Funzioni di SDL Trados Studio e memoQ a confronto (1)

Sfidiamo il caldo con un’agile infografica per mettere a confronto le funzionali di SDL Trados Studio 2017 e memoQ Adriatic. E anche per orientarci un po’ con la terminologia dei due CAT (che può confondere, in effetti).
Ci concentriamo sulle funzioni più nuove e interessanti dal punto di vista dell’automazione e della produttività.

Per evitare che vi tagliate le vene per il lungo (!), I parte oggi e II parte la prossima settimana
Disclaimer: il contenuto di questo post è necessariamente tecnico. Se vi manca qualche pezzo e siete interessati a saperne di più, lasciate un commento o scrivetemi direttamente 🙂
Qui trovate un po’ di terminologia base relativa ai CAT, se avete bisogno di un ripassino.

Nell’infografica vedete la corrispondenza tra funzionalità nei due strumenti, e dove questa corrispondenza non c’è. Naturalmente, vanno fatto alcune precisazioni. Vediamo i dettagli di seguito.

• Patch Match vs Fuzzy Repair: è la funzionalità di riparazione dei match, sulla base delle risorse date in pasto al CAT.
  Un esempio grossolano (che i miei “alunni” riconosceranno, perché è quello che faccio sempre durante i corsi!): poniamo che nel vostro file ci sia la stringa
  “The house is blue”,
  che traduciamo e memorizziamo in TM come
  “La casa è blu”
  Poniamo anche di stare lavorando con un glossario che contiene il lemma “red“. Successivamente all’interno del file troviamo la stringa
  “The house is red”
  In questo caso, a riparazione dei match attivata, il CAT ci suggerirà come proposta di traduzione non più il semplice fuzzy “La casa è blu”, che dovremo naturalmente correggere, ma direttamente
  “La casa è rosso”,
  ovvero “riparerà” il fuzzy presente in TM con il lemma presente in glossario (della concordanza, qui errata, dovremo occuparci noi).
  Semplifico moltissimo, ma il funzionamento è questo.
  Come capirete da soli, l’efficacia della funzione dipende dalla qualità e dall’ampiezza delle sue fonti, che sono praticamente le stesse per i due CAT, ovvero glossari ma soprattutto sottosegmenti ricavati dalla TM tramite una specifica procedura di indicizzazione: i cosiddetti “frammenti”*.
  La generazione di questi frammenti, o Fragment Recall, insieme appunto al Fuzzy Repair, costituisce UpLift, una delle principali novità di Studio 2017. In Studio, inoltre, la riparazione si alimenta anche tramite la Machine Translation.

• Fragment Assembly: una funzionalità di memoQ che, almeno per ora, non ha equivalenti in Studio. In assenza di un match di TM, i soliti frammenti (e i soliti lemmi di glossario) vengono usati per comporre una sorta di match “Frankenstein”, che tipicamente sarà un’insalata di lingua sorgente e lingua di destinazione. Anche qui, naturalmente, più la TM è ricca e i glossari popolati, più la funzionalità avrà di che alimentarsi e più questa proposta di traduzione “da ultima spiaggia” sarà interessante.

Altre funzionalità “minori” presenti in memoQ e non in Studio:

LiveDocs: modulo del CAT dove è possibile creare corpora, con file di riferimento di vario tipo relativi a un progetto, in particolare file bilingue da sfruttare tramite LiveAlign (o allineamento automatico, vedete il punto successivo), ma non solo. Fanno parte dei LiveDocs anche le cosiddette “Muse” (di cui parliamo la settimana prossima; per chi conosce, sono simili ai dizionari di AutoSuggest in Studio)

LiveAlign (qui trovate un tutorial video): consente di sfruttare i risultati dell’allineamento di uno o più file senza importarli in TM, proponendo le coppie di segmenti originale-traduzione come una categoria di match a parte, direttamente nei risultati di traduzione.
Molto utile per risparmiare tempo, se si ha a disposizione una quantità di file legacy o “di riferimento”, magari mandati dal cliente. Ovviamente, la regola aurea dell’allineamento continua a valere: se la struttura dei file corrisponde, tutto bene, altrimenti i suggerimenti di LiveAlign saranno “sfasati” e quindi non utili (a meno di lavorarci un bel po’)

• AdaptiveMT: ed ecco invece una funzione (nuova nuova) di Studio 2017 che memoQ non ha. È la cosiddetta traduzione automatica “adattiva”, ovvero in grado di imparare dalle nostre traduzioni. Altro esempio stupido per far capire:
  Stringa nel vostro file: “An application is required”
  Proposta di MT: “Un’applicazione è richiesta”
  Peccato che in questo caso il contesto non sia IT o software, ma legale/amministrativo: insomma, “application” qui è “domanda” (o simili), non “applicazione”. Correggiamo la proposta di MT in:
  “Domanda obbligatoria”
  Alla successiva stringa che contenga il termine “application“, il motore di traduzione automatica avrà imparato che la traduzione “corretta” è “domanda”, e ce la proporrà al posto di quella originale. Facile no?

Domande, dubbi, perplessità, precisazioni, aggiunte e naturalmente anche segnalazioni di errori (spero non troppo grossolani) nei commenti, o direttamente via e-mail se volete.
Buon weekend a tutti voi e alla settimana prossima!

*La riparazione dei fuzzy si alimenta anche tramite altri elementi, secondari ma non tanto come numeri, date, misure… in generale auto-translatable e non-translatable, ovvero tutti quegli elementi che restano invariabili da una lingua all’altra (come gli acronimi), o che il CAT riesce a convertire in automatico (come i numeri con decimali)