这里只谈文字特征,例句全部自造,用来对照句式差异,不指向任何真实页面或内容。
三类最稳定的句式痕迹
第一类是固定句式的直搬,例如“对于……而言”“在……的背景下”“这是一个……的过程”,这类结构在中文里不是不能用,而是不会在一页里连着出现五六次。第二类是语序错位,修饰成分堆在名词前面,一句话读到中心词要跨过三四十个字,中文写作通常会拆成短句。第三类是量词替换,英文没有量词,机器翻译常一律给“个”,于是出现“一个信息”“一个建议”“一个通知”这种搭配。第四类放在下一节说,是标点与数字格式的痕迹。前三类单独出现都不算证据,成批出现才说明问题。
还有一批不显眼但很稳定的信号
标点是最容易被忽略的一条:中文正文里混入半角逗号、句号后不加空格、引号成对出现在句子中间又突然改回直角引号,都说明这段文字经过复制与再加工。数字格式也说话,英文习惯的千分位逗号与中文的“万”“亿”混用,同一页里两种计量习惯并存。称谓同样如此,一段话里先用“他”指代某个对象,下一段变成“她”,往往是源语言代词没有性别信息、翻译时被随机分配。把这些细节和句式一起看,判断会稳得多。
怎么确认,而不是靠感觉
最可靠的办法是找同一段内容的两个语言版本对照。机器翻译的段落有个特点:逐句对应,句数几乎一致,但句与句之间的连接词是硬加的,“然而”“此外”“因此”出现的位置常常不对,因为它按句子翻,看不到段落逻辑。人工写作的段落会有长短句交错、有承接、有省略,机器翻译则趋于均匀。若只有单语版本,可以看同一页的不同区块:导航、按钮、正文若用词风格突然从生硬变自然,说明其中一部分是人工写的,另一部分是套用或翻译来的。
可执行检查单
- 01先通读一遍,只标出读起来“卡”的句子,不急着判断原因。
- 02统计卡住的句子是否集中在某几类结构上,成批出现才作为判断依据。
- 03能找到另一语言版本就逐段对照,比较句数与连接词位置。
一个常见问题
认出是机翻之后,这段文字还能引用吗?
可以引用,但要改变引用的性质。你引用的是“这个页面当前的中文表述”,不是“某个主体说过的话”。涉及身份、授权、条款、时间这类硬信息时,机翻文本不能作为依据,因为它可能在翻译中丢掉否定词、把“不提供”译成“提供”。稳妥的写法是注明“该页中文版为翻译文本,原文为某语言,未核对”,并把原文关键句一并留存。
一处容易误判的地方
写得生硬不等于机翻。法律条款、技术说明、以及由非母语者撰写的中文,都会出现长句与重复结构。区分点是“一致性”:机器翻译在同一页里对同一个词的处理高度统一,前文叫“用户”,后文不会突然叫“使用者”;而人写的生硬文字常常前后用词不统一、偶尔冒出很地道的口语。看到统一到近乎机械的用词,再叠加量词泛化与连接词错位,才更可能是翻译产物。