B站游戏大模型翻译实践 —— 我们如何用LLM撑起全年百万字本地化翻译任务

1 前言

随着游戏行业全球化进程的深入推进，哔哩哔哩也在海外游戏市场积极布局。哔哩哔哩有丰富的游戏储备，运营众多自研和代理游戏，随着出海战略的推进，我们的目标用户已经覆盖全球多个地区。

游戏要想在海外市场取得成功，需要进行全面的本地化适配，其中语言本地化是关键一环。与普通文档翻译不同，游戏翻译需要处理系统界面、技能描述、剧情对白、活动公告等多种文本类型，每种内容都有不同的表达方式和风格要求。更重要的是，游戏翻译不仅要保证语言的准确性，更要传达游戏的文化内涵和情感体验，稍有疏忽就会影响玩家体验和沉浸感。

然而，游戏翻译的复杂性远超想象。我们在实践中面临着三大核心挑战：翻译内容复杂多样，质量管控难度大，成本与效率平衡。 国内友商手游出海时，曾出现过因翻译质量问题导致玩家在社区中客诉、游戏声誉受损的情况。成本压力也尤为突出，不仅因为游戏翻译文本量大、翻译难度高、单价贵，而且在游戏运营期间会有频繁的内容更新和活动上线，每次都需要重新翻译和审校，项目的总体年度维护成本往往超过初版本翻译成本。

如何在保证翻译质量的前提下降低本地化成本，成为我们亟需解决的问题。为此，哔哩哔哩游戏算法团队构建了一套基于大语言模型的游戏翻译体系，并在多个项目、多个语种中取得了显著成效。本文将详细介绍这套翻译平台的技术架构和核心价值。

2 传统翻译方法与痛点

在深入我们的技术方案之前，我们先了解一下传统游戏翻译是如何进行的，以及面临哪些问题。

2.1 传统翻译流程

传统的游戏本地化翻译主要依赖人工配合CAT工具（Computer-Assisted Translation Tools，如MemoQ、Trados、Smartcat等）的方式，典型流程包括：

第一步-熟悉游戏内容： 译者通过实际游玩或相关材料了解游戏内容，全面理解游戏机制、角色设定、和世界观等细节。
第二步-制定风格指南 (Style Guide)： 制定包括术语规范、格式要求、文本长度限制等在内的风格规范，确保团队统一翻译风格。
第三步-CAT工具辅助初稿翻译： 借助CAT工具（Computer-Assisted Translation Tools, MemoQ、Trados、Smartcat等）进行初稿翻译，利用术语库和记忆库来保证术语和相似句式翻译的一致性，提高翻译效率。

Tips:

术语库：存储专业术语的双语对照表，确保特定概念在整个项目中翻译的一致性

翻译记忆库：存储历史翻译过的句段对，通过模糊匹配复用相似表达

第四步-初稿审校与修订： 通过一校和二校修订，发现并纠正表达不当、风格不统一的问题，反馈译者沟通确认终稿。
第五步-专业LQA质检： 最终由专业本地化质量保证（Localization Quality Assurance，LQA）专家进行交付前检查，确保整体品质达标。

2.2 传统的翻译方法的局限性

尽管传统本地化流程在游戏行业应用已久，但在面对大体量、多语种、快迭代的出海项目时，仍存在以下三方面瓶颈：

成本高： 传统的本地化翻译过程中，专业游戏翻译人员稀缺，市场单价居高不下。对于追求全球发行的大型项目而言，单个语种的翻译成本往往达到百万级别 ，全球多语种发行每年的翻译总成本甚至达到千万级规模。
周期长： 为了保证翻译质量，通常需要经过多轮流程，单版本翻译内容迭代过程一般耗时2个月以上。
质量不稳定： 传统流程对供应商和人员依赖性强。供应商资源紧张或翻译人员流动会导致项目延期或质量波动。同一名称在不同版本中可能出现不同译法，影响游戏体验。
历史资产利用不足： 虽然CAT工具支持记忆库功能，但基于字符串相似度的模糊匹配对包含变量的游戏文本效果不佳。术语管理完全依赖人工，无法自动从历史翻译中发现新的术语对。

针对这些问题，B站游戏算法团队利用大模型的能力，构建了一套更高效、稳定、智能的翻译体系。

3 哔哩游戏大模型翻译体系

3.1 平台整体架构设计

我们构建的翻译体系并非简单地将Excel表格拖入ChatGPT，而是基于LLM的能力特点，量身定制了一套人机协作流程。整个体系采用四层架构：

数据层：翻译资料准备，包括历史翻译数据、术语表、翻译规范表、待翻译文本等基础数据资产。

算法层：核心翻译能力，包含三大核心模块：

自动术语挖掘：从历史数据中自动发现和补全术语库
检索增强翻译(RAG+LLM)：为LLM提供相关上下文，确保翻译一致性
翻译质检模型三大核心模块：自动检测和评估翻译质量

评估层：翻译质量保障，分为生产阶段(规则后检查+LQA专家审校)和测试阶段(BLEU分数+TQE(Translation Quality Estimation）人工打分)。
应用层：面向不同文本类型的翻译场景，支持系统文本、公告文本、技能文本、SNS文本、剧情文本等多种游戏内容。

3.2 核心运作流程

第一步-数据准备： 系统自动从翻译资料库中提取相关术语、历史翻译记忆等资源
第二步-智能翻译： 结合术语挖掘结果，通过RAG检索机制为LLM提供上下文，生成高质量译文
第三步-质量保障： 多层次质检确保输出质量，不合格内容触发反馈优化流程

3.3 系统核心价值

效率提升： 翻译周期相比传统方案缩短85%以上，整体成本节省70%～80%
规模价值： 支持简体中文、繁体中文、日语、韩语、泰语、英语、德语、法语、西班牙语、葡萄牙语等10种语言同时翻译，实现全球同步发布
质量稳定： 通过标准化流程减少对外部供应商的依赖，AI+人工混合模式确保交付稳定性，线上客诉控制在万分之一内

4 哔哩游戏大模型翻译体系的核心技术

在阐述了平台整体架构和价值后，本章将深入探讨支撑平台运行的三大核心技术：检索增强翻译、自动术语挖掘和翻译质量评估体系。

4.1 检索增强翻译（RAG）流程

在游戏本地化过程中，术语不统一、句式风格漂移、剧情断裂等问题极易破坏玩家的沉浸体验。为系统性解决这些问题，我们构建了基于大语言模型(LLM)的检索增强生成（RAG）翻译流程，并结合领域适应的翻译模型训练，形成了完整的游戏翻译解决方案。

4.1.1 核心价值

一、保证术语一致性

游戏版权方通常对专属名词、技能、人物称呼等有严格限制，即使有缩写或语序变化也必须统一。RAG翻译可以很好的解决这个问题。

术语翻译一致性的例子如下，可看出通过RAG流程，翻译的一致性更好。

二、保证上下文一致性

剧情文本涉及大量角色风格、情感、语气等语言特征，传统方法无法通过逐句翻译实现自然衔接，且出现过的内容，需要保证翻译的一致性，RAG翻译的方式可有效处理。

一个上下文一致性的剧情翻译样例如下：

4.1.2 RAG核心流程与架构

我们构架的RAG翻译系统包含术语检索和记忆库检索两大核心模块，分别处理不同类型的翻译需求。整体系统架构如下图所示：

一、术语检索模块（Hybrid Search）

查询通用术语库： 覆盖游戏通用概念、UI元素等标准化表达
场景相关术语优先： 根据文本类型（如技能描述、剧情对白）动态调整术语权重
精确匹配： 确保IP相关词汇、角色名称等关键术语的翻译一致性

二、记忆库检索模块

分chunk调用topk：将文本按语义单元切分，每个chunk独立检索相似表达
重排序机制：我们设计了多因子加权打分函数，结合文本内容重新计算得分，确保检索结果的相关性

Score = α * SemanticSim + β * RoleSim + γ * StyleSim + δ * MoodSim

其中：

SemanticSim：当前片段与候选译文的语义相似度（如向量余弦相似度）
RoleSim：说话人是否一致（完全一致为1，相似角色为0.5，其他为0）
StyleSim：语体风格是否匹配（如敬语 vs 俚语）
MoodSim：情绪/场景氛围是否一致（如"悲伤 vs 悲伤"为1，相似情绪为0.5）

双库支持：通用记忆库提供跨项目复用，场景相关记忆库保证项目特色

4.1.3 自训练翻译模型模块

在RAG检索机制外，我们还构建了基于历史数据的自训练翻译模型，通过学习历史场景的常见表达模式，可以大幅提升翻译质量和一致性。具体方法包含：

一、指令微调（Instruction Tuning）

多输入指令设计： 设计支持术语库、记忆库、场景上下文等多种输入的指令模板，使模型能够灵活利用各类翻译资源
针对性数据增强： 基于游戏翻译场景的特点，构造包含术语约束、风格要求、上下文信息的训练样本，提升模型在复杂翻译任务中的表现

二、强化学习优化

基于人类反馈的微调： 针对游戏翻译中的常见规则和质量要求，采用GRPO（Group Relative Policy Optimization）等强化学习方法进行人类反馈优化
奖励模型设计： 基于翻译质量、术语一致性、风格匹配等多维度构建奖励函数

4.1.4 效果验证

RAG翻译流程使专家得分提升50%
全面覆盖系统文本、技能描述、剧情对白、公告文本等多类游戏翻译需求
有效保障术语统一、表达一致、角色语言风格连贯

4.2 自动术语挖掘

术语统一是保证翻译质量的核心环节之一。除了遵循版权方提供的IP术语表外，每个版本还需构建覆盖本地化特色与文本表达习惯的项目术语集。我们的自动术语挖掘技术分为两个互补的流程：存量术语挖掘和新文本术语发现。

4.2.1 存量翻译对中的术语挖掘

从历史翻译文本中自动识别未被术语库覆盖的术语对，用于补全术语体系，避免翻译不一致，确保历史经验的充分利用。完整流程包括三步：

候选术语对抽取： 结合词法分析与语义判断，采用Few-shot Prompting指导LLM生成匹配术语。例如从日文「風ノ剣士ユウト」和译文「风之剑士优人」中，识别出术语对「風ノ剣士」-「风之剑士」、「ユウト」-「优人」。
术语筛选过滤： 依据词频与上下文使用场景过滤冗余内容，剔除已存在的重复项。
专家审核确认： 将候选术语对提交语言专家审核，形成最终增量术语库。

4.2.2 待翻译文本的候选术语发现

在仅有源语言（如日文）的新版本文本中，自动识别潜在术语并生成目标语言候选表达，避免翻译不一致。完整流程包括两步：

文本分析与词组提取：结合词法分析与语义(词向量相似度)判断生成候选术语，使用LLM进行新术语的对应译文生成。
专家审核确认：将候选术语列表提交审核，纳入当前版本的术语表。

4.2.3 效果验证

显著节省人力成本：相比人工挖掘，本方案术语挖掘效率提升95%以上
覆盖率提升：额外挖掘出20%术语，候选准确率达到80%，显著节省人力成本

4.3 自动化翻译质量评估体系

在游戏本地化的翻译流程中，LLM虽具备通用语义理解与表达能力，但也暴露出不可控和质量不确定的问题。为了解决这些问题，我们构建了一套多层次的质量评估体系，从规则检测到智能评估，多维度保障翻译质量。

4.3.1 质量问题的系统性分析

通过对大量翻译输出的分析，我们将LLM翻译中的质量问题归纳为三个维度：

一、准确性问题

增译现象： 模型添加原文中不存在的信息，如将简单的登录奖励描述扩展为包含具体日期的复杂表述
漏译问题： 关键信息遗漏，特别是游戏中的难度标识、数值参数等重要元素
术语违规： 未按照预设术语库进行翻译，导致角色名称、技能名称等关键词汇不一致

二、语言质量问题

语种混杂： 目标语言中混入源语言片段，如英文翻译中保留日文字符
格式不当： HTML标签、换行符、特殊符号的不当处理
可读性问题： 符号使用不规范、拼写错误等基础语言问题。

三、本地化适应性问题

文化表达不当： 不符合目标语言的表达习惯和文化背景
数字格式错误： 数字、日期、货币等的本地化格式处理不当
语域不匹配： 正式度、敬语等语言风格与游戏场景不符

我们从TQE反馈中收集了部分模型的错误翻译输出，样例如下：

4.3.2 分层翻译质量治理

在翻译质量评估的过程中，采用BLEU、COMET 等传统评分方法，在高分区间无法有效区分译文在业务场景的优劣；而效果好的人工评估（TQE）耗时长、成本高，通常需要较长时间评估一个版本，无法快速获得反馈。

为了解决以上问题，我们设计了三层递进的质量治理策略，从基础规则检测到智能化评估，形成完整的质量保障体系。

一、后检查机制

针对可明确定义的问题，目前已在生产阶段部署以下自动化检测策略：

语种一致性检测： 结合正则表达式与语言识别模型判断混和语种现象
格式完整性验证： HTML 标签闭合、Unicode 编码、换行与特殊符号规范等
术语一致性校验： 与术语库比对专有名词是否增漏译或误译

当前效果：规则层方案已在生产环境稳定运行，可覆盖70%以上格式和术语问题；但是复杂问题覆盖有限，优化空间趋于饱和，需要引入其他方案。

二、多轮评估与翻译优化迭代

针对规则无法判断的复杂问题，建立人机协作的多轮评估与优化流程：

分层评估策略： 先通过BLEU/COMET等指标初筛，再由TQE专家做详细评估
迭代优化机制： 结合TQE反馈，对翻译LLM进行进行多轮优化，直至质量评分达标

使用该方案效果显著但成本较高，在可扩展性上表现不佳。每次迭代都需要额外协调TQE专家资源，且评估结果都高度绑定特定项目版本，难以实现跨项目的经验复用，限制了方案的规模化应用。

三、翻译Agent（LLM-as-Judge）

为解决评估效率和标准一致性问题，构建本地化质量评估模型，部分替代人工TQE流程。使用历史TQE评估数据，构建了基于LLM的评估系统。

训练数据构建方法如下：

多维度标注体系： 建立覆盖准确性、语言质量、本地化适应性的三维评估框架
细粒度错误分类： 将每个维度进一步细分为具体的错误类型（如错译、漏译、增译等）
上下文信息整合： 每条训练样本包含原文、机器译文、专家评价、修正译文等完整信息

模型采用思维链（Chain-of-Thought）推理模式，让模型逐步分析每个质量维度，提升翻译质量评估的可靠性：

bash 复制代码

‹quality_analysis>1.
准确性问题：存在错译，"暗影法师"误译为"Light Mage"。
2.语言质量问题：符号使用规范，无可读性错误。
3.语种特有问题：表达符合目标语言表达习惯。
</quality_analysis>
评分：[错误=1, 正确=0, 正确=0] → 综合评分：需要修正

模型训练方式： SFT/RLHF训练方式相结合。

方案效果：

已为特定项目和语种深度定制并投入使用
显著提升了该项目的质量评估效率和准确性

5 翻译体系收益

经过持续的技术开发和业务实践，我们的翻译系统已在多个项目中完成落地验证，在成本效益、技术指标等方面都取得了显著成效。

5.1 业务效果

翻译成本节省70%~80%
翻译效率提升7倍以上
质量稳定性佳，线上客诉控制在万分之一内

5.2 技术指标

覆盖范围： 支持10个语种，处理文本量10万+字/版本
翻译准确率： 大模型翻译后的LQA专家修改率，显著低于传统（供应商）翻译方案

6 总结与展望

通过系统性的技术创新和工程实践，我们成功构建了有效的游戏翻译系统。不仅解决了传统翻译方法在成本、效率、质量和稳定性方面的痛点，更为哔哩哔哩游戏全球化发行提供了强有力的技术支撑。

基于当前技术积累和业务需求，我们未来的优化方向如下：

技术方面：多模态集成、对比学习、统一翻译、质检、术语发现的端到端训练框架
业务方面：LLM-as-Refiner自动化文本修正机制、翻译文本润色、风格一致性优化

随着技术的不断成熟和应用场景的拓展，我们将继续深化技术创新，为更多游戏的全球化进程提供高质量的翻译服务支持。

7 致谢

我们要特别感谢基建、运营及LQA同事在本翻译体系构建过程中的大力支持。基建团队为我们提供了稳定可靠的LLM训练推理资源和完善的API 支持；运营及LQA团队在业务需求梳理、项目协调和效果验证等方面发挥了关键作用，使得技术方案能够真正落地并产生实际价值。

-End-

作者丨Travix