візуальної аналітики та обробки природної мови до класичних конвеєрів машинного навчання — це робочі навантаження, які виграють від такого рівня забезпечуваної AmpereOne стабільності, еластичності та детермінізму.
With 128 lanes of PCIe Gen5, AmpereOne can support up to eight x16 devices attached to a single socket. IT providers have the flexibility to pair AmpereOne with a combination of AI inference accelerators, networking cards and high-performance storage/NVMe drives.
Завдяки 128 лініям PCIe Gen5 п'ятого покоління* AmpereOne може підтримувати до восьми пристроїв x16, підключених до одного сокета. ІТ-провайдери мають можливість можуть поєднувати AmpereOne з комбінацією прискорювачів акселераторами штучного інтелекту, мережевих карт і високопродуктивних накопичувачів/дисків мережевими дисками, високопродуктивними NVMe-накопичувачами.
AmpereOne platforms combined with AI accelerators provide operational flexibility to expand model capacity, batch sizes or concurrent sessions on one system. Models can be provisioned according to size and service level agreements without allocating racks to inflexible single purpose GPUs. AmpereOne is the ideal foundation for at-scale AI-enabled web-services and enterprise applications.
Платформи AmpereOne в поєднанні з прискорювачами акселераторами штучного інтелекту забезпечують оперативну гнучкість для розширення потужності моделей, розмірів партій пакетів або одночасних сеансів в одній системі. Моделі можуть бути надані AmpereOne дає змогу розгортати моделі відповідно до їхнього розміру та угод про рівень обслуговування без виділення стійок для негнучких одноцільових графічних процесорів. AmpereOne є ідеальною основою для масштабних веб-сервісів та корпоративних додатків з програм із підтримкою штучного інтелекту.
Мовний аспект в перекладі IT-текстів
Виберіть фрагмент тексту з технічної документації з галузі IT. Зробіть список ключових термінів та складних термінів, які зустрічаються у тексті. Проведіть дослідження та знайдіть відповідні переклади цих термінів та обгрунтуйте свій переклад
https://preactjs.com/guide/v10/context
| # Context | # Контекст |
|
Context is a way to pass data through the component tree without having to pass it through every component in-between via props. In a nutshell, it allows components anywhere in the hierarchy to subscribe to a value and get notified when it changes, bringing pub-sub-style updates to Preact. |
Контекст — це шлях передання даних вглиб дерева компонентів без потреби вручну передавати дані кожному проміжному компоненту через властивості. Якщо коротко, він дає змогу компонентам у будь-якому місці ієрархії підписуватись на певне значення й отримувати сповіщення про його зміни — він надає Preact оновлення в стилі публікації-підписки (pub-sub). |
|
It's not uncommon to run into situations in which a value from a grandparent component (or higher) needs to be passed down to a child, often without the intermediate component needing it. This process of passing down props is often referred to as «prop drilling» and can be cumbersome, error-prone, and just plain repetitive, especially as the application grows and more values have to be passed through more layers. This is one of the key issues Context aims to address by providing a way for a child to subscribe to a value higher up in the component tree, accessing the value without it being passed down as a prop. |
Нерідко виникають ситуації, коли значення прабатьківського компонента (чи вище) треба передати дочірньому, тоді як проміжні компоненти його не потребують. Цей процес передання властивостей униз часто називають »свердлінням властивостей»; він може бути складним, вразливим до помилок і просто багатослівним, особливо коли застосунок росте й треба передавати крізь усе нові шари все більше значень. Це одна з головних проблем, які намагається розв'язати контекст; він надає змогу дочірньому компоненту підписатись на значення вище по дереву компонентів, отримуючи доступ до цього значення без передання його через властивості. |
|
There are two ways to use context in Preact: via the newer createContext API and the legacy context API. These days there's very few reasons to ever reach for the legacy API but it's documented here for completeness. |
У Preact є два шляхи використання контексту: новіший API createContext і застарілий API контексту. Зараз дуже мало причин використовувати застарілий API, але для повноти тут документовано і його. |
| ## Modern Context API | ## Сучасний API контексту |
|
### Creating a Context |
### Створення контексту (createContext) |
|
To create a new context, we use the createContext function. This function takes an initial state as an argument and returns an object with two component properties: Provider, to make the context available to descendants, and Consumer, to access the context value (primarily in class components). |
Щоб створити контекст, ми використовуємо функцію createContext. Ця функція отримує початковий стан як аргумент і повертає об'єкт із двома компонентами у властивостях: надавачем (Provider), який робить контекст доступним нащадкам, і споживачем (Consumer), який отримує значення контексту (переважно в класових компонентах). |
|
### Setting up a Provider |
### Налаштування надавача (Provider) |
|
Once we've created a context, we must make it available to descendants using the Provider component. The Provider must be given a value prop, representing the initial value of the context. |
Створивши контекст, ми мусимо зробити його доступним нащадкам за допомогою компонента Provider. Надавачу треба передати початкове значення контексту як властивість value. |
|
The initial value set from createContext is only used in the absence of a Provider above the consumer in the tree. This may be helpful for testing components in isolation, as it avoids the need for creating a wrapping Provider around your component. |
Початкове значення, отримане з createContext, використовується лише за відсутності надавача над споживачем у дереві. Це може бути корисним для тестування компонентів поодинці, оскільки тоді не доводиться створювати ще й надавача та обгортати в нього компонент. |
| ### Using the Context | ### Використання контексту |
|
There are three ways to consume a context, largely dependent on your preferred component style: static contextType (class components), the useContext hook (function components/hooks), and Context.Consumer (all components), . |
Є три шляхи споживання контексту. Вибір залежить передусім від стилю компонентів, якому ви надаєте перевагу. Є статичний contextType (для класових компонентів), хук useContext (для функціональних компонентів і хуків) і Context.Consumer (для всіх компонентів). |
| ### Updating the Context | # Оновлення контексту |
|
Static values can be useful, but more often than not, we want to be able to update the context value dynamically. To do so, we leverage standard component state mechanisms: |
Статичні значення можуть бути корисними, але частіше за все ми хочемо динамічно оновлювати значення контексту. Зробити це дають змогу стандартні механізми стану компонентів: |
| ## Legacy Context API | ## Застарілий API контексту |
|
This API is considered legacy and should be avoided in new code, it has known issues and only exists for backwards-compatibility reasons. |
Цей API вважається застарілим і його слід уникати в новому коді. Він має відомі проблеми й існує лише заради зворотної сумісності. |
|
One of the key differences between this API and the new one is that this API cannot update a child when a component in-between the child and the provider aborts rendering via shouldComponentUpdate. When this happens, the child will not received the updated context value, often resulting in tearing (part of the UI using the new value, part using the old). |
Одною з ключових відмінностей між цим і новим API є неможливість оновити дочірній компонент, коли компонент між дочірнім і надавачем скасовує рендер за допомогою shouldComponentUpdate. Коли це відбувається, дочірній компонент не отримує оновленого значення контексту, внаслідок чого часто виникає розходження (частина інтерфейсу використовує нове значення, а частина — старе). |
|
To pass down a value through the context, a component needs to have the getChildContext method, returning the intended context value. Descendants can then access the context via the second argument in function components or this.context in class-based components. |
Щоб передати значення через контекст, компоненту треба мати getChildContext, який повертає бажане значення контексту. Нащадки можуть отримувати доступ до контексту за допомогою другого аргумента функціональних компонентів або this.context у класових компонентах. |
Context — контекст. Ідеться про значення, котрі спільні для значних частин програми й передавати котрі вручну через властивості кожного компонента в ієрархії було б зайвою «бюрократією». Усталений переклад цього міжгалузевого терміну шляхом транслітерації означає сукупність факторів, які оточують певний об'єкт, обставин і умов, які надають йому значення (https://termin.in.ua/kontekst/); фонова інформація, яка надає значення тому, що відбувається на передньому плані. Це нам підходить.
Prop drilling — «свердління властивостей». Метафора, що порівнює передання властивостей униз по ієрархії компонентів із прорізанням отворів у кожному проміжному компоненті. Термін широко вживаний в англомовних текстах, але усталеного українського перекладу немає. Застосовую дослівний переклад, він наочний і зрозумілий за наявності мінімального досвіду навичок роботи з подібними до Preact бібліотеками. Обгортаю в лапки, оскільки не йдеться про буквальне свердління.
Pub-sub — публікація-підписка (pub-sub). Шаблон проєктування, при якому видавець передає повідомлення не багато разів безпосередньо кожному підписнику, а один раз бібліотеці, котра надалі визначає, яким підписникам його передати, залежно від своєї внутрішньої логіки. Використовую переклад назви шаблону, який бачу на вікі, але на моєму досвіді оригінал частіше вживається в українських текстах як є, тому зазначаю його в дужках.
Grandparent component — прабатьківський компонент. Ідеться як про компоненти, які знаходяться в ієрархії вище за поточний, батьківський відносно дочірнього. Кількість рівнів може бути довільною, тобто компонент, із якого отримується контекст, може бути й прапрабатьківським, і прапрапрабатьківським — частіше цих рівнів більше, а не менше. Через це переклад «прабатьківський» вважаю більш наочним, ніж дослівне «дідівський».
API — залишаю без змін. Термін часто вживається в оригіналі в скороченому вигляді. Стаття орієнтована на рівень навичок, котрий не потребує розшифрування application programming interface і уточнення дослівного перекладу «прикладний програмний інтерфейс».
Initial state — початковий стан. Термін утворено доданням до іншого терміну state означення initial. Суть терміну «state — стан» і обгрунтування його перекладу наводив раніше. Означення initial вжито в дослівному значенні, перекладаю його відповідно.
Provider/consumer — надавач/споживач. Ідеться про об'єкт, який публікує контекст, і об'єкти, котрі на нього підписані. Використовую усталені в українській мові переклади обох термінів. Поширено також переклад слова provider шляхом транслітерації — провайдер, проте зі специфічним значенням «надавач послуг інтернету», котре в цьому контексті неактуальне.
Legacy — застарілий. Прямого відповідника в українській немає, можна використовувати переклад одного з синонімів: inherited — успадкований або deprecated — застарілий. Другий варіант доречніший відносно контексту Preact, оскільки йдеться про API, який прямим текстом рекомендується більше не використовувати.
Tearing — розходження. Ідеться про помилковий показ даних із різних контекстів в одному місці. Прямого перекладу на вікі чи в словниках немає, тому йду на англійську вікі на сторінку screen tearing (контекстуалізований варіант терміну з близьким значенням), знаходжу польський варіант цієї сторінки rozrywanie obrazu, бачу в синонімах rozchodzenie się obrazu. Слово «розходження» точно передає значення з мого контексту, залишаю його.
Знайдіть відкритий вихідний код короткого програмного забезпечення або функції. Здійсніть переклад коментарів, назв змінних та інструкцій
English:
/**
* Create an virtual node (used for JSX)
* @param {import('./internal').VNode[»type»]} type The node name or Component constructor for this
* virtual node
* @param {object | null | undefined} [props] The properties of the virtual node
* @param {Array<import('.').ComponentChildren>} [children] The children of the
* virtual node
* @returns {import('./internal').VNode}
*/
export function createElement(type, props, children) {
let normalizedProps = {},
key,
ref,
i;
for (i in props) {
if (i == 'key') key = props[i];
else if (i == 'ref' && typeof type != 'function') ref = props[i];
else normalizedProps[i] = props[i];
}
if (arguments.length > 2) {
normalizedProps.children =
arguments.length > 3 ? slice.call(arguments, 2) : children;
}
return createVNode(type, normalizedProps, key, ref, NULL);
}
Українською:
/**
* Створити віртуальний вузол (використовується для JSX)
* @параметр {імпорт('./внутрішнє').ВВузол[»тип»]} тип Назва вузла або конструктор Компонента для цього
* віртуального вузла
* @параметр {об'єкт | ніщо | невизначено} [властивості] Властивості віртуального вузла
* @параметр {Масив<імпорт('.').КомпонентДіти>} [діти] Діти
* віртуального вузла
* @повертає {імпорт('./внутрішнє').ВВузол}
*/
експорт функція створитиЕлемент(тип, властивості, діти) {
нехай унормованіВластивості = {},
ключ,
посилання,
і;
для (і у властивості) {
якщо (і == 'ключ') ключ = властивості[і];
інакше якщо (і == 'посилання' && типу тип != 'функція') посилання = властивості[і];
інакше унормованіВластивості[і] = властивості[і];
}
якщо (аргументи.довжина > 2) {
унормованіВластивості.діти =
аргументи.довжина > 3 ? нарізати.викликати(аргументи, 2) : діти;
}
повернути створитиВВузол(тип, унормованіВластивості, ключ, посилання, НІЩО);
}
Створіть глосарій з області IT для перекладачів. Оберіть 20 ключових термінів, що широко використовуються в індустрії, таких як «API», «frontend», «backend», «database» тощо. Для кожного терміну надайте визначення та використовуйте англійські та українські еквіваленти. Зазначте можливі труднощі та нюанси перекладу цих термінів
- API — програмний інтерфейс. Засоби взаємодії систем за допомогою наперед визначеного протоколу, можна сказати «мови» для їхнього «спілкування». Буквально «інтерфейс програмування застосунків», «прикладний програмний інтерфейс».
- Frontend — фронтенд. Засоби взаємодії користувача з системою за допомогою текстових блоків і полів, кнопок, форм тощо. Еквівалент — UI, користувацький інтерфейс, клієнтська частина системи.
- Backend — бекенд. Програма, що відповідає за обробку логіки, розмежування доступу й керування робочими процесами. Зазвичай є еквівалентом server, серверна частина системи.
- Database — база даних. Сховище структурованих, організованих даних у стандартному форматі з програмними перевірками цілісності зв'язків між ними. Англійський частковий еквівалент — storage, однак це слово зазвичай не структуровані дані, а пари ключ-значення.
- Credentials — особові дані. Логін і пароль користувача, подекуди його електронна пошта, номер телефону, одноразові коди доступу, таємне питання для відновлення пароля. Термін буквально перекладається як повноваження, однак в айті це значення передається словом permissions або rights, а слово credential позначає дані, передати які необхідно для отримання дозволів чи повноважень.
- Authentication — вхід, або автентифікація. Процес передання системі особових даних для отримання повноважень. Перекладаю зазвичай як «вхід», коли йдеться про користувацький інтерфейс; це спрощує контрастування терміну з авторизацією.
- Authorization — авторизація, або перевірка. На сервері відбувається зіставлення тимчасового ключа, отриманого при вході, з тими особовими даними в базі даних, із яких його було виведено — й виконується запитана користувачем дія, якщо встановлено збіг. Усталено перекладати транслітерацією.
- Endpoint — ендпоїнт. Коли користувач запитує в системи сторінку example.org/path/to/page, то сервер може програмно запитувати дані в потрібному йому форматі аналогічним чином, api.example.org/path/to/endpoint. Буквально — кінцева точка доступу. Еквівалентом є route, коли йдеться про адресу з одною можливою дією (прочитати, створити, оновити чи видалити вміст), інакше route передбачає декілька endpoints.
- Request — запит. Прохання користувача чи програми до сервера щодо надання даних у потрібному форматі. Нетехнічні еквіваленти — запитання, повідомлення.
- Headers — заголовки. Дані, які доповнюють основну частину запиту, наприклад прохання повертати лише нещодавно змінені дані (інакше — заглушку), тимчасовий код доступу (токен сеансу, створений при успішній перевірці особових даних) тощо.
- Body — тіло, або корисне навантаження. Основна частина запиту, наприклад вміст текстових полів форми, підписаних їхніми назвами. Еквівалент — content, main data.
- Status code — код стану HTTP. Ним підписана кожна успішна чи помилкова відповідь веб-API. Код вказує на причину помилки (наприклад, недостатньо повноважень або дані було видалено), наслідок запиту (дані було створено або обробку поставлено в чергу), необхідність додаткових запитів (адресу тимчасово або назовсім змінено). Частковий еквівалент — reason phrase — усталена фраза, яка зазвичай супроводжує код стану й має той самий зміст у формі, зрозумілій для людини.
- Cache — кеш. Тимчасова копія даних, які дорого щоразу обчислювати чи завантажувати заново. Усталено перекладати транслітерацією.
- Webhook — вебхук, іноді вебгук. Засіб у системах із декількома серверами (своїми чи зовнішніми), за допомогою якого один HTTP-сервер може отримати від іншого сповіщення про зміну даних. Зазвичай є окремим API-ендпоїнтом для кожного підтримуваного протоколу взаємодії. Еквівалент — HTTP callback route.
- Rate limit — обмеження частоти запитів. Захист від надмірного використання ресурсів системи одним користувачем. Еквівалент — тимчасове блокування.
- Load balancing — розподіл навантаження. Наявність у системі декількох однакових серверів, яким можна паралельно видавати завдання, котрі надходять водночас, щоб уникати черг. Більш широкий еквівалент — parallelization.
- Proxy — проксі, посередник. Сервер, який знаходиться посередині між клієнтом та іншим сервером. Допомагає втілити розподіл навантаження, обмеження частоти запитів чи кешування, приховати фактичне знаходження сервера для запобігання прямим атакам. Перекладають буквально або синонімічно.
- Join (залишається слово англійською). Одноразове сполучення таблиць у базі даних для одночасного отримання, наприклад, блогової статті, інформації про її автора та його фото. Математичний еквівалент — поєднання, однак в інформатиці зазвичай мається на увазі конкретний вид операції з базами даних, тому використовується окремий термін.
- CDN (залишається абревіатура англійською). Географічно розподілена мережа серверів кешування, які знаходяться якнайближче до кінцевих користувачів. Дозволяє скоротити колективні затрати на отримання часто запитуваних матеріалів. Дослівний переклад — мережа розповсюдження вмісту, але зазвичай бачу оригінальну абревіатуру.
- Terminal — термінал. Командний текстовий інтерфейс для взаємодії користувача та/або розробника з програмами в системі. Дає змогу автоматизувати часто виконувані завдання, встановлювати й налаштовувати програми, виконувати дії одразу над багатьма файлами. Еквівалент залежно від контексту (GNU/Linux, Windows) — консоль, командний рядок.
Створіть переклад англійськомовного технічного опису програмного продукту з області штучного інтелекту. Зверніть особливу увагу на використання специфічної термінології та забезпечення чіткості та зрозумілості перекладу для технічних спеціалістів
https://speechbrain.github.io/ (https://archive.ph/agWFJ)
| English | українська |
| # SpeechBrain | # SpeechBrain |
|
Open-Source Conversational AI for Everyone |
Розмовний ШІ з відкритим кодом — для всіх і кожного |
| ## Key Features | ## Ключові можливості |
|
Open, simple, flexible, well-documented, and with competitive performance. |
Відкритий, простий, гнучкий, добре документований і може позмагатися з іншими в швидкодії. |
| ### Speech | ### Мовлення |
|
SpeechBrain supports state-of-the-art technologies for speech recognition, enhancement, separation, text-to-speech, speaker recognition, speech-to-speech translation, spoken language understanding, and beyond. |
SpeechBrain підтримує найсучасніші технології обробки мовлення: його розпізнавання, вдосконалення й розділення; перетворення тексту в мовлення (TTS), визначення мовця, синхронний переклад (S2S), розуміння розмовної мови й не тільки. |
| ### Audio | ### Аудіо |
|
SpeechBrain encompasses a wide range of audio technologies, including vocoding, audio augmentation, feature extraction, sound event detection, beamforming, and other multi-microphone signal processing capabilities. |
SpeechBrain охоплює широкий спектр аудіотехнологій, зокрема вокодування, видозміну звукових даних, виокремлення значущих властивостей, виявлення звукових подій, просторового фільтрування й інших можливостей, які надає обробка сигналу з декількох мікрофонів. |
| ### Text | ### Текст |
|
SpeechBrain offers user-friendly tools for training Language Models, supporting technologies ranging from basic n-gram LMs to modern Large Language Models. Our platform seamlessly integrates them into speech processing pipelines and facilitates the creation of customizable chatbots. |
SpeechBrain надає дружні до користувача інструменти для тренування мовних моделей. Він підтримує технології від базових n-грамних ММ до сучасних великих мовних моделей. Наша платформа бездоганно інтегрує їх у конвеєри обробки мовлення й дає змогу розробляти гнучкі чатботи. |
| ### Technology | ### Технологія |
|
SpeechBrain leverages the most advanced deep learning technologies, including methods for self-supervised learning, continual learning, diffusion models, Bayesian deep learning, and interpretable neural networks. |
SpeechBrain використовує найсучасніші технології глибокого навчання, зокрема методи самокерованого навчання, покрокового навчання, дифузійні моделі, Баєсове глибоке навчання й зрозумілі нейронні мережі. |
| ### Research & Development | ### Дослідження й розробка |
|
SpeechBrain is engineered to accelerate the research and development of Conversational AI technologies. It comes with pre-built recipes for popular datasets. Extensive documentation and tutorials are available to support newcomers. |
SpeechBrain розробляється, щоб прискорити дослідження й розробку технологій розмовного ШІ. Він «з коробки» містить уже зібрані рецепти для популярних наборів даних. Для підтримки новачків є ретельна документація та посібники. |
| ### HuggingFace! | ### HuggingFace! |
|
SpeechBrain offers pre-trained models with user-friendly interfaces, making tasks like transcription, speaker verification, speech enhancement, and source separation easier than ever. |
SpeechBrain надає вже натреновані моделі з дружніми до користувача інтерфейсами, завдяки чому транскрипція, підтвердження особи мовця, вдосконалення мовлення й розділення джерел простіші, ніж будь-коли. |
| ## Why SpeechBrain? | ## Чому SpeechBrain? |
| ### Easy to install | ### Легко встановити |
| Adapts to your needs. | Адаптується до ваших потреб. |
|
You can install SpeechBrain via PyPI for quick access to its functionalities, or through a local install for accessing recipes and delving deeper into the toolkit. |
Можна встановити SpeechBrain через PyPI, щоб отримати швидкий доступ до його функціоналу. Також можна скористатись локальним встановленням, щоб отримати доступ до рецептів і поглиблено вивчити інструментарій. |
| ### Easy to use | ### Легко використовувати |
| A single command. | Одна команда. |
|
Each SpeechBrain recipe defines all hyperparameters into a single YAML file. The training process is then orchestrated by a Python script. |
Кожен рецепт SpeechBrain визначає всі гіперпараметри одним YAML-файлом. А за оркестрування процесу тренування відповідає Python-скрипт. |
| ### Easy to customize | ### Легко налаштувати |
| Built for research. | Розроблено для досліджень. |
|
SpeechBrain is designed for research and development. Hence, flexibility, transparency, and replicability are core concepts to enhance our daily workflows. Users can easily define custom deep learning models, losses, training/evaluation loops, and input pipelines/transformations, and easily integrate into existing pipelines. |
SpeechBrain розроблено задля досліджень і розробки. Тому гнучкість, прозорість і відтворюваність — основні орієнтири при вдосконаленні наших повсякденних робочих циклів. Користувачі можуть легко встановити власні моделі глибокого навчання, функції втрат, тренувальні та обчислювальні цикли й конвеєри видозміни вхідних даних — а також легко інтегрувати наявні конвеєри. |
| ## About Us | ### Про нас |
|
SpeechBrain isn't a company or an association. It is an open-source toolkit and a community created by Dr. Mirco Ravanelli and co-created by Dr. Titouan Parcollet. We aim at making speech technologies more accessible for the community. |
SpeechBrain — не компанія й не асоціація. Це інструментарій із відкритим кодом і спільнота, створені доктором Мірко Раванеллі й доктором Тітуаном Паркольє. Ми маємо на меті зробити мовленнєві технології доступнішими для всіх. |
| Copyright ©2026 All rights reserved | Copyright ©2026 Усі права застережено |
Що таке послідовність перекладу і як її забезпечити у великих ІТ-проєктах
Від послідовності перекладу IT-документів — збереження змісту й технічної точності, структури, логіки — залежить швидкість впровадження, стабільність і безпека систем. Помилки призводять до реальних збоїв.
Переклад документації потребує суворого збереження структури й термінології, котра описує способи взаємодії з API (програмним інтерфейсом): ендпоїнти, методи, параметри запитів, відповіді сервера. Слід враховувати відмінності у версіях API й нюанси реалізації. В описах параметрів і запитів обов'язково вживати прийняті в галузі формулювання.
У специфікаціях потрібно перекладати фрази точно й однозначно, без узагальнень і вільних трактувань. Переклад кожного пункту специфікації перевіряється на відповідність стандартах. Перекладач має розуміти, які елементи є обов'язковими; якою є логіка вимог та взаємозв'язків між пунктами.
У протоколах і описах інтерфейсів важливі формати, послідовності й умови передачі інформації. Фрази мають бути звичними для інженерів і відповідати технічним стандартам і специфікаціям.
При перекладі посібників необхідно уникати зайвої складності, адаптувати покрокові інструкції та приклади під реальне використання з огляду на рівень авдиторії.
При перекладі базових принципів (README) й приміток про зміни між версіями на українську прийнято орієнтуватись на лаконічність і точність.
Для коректного, послідовного перекладу IT-проєктів із перекладачем має співпрацювати вся команда, зокрема технічні фахівці, що розуміють логіку й терміни, а тому можуть одразу оцінити вплив перекладених даних на робочі процеси й виявити потенційні огріхи. Деякі терміни не мають прямих аналогів у мові перекладу чи специфічні для окремих технологій і бібліотек — їх слід узгоджувати з розробниками.
В IT-документах часто містяться структуровані дані, таблиці й схеми в форматах JSON, YAML, Markdown та XML: перекладачу важливо вміти коректно працювати з їхнім синтаксисом і дотримувати їхню структуру. Також доцільно навчитися користуватися технологіями інтеграції: OpenAPI, gRPC, GraphQL — щоб наочно розуміти технічний контекст.
Фіксувати основні терміни й варіанти їхнього перекладу допомагає створення термінологічного глосарію й посібників зі стилю для коду й коментарів.1
Поясніть значення термінів pipeline, dataset, training loop та особливості їхнього перекладу
Pipeline
Термін, початково вжитий у галузі транспортування, перекладається не буквально (трубопровід), оскільки йдеться не так про транспортування даних, як про технологічний процес, на кожному етапі якого виконують роботи різні працівники. Використовується ближчий за значенням термін із галузей машинобудування, обробки матеріалів і пакування: конвеєр. В інформатиці прийнято перекладати термін pipeline як конвеєр також у контексті процесорів, зокрема графічних, проте з тим нюансом, що процесори виконують кроки без людського втручання.
ML pipeline
Робочий процес машинного навчання, або ML-конвеєр (ML Pipeline) — механізм формалізації та організації процесу створення моделі машинного навчання. Першим етапом є підготовка даних, визначення серед них добре позначених і чистих. Другим етапом є навчання моделі з використанням зібраної інформації; аналіз триває до отримання необхідної точності. Третій етап — розгортання моделі у виробничому середовищі; модель знову ж таки перепрограмовується для підвищення точності. Останній, четвертий етап — моніторинг: стеження за потенційними помилками.2
ETL pipeline
ETL-конвеєр (ETL pipeline) — процес витягнення даних із джерела (Extract), перетворення даних у машинно зчитуваний формат (Transform) і констатації даних, що надходять до цілі (ETL).3
Dataset
Набір даних (dataset) — придатна до використання моделлю машинного навчання, структурована, оцінена сукупність текстів чи зображень. Збір набору даних починається з визначення джерел (загальнодоступні набори, інтернет, штучні дані) даних, безпосередньо пов'язаних із цілями проєкту. Тоді триває передпроцес: перевірка, чи даних ще не було використано, й зміна налаштувань машинної моделі для використання конкретно вашого набору даних. Нарешті відбувається занотування: перевірка, чи є дані чистими й корисними, зрозумілими для обробки комп'ютером.4
Слово dataset перекладається буквально, оскільки є точним терміном з одним фіксованим значенням. Варто лише зауважити, що складник set має не математичне значення (множина), а більш виробниче (набір): a set of tools.
Training loop
Тренувальний цикл (training loop) — функція, яка описує алгоритм тренування моделі машинного навчання.5 Має на вході пакет тренувальних даних, отримує з машинної моделі передбачення для цього пакету, обчислює втрати й зворотні градієнти, виконує один крок навчання — змінює навчальні ваги залежно від обчислених за вашим алгоритмом градієнтів.6
Термін «training loop» не має усталеного українського перекладу. Буквальний переклад має в українській усталене значення: тренувальний цикл як повторюваний процес спортивних тренувань. Це нове значення не є небажаним, навпаки підкреслює алгоритмічність процесу вдосконалення моделі. Вважаю доречним його залишити
Дайте визначення локалізації і поясніть, чим вона відрізняється від перекладу
Локалізація — широка, спеціалізована адаптація початкового вмісту для кращої відповідності культурним уподобанням споживачів у певному регіоні. На відміну від перекладу, може повністю змінювати тон тексту, ідіоми й специфічні терміни. Може стосуватися презентації, дизайну й функціональності програми; адаптувати способи оплати, розміри товарів; довжини й напрямку тексту. Враховує законодавчі вимоги.
Локаль — вміст, інтерфейс і налаштування програми, що визначають мову, регіон та інші вподобання користувача. Охоплює формати дати й часу, символи валют, формати чисел, правила сортування й одиниці вимірювання.
Переклад — перетворення письмового тексту з мови оригіналу на іншу мову; одна зі складових локалізації. Охоплює більше мовних аспектів, відображає точне значення оригіналу. Переклад використовують при адаптації медичних записів, навчальних посібників, описів продуктів, юридичних документів. Переклад може бути сертифікованим і нотаріально завіреним. Локалізувати ж необхідно маркетингові кампанії, веб- і мобільні застосунки, упаковки й етикетки, назви брендів і слогани.7
Також виділяють поняття транскреації — творчого залучення місцевого колориту до оригіналу при локалізації. Оригінальне повідомлення не лише передається: до нього додаються посилання на конкретну культуру й лексику, що будуть оцінені цільовим ринком, без шкоди для цілісності бренду. Враховує емоційний вплив, «голос», репутацію і «особистість» бренду.8
Як явище дрейфу домену впливає на термінологію в документах з AI
При перекладі культурно чутливих текстів, зокрема текстів про ментальне здоров'я чи текстів із широким вжитком сарказму й іронії, необхідно досягати не лише буквальної точності. Необхідно передавати емпатію й тон, прокладати мости між культурами. Коли афективні й культурно чутливі тексти перекладають за допомогою машинної моделі, є ризик семантичного дрейфу галузевих міток (дрейфу домену). Це означає, що терміни замінюються на синоніми, котрі можуть мати значення, відмінне від оригіналу.
Чим більше машинна модель «знає» про цільову культуру, тим сильніший дрейф домену спостерігаються. Культурна близькість мови оригіналу й мови перекладу може запобігати дрейфу домену, але тільки в окремих доменах. Дрейф міток спостерігається і в культурно нейтральних доменах, але меншою мірою.
Якість обробки текстів за допомогою машинного навчання може перевищувати якість краудсорсу загалом, але обійтися без обробки результатів людиною наразі неможливо саме через дрейф домену. Ручна обробка передбачає голосування за декілька варіантів перекладу від різних мовних моделей, а тоді рецензування носіями мови тих випадків, у яких не вдалося досягти консенсусу.9
Дрейф домену трапляється зокрема при одночасному чи повторному застосуванні одного контексту машинного навчання для перекладу різних текстів. Наприклад, якщо ставити в одному сеансі використання мовної моделі на зразок GPT-4 питання про веброзробку й рецепти випічки, то буде змішано програмний і кулінарний контексти й може бути отримано відповіді з галузево некоректним застосуванням терміну cookies. Крім розмежування контекстів (окремі сеанси для перекладу різних текстів), доцільно замінювати типовий запит до мовної моделі, такий як «You are a helpful assistant», на інший з уточненням про необхідність враховувати лише технічний або лише кулінарний контекст відповідно, коли користувач використовує багатозначний термін.10
Опишіть повний робочий процес перекладу release notes з англійської на українську з високою термінологічною точністю
Локалізація текстів «що нового?», котрі супроводжують нові випуски програмного забезпечення, допомагає всій авдиторії — незалежно від мови й культури конкретного її члена — дізнаватися про оновлення, виправлення вад і нові функції. Переклад приміток до випусків сприяє вчасному оновленню інструкцій і посібників. Ефективне передання відомостей про оновлення виробів внутрішнім і зовнішнім зацікавленим сторонам не лише посилює їхню довіру, а й допомагає зібрати актуальну статистику й технічні дані про використання нових функцій.
При написанні й перекладі приміток до випуску слід уникати культурно чутливих нюансів, таких як ідіом, жартів і термінів із регіональною специфікою. Не варто звертатися до складної мови й жаргону; терміни, які не вживаються в програмному інтерфейсі й посібниках до програми, слід по можливості замінювати на максимально зрозумілі широкій авдиторії синоніми.
У примітках до випуску необхідно дотримувати термінологію, тон і стиль, спільні для сайту, програми й довідкових матеріалів. Це можна зробити за допомогою централізованого глосарію та пам'яті перекладу в «кішках».
Слід використовувати локальні формати дати, часу й чисел, а також культурно релевантну графіку й піктограми (скажімо, не показувати азійцям палець угору).
В одних культурах можуть цінуватися розгорнуті описи кожного нововведення, а в інших очікується, що примітки до випуску будуть максимально короткими.
Список функцій можна впорядкувати за тим, які оновлення найбільш пріоритетні в цільовому регіоні, наприклад європейським користувачам буде важливе дотримання GDPR, а азійським — вдосконалення багатомовної підтримки.
Після перекладу приміток до випуску варто показати їх декільком носіям кожної мови перекладу й зібрати зворотний зв'язок, щоб виявити проблеми з легкістю читання, тоном і культурними нюансами.11
Локалізувати примітки до випуску варто вчасно — під час його програмної реалізації; їхнє написання не має бути запізнілою думкою.
Примітки:
Переклад ІТ-документації: API, специфікації, інтерфейси. — Бюро перекладів у Києві Лев https://leo-translate.com.ua/uk/pereklad-it-dokumentiv/
Манохін Д. А. Програмно-алгоритмічне забезпечення для оброблення медичних зображень з використанням фрактальних фізико-інформованих нейронних мереж https://ami.lnu.edu.ua/wp-content/uploads/2023/01/Manokhin.pdf
Переклад vs локалізація: визначення відмінностей — Rapid Translate https://www.rapidtranslate.org/uk/resources/translation-vs-localization
Дарина Несін. Переклад проти локалізації: в чому різниця? https://myvic.com.ua/pereklad-proti-lokalizaciyi-v-chomu-riznicya/
Mohsinul Kabir†, Tasnim Ahmed, Md Mezbaur Rahman, Polydoros Giannouris, Sophia Ananiadou. Semantic Label Drift in Cross-Cultural Translation https://arxiv.org/html/2510.25967v1
Jaydeep Karale. LLM Guardrails Explained: Preventing Domain Drift in Production AI Systems https://x.com/_jaydeepkarale/status/2014397080673116531
How to Create Release Notes for a Global Audience? — Amoeboids https://amoeboids.com/blog/localize-release-notes-global-audience/