/Multi-Supplier-MT-Plugin

memoQ multi supplier machine translation plugin.（memoQ 多提供商机器翻译插件。）

Primary LanguageC#MIT LicenseMIT

为什么写这款插件

最近想要翻译一些技术文档，由于一些专业术语翻译时需要确保一致性，所以接触到了 CAT（计算机辅助翻译）软件，最终选择了 memoQ，它有一款 pdf 外部预览插件，可以完美的预览待翻译句段在原文中的位置，这是我选择它的一个重要理由（使用一段时间后，发现它并不能完全满足我的需求，我又为 memoQ 开发了 Word 外部预览插件）。

由于 memoQ 是一款国外软件，国内的翻译服务提供商几乎都没有接入，虽然 Tmxmall 和 Intento 插件可以连接国内外几十家不同的服务提供商，但国内各家翻译服务提供商每月赠送有一定量的免费额度，使用 Tmxmall 或 Intento 无法享受到这种优惠，且这两款插件都没有提供翻译缓存功能（可能是为了让你消耗更多的字符？），所以有了本插件。

如何使用翻译插件

将 Release 中的 MultiSupplierMTPlugin.dll 放入到软件安装目录（比如 C:\Program Files\memoQ\memoQ-9\Addins） 下，启动后在设置中开启。

插件未经过签名，每次启动 memoQ 都会询问是否加载，如果不想每次询问，需要将 ClientDevConfig.xml 放入到 %programdata%/MemoQ 目录下。

插件仅在 memoQ 9.14 版本中进行过测试，其他版本如出现任何问题，请进行反馈。 由于 memoQ 上手有一定的难度，因此特别写了一篇最佳实践的图文教程。

标签请求类型解释

原文中“Hello”是加粗的，“World!”是红色字体，机器翻译时的原文请求区别如下：

  • 纯文本：Hello, World!
  • 包括格式标记：<b>Hello<\b>, World!
  • 包括格式标记和内联标签：<b>Hello<\b>, <inline_tag id="0">World!<inline_tag id="0"/>

为了保证翻译后的排版格式和原文保持一致，要求翻译时将格式标记（比如加粗、斜体、下划线，上标、下标等）和内联标签（比如字体颜色、背景颜色、链接等）放置到正确的位置。

大多数的机器翻译引擎支持将格式标记保留不翻译，并放置到正确的位置，但内联标签就不一定，它们可能错误的将内联标签当作普通文本进行翻译。格式标记或内联标签有两种形式表示，一是使用 Xml 标准表示，二是使用 Html 标准表示，各家支持的情况请看下文表格中的“支持 Xml 或 Html”。

翻译插件需求分析

标签表示：Xml ✔、Html ✔

是否在译文末尾插入所需标签（针对纯文本）✔

是否开启译文标签旁边的空格归一化（针对内联标签） ✔

请求类型： 仅纯文本 ✔、包括格式标记 ✔、包括格式标记和标签（memoQ 标签、内联标签）✔

批量翻译：多个句段只需发送一个请求 ✔

并发请求：多个请求可以同时并行发送 ✔

限速（QPS）：每秒最多只能发送 n 个请求 ✔

限量（MTH）：同时最多只能 m 个请求在执行 ✔

是否使用网络代理（自带设置）✔

失败重试：（超时时间、重试次数、重试等待时间）

是否开启翻译缓存（默认开启，缓存数据保存在内存中，重启失效）✔

语言代码规范化：各个提供商支持的语言不同 ，语言代码也不同 ，需要规范化 ✔

是否支持储存翻译结果：（Director.StoringTranslationSupported），（当在 memoQ 中确认某段翻译时，会将原文和译文发送给插件，插件可以用来自学习，或储存为翻译缓存）（自带设置）✔

是否使用 “MT（机器翻译）” 来修正 “TM（翻译记忆）”：（Engine.SupportsFuzzyCorrection），（如果源句段有 TM 匹配，但并不完美，memoQ 将尝试通过将差异发送给 MT 进行翻译来改进建议）（自带设置）✔

是否使用 “TM（翻译记忆）” 来辅助 “MT（机器翻译）”：（Director.SupportFuzzyForwarding），（除了要翻译的源句段之外，memoQ 还会将最佳可用 TM 匹配的源文本和目标文本发送给 MT）（memoQ 10.0 版本后提供）✔

翻译服务提供商接入

计划接入的服务提供商（memoQ 已自带的将不再重复接入）：

国内：阿里✔、腾讯✔、百度✔、彩云✔、火山✔、小牛✔、有道✔、讯飞✔、搜狗（下架）

国外：谷歌（自带）、微软（自带）、亚马逊 （自带）、DeepL（自带）、Yandex、Bing

逆向：谷歌✔、微软✔

其他：OpenAI GPT✔、Azure GPT✔、Papago✔、LingVA、PALM2

提供商 免费额度 官方声称 QPS 批量翻译支持 Xml 或 Html 支持 插件设置的批量大小 插件设置的 QPS 插件设置的最大线程数
阿里 普通版：每月 100 万字符
专业版：每月 100 万字符		 普通版：50
专业版：50		 ✔ ✔ (Html) 10 10 50
腾讯 每月 500 万字符 5 ✔ × 10 4 5
百度 标准版：每月 5 万字符
高级版：每月 100 万字符		 标准版：1
高级版：10		 ? × 1 1 1
火山 每月 200 万字符 10 ✔ × 10 5 10
小牛 每日 20 万字符 50 × ✔ (Xml) 1 10 50
有道 新用户赠送 50 元体验金 50 ✔ × 10 1 50
讯飞 新用户赠送 200 万字符（90 天内有效） 不详 × ✔ (Xml) 1 3 10
彩云 新用户赠送 100 万字符（30 天内有效） 10 ✔ × 10 8 10
谷歌（逆向） 且用且珍惜 不详 × ✔ (Xml 或 Html) 1 5 10
微软（逆向） 且用且珍惜 不详 ✔ × 10 5 10
OpenAI GPT 无 由用户等级决定 × ✔ (Xml 或 Html) 1 50 50
Azure GPT 无 由用户等级决定 × ✔ (Xml 或 Html) 1 55 55
Papago 每天 1 万字符 不详 × ? (Html) 1 5 10

注：

  1. 由于 memoQ 在一次批量翻译时最多只提供 10 个句段，所以在提供商支持批量翻译的情况下，插件一次请求默认的批量翻译大小为 10 个句段。
  2. 百度翻译声称支持批量翻译，但他使用换行符来区分各个独立句段，但 memoQ 提供的一个句段是可能包含换行符的，所以插件设置百度翻译默认的批量翻译大小为 1 个句段，即把它当作不支持批量翻译处理。
  3. 国内多数厂商声称的 QPS 与我实测得到的结果不太符合，比如 QPS 为 10，我的理解是，只要在 1 秒窗口内，保证总的请求小于 10 个就行，比如：可以在 0.1 秒时刻发送 10 个请求，之后的 0.9 秒不发送任何请求；也可以每隔开 0.1 秒发送一个请求，依次发送 10 个请求。本插件使用的限流策略属于第一种情况，如果按照国内厂商声称的 QPS 进行设置，大多数报错。

如何添加其他提供商

如果你是开发者，想快速的添加其他翻译服务提供商，你无需了解 memoQ 插件的工作流程（当然，我已把官方文档翻译成中文，不妨也看看），也无需关心批量、缓存、并发、限流，你只需要实现 MultiSupplierMTServiceInterface.cs 接口：

public abstract class MultiSupplierMTServiceInterface
    {
        public abstract string UniqueName();
    
        public abstract MultiSupplierMTOptions ShowConfig(MultiSupplierMTOptions options, IEnvironment environment, IWin32Window parentForm);

        public abstract bool IsAvailable(MultiSupplierMTOptions options);

        public abstract bool IsLanguagePairSupported(string srcLangCode, string trgLangCode);

        public abstract int MaxQueriesPerSecond();

        public abstract int MaxThreadHold();
    
        public abstract int MaxBatchSize();

        public abstract Task<List<string>> BatchTranslate(MultiSupplierMTOptions options, List<string> texts, string srcLangCode, string trgLangCode,  List<string> tmSources,  List<string> tmTargets, MTRequestMetadata metaData);
}

  • UniqueName 方法

    返回一个唯一的服务提供商名字，这将会显示在服务提供商选择界面的下拉列表中。

  • ShowConfig 方法

    当用户在下拉列表中选中此服务提供商时，会调用此方法来显示 GUI 配置界面。

    如果该服务需要收集用户配置（比如 appKey、appSecret）后才能使用，你需要建一个 Form 类来收集。

    参数：

    • options：配置类实例，你可能需要在 MultiSupplierMTOptions 类中添加你的配置子类和字段
    • environment：memoQ 的环境，比如你能获取到 memoQ 用户界面的语言代码 UILang 等。
    • parentForm：父窗口的实例，比如用在你的 Form 实例的 ShowDialog(parentForm) 方法中。

    返回：MultiSupplierMTOptions 类型的配置实例，该实例将被 XML 序列化后持久保存。

  • IsAvailable 方法

    返回一个 bool 值，说明此服务是否已可用，也就是用户配置（比如 appKey、appSecret）是否已收集且经过验证。

    参数：

    • options：配置类实例

  • IsLanguagePairSupported 方法

    返回一个 bool 值，说明此服务是否支持从 srcLangCode 翻译成 trgLangCode，语言代码请参考 memoQ 官网。

    参数：

    • srcLangCode：源语言代码
    • trgLangCode：目标语言代码

  • MaxQueriesPerSecond 方法

    返回一个数值，说明此服务的最大 QPS 限制大小，0 代表无限制。

    上层会并发调用此服务，调用时需要进行限流，确保 QPS 不会超过此值。

  • MaxThreadHold 方法

    返回一个数值，说明允许的最大请求线程数，0 代表无限制。

    比如设置为 5，发出 5 个请求后都没有响应，第 6 个线程将会等待，直到某个线程完成。

  • MaxBatchSize 方法

    返回一个数值，说明每次请求时批量翻译的最大句段数。

    比如翻译服务提供商不支持批量翻译则返回 1 即可。

  • BatchTranslate 方法

    这是翻译服务逻辑实现的地方，也就是真正发送 Http 请求的地方。

    请不要在该方法内实现批量、缓存、并发、限流功能，因为上层已经实现。

    上层会根据此类返回的 MaxBatchSize 、MaxQueriesPerSecond 、MaxThreadHold 值，并发的调用此方法。

    主要参数：

    • MultiSupplierMTOptions options

      配置类，比如你可以从中获取收集到的用户配置（比如 appKey、appSecret）

    • List<string> texts

      待翻译的句段列表，该列表的大小不会超过 MaxBatchSize 的值

    • string srcLangCode

      源语言代码

    • string trgLangCode

      目标语言代码

    次要参数：

    • List<string> tmSources 和 List<string> tmTargets

      如果待翻译的句段在 memoQ 中有部分匹配的 TM（翻译记忆），则可以获取到匹配的原文和译文，用于辅助翻译。

      tmSource 代表原文句段，tmTargets 代表译文句段，它与参数 texts 中的句段是一一对关系。

      该参数的值不一定存在，也就是可能为 null，且只有 memoQ 10.0 版本后该参数才可能有值。

    • MTRequestMetadata metaData

      这可以获取到用户翻译项目设置的元信息，比如 PorjectID、Client、Domain、Subject 等，用于辅助翻译。

      该参数的值不一定存在，也就是可能为 null，且只有 memoQ 9.14 版本后该参数才可能有值。

    返回值：和 texts 顺序一致的翻译后的 List<string>

TODO

  • 用户可以自定义每秒最大请求数和最大并发数
  • 如果服务提供商不支持 xml 或 html 格式，不再允许选择对应的请求类型