Lingo.dev: ابزار ترجمه و بومی سازی اپلیکیشن ها

برای کسانی که به دنبال گسترش جهانی کسب و کار خود هستند، ترجمه و بومی سازی اپلیکیشن ها یکی از مهم ترین فعالیت‌هایی است که باید انجام دهند. اما ترجمه و بومی سازی اپلیکیشن به سادگی قرار دادن متون در Google Translate و گرفتن یک متن یا تصویر ترجمه شده نیست. ابزارهای جدیدتری مانند ChatGPT نیز به‌عنوان مترجم‌های سریع و کاربردی عمل می‌کنند. اما هیچ کدام نمی‌توانند یک تجربه کامل بومی سازی را ارائه دهند. با این مقاله در مورد استارتاپ Lingo.dev که با این هدف ایجاد شده، همراه باشید:

علاوه بر ابزارهای ساده‌ای مثل Goolge Translate و ChatGPT در پشت‌صحنه، شرکت‌هایی مانند DeepL و ElevenLabs با ارائه فناوری‌های پیشرفته زبانی به ارزش میلیارد دلاری دست یافته‌اند و این قابلیت‌ها را در اختیار کسب‌وکارهایی قرار می‌دهند که می‌خواهند اپلیکیشن‌های خود را جهانی کنند. اکنون یک بازیگر جدید وارد میدان شده است یک موتور بومی‌سازی مبتنی بر هوش مصنوعی که زیرساخت لازم برای ترجمه و بومی سازی اپلیکیشن ها را در اختیار توسعه‌دهندگان قرار می‌دهد. می‌توان آن را نسخه‌ای از Stripe برای بومی‌سازی اپلیکیشن‌ها دانست.

این پلتفرم که پیش‌تر با نام Replexica شناخته می‌شد، به توسعه‌دهندگانی هدف گرفته است که می‌خواهند از همان ابتدا، رابط کاربری اپلیکیشن خود را به‌طور کامل بومی‌سازی کنند. تنها کاری که توسعه‌دهندگان باید انجام دهند، ارسال کدهای خود به روال معمول است؛ درحالی‌که Lingo.dev به‌طور خودکار در پس‌زمینه کار می‌کند.

نتیجه این است که دیگر نیازی به کپی و جای‌گذاری متن‌ها در ابزارهایی مانند ChatGPT برای ترجمه‌های سریع و سطحی یا مدیریت فایل‌های متعدد ترجمه از منابع مختلف نیست. Lingo.dev فرآیند پیچیده ترجمه و بومی سازی اپلیکیشن ها را ساده و خودکار کرده است.

در حال حاضر، Lingo.dev مشتریانی مانند شرکت فرانسوی Mistral AI و پلتفرم متن‌باز Cal.com (رقیب Calendly) را در لیست خود دارد. برای تسریع روند رشد، این شرکت اعلام کرده است که در مرحله‌ی سرمایه‌گذاری اولیه، مبلغ ۴.۲ میلیون دلار جذب کرده است.

آغاز مسیر Lingo.dev برای ترجمه و بومی سازی اپلیکیشن ها

Lingo.dev حاصل تلاش‌های مکس پریلوتسکی (مدیرعامل) و ورونیکا پریلوتسکایا (مدیر ارشد محصول) است. این دو نفر سال گذشته استارتاپ قبلی خود به نام Notionlytics را به خریدار نامشخصی واگذار کردند. آن‌ها از سال ۲۰۲۳ روی پایه‌های Lingo.dev کار کرده بودند و اولین نمونه‌ی اولیه این پلتفرم را در یک هکاتون در دانشگاه کرنل توسعه دادند. این پروژه به جذب اولین مشتریان پولی آن‌ها منجر شد و پس از آن، در برنامه پاییزی Y Combinator شرکت کردند.

هسته‌ی اصلی Lingo.dev یک API ترجمه است که توسعه‌دهندگان می‌توانند آن را به‌صورت محلی از طریق رابط خط فرمان (CLI) یا به‌طور مستقیم از طریق یکپارچه‌سازی با سیستم CI/CD در GitHub یا GitLab فراخوانی کنند. در عمل، تیم‌های توسعه زمانی که تغییری در کد ایجاد می‌شود، به‌طور خودکار درخواست‌های ادغام (pull request) با به‌روزرسانی‌های ترجمه دریافت می‌کنند.

logicstar: نگهداری و تعمیر نرم افزار با هوش مصنوعی با کمک عامل های تخصصی

در مرکز این سیستم، همان‌طور که انتظار می‌رود، یک مدل زبانی بزرگ (LLM) قرار دارد—یا دقیق‌تر بگوییم، چندین مدل زبانی. Lingo.dev وظیفه‌ی هماهنگی ورودی‌ها و خروجی‌ها میان این مدل‌ها را بر عهده دارد. این رویکرد ترکیبی، که از مدل‌های Anthropic و OpenAI و سایر ارائه‌دهندگان استفاده می‌کند، به‌گونه‌ای طراحی شده است که بهترین مدل برای هر وظیفه انتخاب شود.

مکس پریلوتسکی در گفت‌وگو با TechCrunch توضیح داد که هر مدل زبانی بزرگ (LLM) برای درخواست‌های خاصی عملکرد بهتری دارد. همچنین، بسته به نوع کاربرد، ممکن است کاهش زمان پاسخ‌دهی (latency) اهمیت داشته باشد یا اصلاً مهم نباشد.

یکی از نگرانی‌های اصلی در مورد استفاده از مدل‌های زبانی بزرگ، حفظ حریم خصوصی داده‌ها است. این مسئله یکی از دلایلی است که برخی از کسب‌وکارها در پذیرش فناوری هوش مصنوعی مولد (Generative AI) کندتر عمل کرده‌اند. با این حال، تمرکز Lingo.dev عمدتاً بر بومی‌سازی رابط‌های کاربری است. این پلتفرم همچنین از محتوای تجاری مانند وب‌سایت‌های بازاریابی و ایمیل‌های خودکار پشتیبانی می‌کند، اما هیچ‌گونه اطلاعات شناسایی شخصی (PII) را پردازش یا ذخیره نمی‌کند.

پریلوتسکی تأکید کرد که آن‌ها انتظار ندارند هیچ داده‌ی شخصی از سوی مشتریان برایشان ارسال شود. علاوه بر این، شرکت‌ها از طریق Lingo.dev می‌توانند حافظه‌ی ترجمه (مجموعه‌ای از محتوای ترجمه‌شده‌ی قبلی) ایجاد کرده و راهنمای سبک (Style Guide) خود را بارگذاری کنند. این قابلیت به آن‌ها اجازه می‌دهد لحن و صدای برند خود را برای بازارهای مختلف تنظیم کنند.

کسب‌وکارها می‌توانند قوانین خاصی برای نحوه‌ی ترجمه‌ی عبارات مشخص و شرایط استفاده از آن‌ها تعریف کنند. علاوه بر این، موتور Lingo.dev قادر است در حین ترجمه و بومی سازی اپلیکیشن ها موقعیت متن را در رابط کاربری تحلیل کرده و در صورت نیاز، تنظیمات لازم را انجام دهد. به‌عنوان مثال، زمانی که یک کلمه از زبان انگلیسی به آلمانی ترجمه می‌شود، ممکن است طول آن دو برابر شود و باعث به‌هم‌ریختگی رابط کاربری گردد. کاربران می‌توانند موتور را طوری تنظیم کنند که این مشکل را با بازنویسی متن و تطبیق آن با طول اصلی برطرف کند.

ترجمه‌ی بخش‌های کوچک و مستقل از متن، مانند برچسب‌های رابط کاربری، بدون درک کامل از محتوای کلی برنامه، می‌تواند چالش‌برانگیز باشد. برای حل این مشکل، Lingo.dev از قابلیتی به نام آگاهی از زمینه استفاده می‌کند. این ویژگی، کل محتوای فایل بومی‌سازی را تجزیه و تحلیل کرده و به متن‌های مجاور یا کلیدهای سیستم رویداد (Event System Keys) که معمولاً در فایل‌های ترجمه وجود دارند، توجه می‌کند. هدف این است که ریززمینه یا Microcontext به‌خوبی درک شود.

این شرکت در حال توسعه‌ی قابلیت‌های بیشتری در این زمینه است. یکی از ویژگی‌های جدیدی که در دست ساخت قرار دارد، استفاده از تصاویر رابط کاربری (UI Screenshots) است. این قابلیت به Lingo.dev امکان می‌دهد اطلاعات بیشتری درباره‌ی عناصر رابط کاربری و هدف آن‌ها استخراج کرده و در فرآیند بومی‌سازی از آن‌ها استفاده کند.

تمرکز بر بهبود ترجمه و بومی سازی اپلیکیشن ها و درک تفاوت‌های فرهنگی

Lingo.dev هنوز در مراحل اولیه‌ی مسیر خود برای رسیدن به ترجمه و بومی سازی اپلیکیشن ها به صورت کامل قرار دارد. به‌عنوان مثال، رنگ‌ها و نمادها ممکن است در فرهنگ‌های مختلف معانی متفاوتی داشته باشند؛ مسئله‌ای که این پلتفرم هنوز به‌طور مستقیم به آن نمی‌پردازد. همچنین، مواردی مانند تبدیل واحدهای متریک و امپریال همچنان باید توسط توسعه‌دهندگان در سطح کد مدیریت شود.

با این حال، این پلتفرم از چارچوب MessageFormat پشتیبانی می‌کند. این چارچوب، تفاوت‌های مربوط به جمع‌بندی و عبارات جنسیت‌محور را بین زبان‌های مختلف مدیریت می‌کند. علاوه بر این، اخیراً یک ویژگی آزمایشی (بتا) برای ترجمه‌ی اصطلاحات ارائه شده است. به‌عنوان مثال، اصطلاح انگلیسی “to kill two birds with one stone” معادلی در زبان آلمانی دارد که به‌صورت «دو مگس را با یک ضربه زدن» ترجمه می‌شود. یا در زبان فارسی، به صورت «با یک تیر دو نشان زدن» ترجمه می‌شود.

Lingo.dev همچنین در حال انجام تحقیقات کاربردی در زمینه‌ی هوش مصنوعی است تا فرآیند خودکار ترجمه و بومی سازی اپلیکیشن ها  را در جنبه‌های مختلف بهبود بخشد. یکی از چالش‌های پیچیده‌ای که این شرکت روی آن کار می‌کند، حفظ شکل‌های مذکر و مؤنث اسم‌ها و افعال هنگام ترجمه بین زبان‌ها است. به‌عنوان مثال، در زبان انگلیسی کلمه‌ی “teacher” خنثی از نظر جنسیت است، اما در زبان اسپانیایی به‌صورت “maestro” برای مردان و “maestra” برای زنان بیان می‌شود. این مسئله در زبان عربی بسیار پیچیده‌تر شده و در بسیاری از موارد، کلمات، افعال و عبارات ساختار مذکر و مونث دارند. در حالی که در زبانی مثل فارسی، این موضوع بسیار کمرنگ‌تر است. حفظ این ظرافت‌های زبانی به‌طور صحیح، بخشی از تلاش‌های تحقیقاتی Lingo.dev در حوزه‌ی هوش مصنوعی است.

otterly: حل معضل کاهش ترافیک سایت ها و رقابت با خلاصه های هوش مصنوعی

هدف نهایی Lingo.dev فراتر از ترجمه‌ی ساده است. این شرکت تلاش دارد کیفیت خروجی را تا حد ممکن به نتیجه‌ای که یک تیم مترجمان حرفه‌ای ارائه می‌دهد، نزدیک کند.

به گفته‌ی مکس پریلوتسکی، هدف اصلی Lingo.dev این است که فرآیند ترجمه و بومی سازی اپلیکیشن ها را تا حدی ساده و بدون اصطکاک کند که به یک لایه‌ی زیرساختی و بخشی طبیعی از پشته‌ی فناوری (Tech Stack) شرکت‌ها تبدیل شود. او این رویکرد را با موفقیت Stripe مقایسه می‌کند؛ شرکتی که با حذف پیچیدگی‌های پرداخت آنلاین، آن را به ابزاری اصلی برای توسعه‌دهندگان در حوزه‌ی پرداخت تبدیل کرد.

اگرچه بنیان‌گذاران این شرکت اخیراً در بارسلونا مستقر بودند، اما اکنون قصد دارند دفتر مرکزی خود را به سان‌فرانسیسکو منتقل کنند. این استارتاپ هم اکنون تنها سه کارمند دارد که یکی از آن‌ها مهندس مؤسس است. این تیم کوچک با رویکرد چابک و کم‌هزینه (Lean) کار می‌کند و قصد دارد همین فلسفه را ادامه دهد.

پریلوتسکی توضیح داد که در میان بنیان‌گذاران و اعضای Y Combinator، باور عمیقی به این سبک کاری وجود دارد. استارتاپ قبلی آن‌ها که خدمات تحلیلی (Analytics) برای Notion ارائه می‌داد، کاملاً خودگردان (Bootstrapped) بود و بدون جذب سرمایه‌ی خارجی، مشتریان بزرگی مانند Square، Shopify و Sequoia Capital داشت. این شرکت هیچ کارمندی به جز مکس و ورونیکا نداشت.

او تأکید کرد که آن‌ها تنها دو نفر بودند که به‌صورت تمام‌وقت کار می‌کردند و گاهی از پیمانکاران خارجی برای انجام کارهای خاص کمک می‌گرفتند. تجربه‌ی آن‌ها در ساخت محصولات با حداقل منابع شکل گرفته است. به دلیل اینکه استارتاپ قبلی به‌صورت خودگردان بود، آن‌ها مجبور بودند راه‌هایی برای پیشبرد کارها بدون منابع مالی بزرگ پیدا کنند. اکنون نیز قصد دارند همین رویکرد کم‌هزینه را ادامه دهند، اما این بار با پشتوانه‌ی سرمایه‌ی جذب‌شده.