Google Translate vs DeepL: Diferenças reais e qual é o ideal para você

Hoje em dia A tradução de textos deixou de ser domínio exclusivo de tradutores profissionais....pelo menos para um primeiro rascunho. Entre sites, Aplicativos e participantes com IATemos tradutores em todo lugar. Mas, na hora de escolher entre... Google Translate e DeepLCom dois dos maiores nomes da indústria, as coisas já não são tão óbvias.

Ambos os serviços utilizam tradução automática baseada em Inteligencia artificialElas melhoraram enormemente em poucos anos e são gratuitas em sua versão básica. Mesmo assim, diferem em qualidade, número de idiomas, recursos extras e, sobretudo, na forma como lidam com diferentes tipos de texto: coloquial, literário, jornalístico ou científico.

O que são exatamente o Google Translate e o DeepL?

Traduz Google Há anos que é o tradutor automático padrão para metade do planeta. Foi criado muito antes do DeepL e é integrado ao ecossistema do Google: navegador (você pode Ativar a tradução automática de páginas), Android, Cromada, Google Docs, pesquisas… Durante muito tempo, foi a referência quase indiscutível para traduzir qualquer coisa em segundos, especialmente devido à sua enorme abrangência linguística.

Em 2016, o Google anunciou um grande salto tecnológico com Tradução automática neural do Google (GNMT), seu sistema de tradução automática neural baseado em redes neurais recorrentes (RNN)Essas redes não traduzem mais palavra por palavra, mas sim Eles levam em consideração o contexto da frase e as palavras próximas.Isso resultou em um salto significativo em fluidez e precisão em comparação com os sistemas estatísticos anteriores.

Pouco tempo depois, ocorreu outro desenvolvimento interno, o chamado Tradução Zero-ShotIsso permitiu que o Google traduzisse entre pares de idiomas mesmo sem muitos exemplos diretos. Ele consegue isso através de representações vetoriais comunsonde frases de diferentes idiomas são projetadas no mesmo espaço semântico e a rede aprende a relacioná-las sem a necessidade de exemplos exaustivos para cada combinação de idiomas.

Do outro lado está DeepL, um tradutor mais jovem (foi lançado em 2017), mas que Rapidamente ganhou reputação por oferecer traduções mais naturais.especialmente entre as línguas europeias. Ao contrário do Google, seu mecanismo de busca é baseado principalmente em redes neurais convolucionais e outras arquiteturas modernas de aprendizado profundo, especialmente otimizado para capturar nuances e estruturas de frases complexas.

O maior trunfo do DeepL é sua estreita relação com Linguee, um dicionário multilíngue e mecanismo de busca de traduções. muito conhecida entre os tradutores. Durante anos, a Linguee compilou milhões de pares de frases a partir de fontes confiáveis ​​(como instituições europeias ou documentos oficiais) e Ele classificou a qualidade dessas traduções.Esse gigantesco repositório de segmentos de tradução de alta qualidade tornou-se o material de treinamento ideal para o DeepL.

Não é por acaso que DeepL deriva seu nome de “Deep Learning” (Aprendizado Profundo). (veja o Glossário de termos de IASua rede neural se alimenta de bilhões de segmentos de tradução cuidadosamente selecionados, provenientes de fontes como o Parlamento Europeu, patentes de organizações internacionais ou textos literários. Em outras palavras, não é apenas a tecnologia que importa, mas também o qualidade dos materiais didáticos com as quais a IA é treinada.

Tradução automática e inteligência artificial: como essas máquinas pensam

Tanto o Google Tradutor quanto o DeepL são baseados em Redes neurais profundas treinadas em quantidades massivas de textoA ideia geral é relativamente simples de explicar: o sistema observa milhões (ou bilhões) de frases em um idioma, juntamente com sua tradução em outro idioma, e aprende padrões estatísticos entre os dois.

No caso de DeepLSuas redes neurais são inspiradas no funcionamento do cérebro: “Neurônios” artificiais conectados Os neurônios que recebem estímulos (palavras, posições, características linguísticas) são ativados e propagam essa ativação por toda a rede. Cada neurônio decide quais sinais ativar. À medida que uma frase percorre o sistema, ela é transformada em um padrão de ativações que viaja pela rede e, por fim, gera a resposta. sequência de palavras traduzidas para o idioma de destino.

Inicialmente, como a própria empresa explica, A qualidade das traduções é bastante ruim.Mas, à medida que a rede é treinada com bilhões de exemplos, ela ajusta os pesos e as conexões, de modo que Cada iteração melhora ligeiramente o resultado.. com o tempoEssa melhoria gradual se traduz em resultados que muitas vezes parecem ter sido escritos por uma pessoa.

O Google, por sua vez, também recorre a redes neurais massivas treinadas em montanhas de dadosMuitos deles foram retirados de textos e traduções disponíveis na internet. De acordo com Macduff Hughes, diretor de engenharia do Google Translate, o A quantidade e a variedade de dados entre dois idiomas influenciam a qualidade.Entre línguas muito diferentes (por exemplo, inglês e chinês ou japonês), é necessária muito mais informação para atingir o mesmo nível de precisão que entre línguas mais próximas, como inglês e espanhol.

O Microsoft Bing Translator, embora seja menos proeminente aqui (veja Microsoft Teams com IA), também aderiu a essa onda neural. A empresa afirma que suas redes neurais permitem para melhor compreender o contexto geral da frase antes de gerar a tradução, algo com que os sistemas automatizados historicamente têm dificuldades.

Idiomas suportados: quantidade versus qualidade

Um dos principais pontos de discórdia entre o Google Translate e o DeepL é o número de idiomas disponíveisAqui, o Google tem uma grande vantagem: seu tradutor. Suporta mais de 100 idiomas.Inclui línguas majoritárias e minoritárias, dialetos e variantes regionais. É o tradutor ideal quando você precisa de algo "incomum", como maori, basco ou línguas da Ásia e da África.

DeepL, por outro lado, Suporta muito menos idiomas.Nos seus primeiros anos, oferecia apenas traduções entre algumas línguas europeias e, embora tenha expandido gradualmente o seu catálogo, ainda está muito atrás das mais de cem línguas do Google. No lançamento, traduzia apenas sete línguas; mais tarde, ultrapassou as dez e continua a crescer, mas ainda não se aproxima da abrangência do Google.

Esta A desvantagem quantitativa é parcialmente compensada pela qualidade.De acordo com vários testes internos e externos, quando o DeepL oferece suporte ao par de idiomas de seu interesse, ele geralmente entrega um resultado. mais natural e fluido do que o do Google, especialmente em combinações como inglês-alemão, inglês-francês ou inglês-espanhol.

Por exemplo, em uma bancada de testes chamada BLEU (Estudante de Avaliação Bilíngue)Usando uma métrica padrão para avaliar a tradução automática, comparando a saída da máquina com traduções humanas, o DeepL alcançou pontuações significativamente mais altas do que o Google em certos pares de idiomas. Para inglês-alemão, foram citados valores em torno de [valores ausentes]. 31,1 pontos para DeepL contra 28,4 para o Google., uma diferença relevante neste tipo de teste.

Além disso, o DeepL realizou Avaliações às cegas com tradutores profissionaisForam mostradas traduções geradas por diferentes sistemas (incluindo Google, Microsoft e outros) sem que lhes fosse dito qual era qual, e eles tinham que escolher a melhor. De acordo com a própria empresa, as traduções geradas pelo DeepL foram as escolhidas. três ou quatro vezes mais frequentemente do que os de seus concorrentes nessas comparações.

Testes com textos reais: de Dom Quixote ao coronavírus

Além das métricas automatizadas, o que realmente testa um tradutor automático é como se comporta com textos reais e variadosDiversos meios de comunicação e especialistas testaram o Google Translate e o DeepL (e outros sistemas) em condições bastante exigentes: literatura, notícias, provérbios, textos científicos, etc.

Um exemplo clássico que tem sido usado é o Início de “Dom Quixote de la Mancha”, de Miguel de CervantesÉ um texto repleto de nuances, expressões arcaicas e estruturas complexas. Tanto o Google quanto o DeepL têm sérios problemas para traduzi-lo corretamente para o inglês. nenhum deles se destaca particularmente., embora haja diferenças curiosas na forma como cada uma resolve expressões como "viveu não muito tempo atrás" ou "corredor de galgos".

Algo semelhante acontece com o Bota Do livro “Cem Anos de Solidão”, de Gabriel García MárquezEm uma comparação bastante conhecida, o DeepL ofereceu uma opção que poderia ser considerada ligeiramente melhor em termos de tempos verbais e tom — por exemplo, um equivalente mais preciso de "tive que me lembrar" —, enquanto o Google foi um pouco mais literal. Essas são nuances que, na literatura, podem fazer a diferença entre uma tradução aceitável e uma que "soa estranha".

Quando descemos para o terreno de textos jornalísticosAs coisas mudam um pouco. Análises de notícias de veículos como o The New York Times ou o The Verge mostraram que O DeepL geralmente escolhe expressões mais naturais de acordo com o contexto. (“got a break” em vez de “had a break”, “in a packed match” em vez de “in a full game”), enquanto o Google tende mais para uma literalidade que entra em conflito com o espanhol.

No entanto, também existem casos em que O Google se vangloria de detalhes específicos.Por exemplo, respeitar corretamente a capitalização de marcas como “Model 3” de Teslaou através do bom domínio de certos formatos numéricos. Em textos tecnológicos ou informativos, as diferenças de qualidade tornam-se menos nítidas e, por vezes, ambas as traduções são muito semelhantes.

Textos literários: estilo, naturalidade e tropeços

Um dos testes mais difíceis para um tradutor automático é o tradução literária. Funciona como Harry Potter e a Pedra Filosofal Eles foram usados ​​para comparar o Google, o Bing e o DeepL do ponto de vista de tradutores profissionais e acadêmicos.

Em uma avaliação específica, analisou-se a forma como os três sistemas traduziram para o espanhol um fragmento com diálogos, descrições e expressões idiomáticas. O Google ofereceu um resultado bastante compreensível.mas com problemas de pontuação (espaços, maiúsculas incorretas, acentos) e com um estilo pouco literário: expressões como “Parecia” em vez de “aparentava”, repetições como "dezenas de festas e festas" ou mudanças de ritmo um tanto desajeitadas.

A proposta de Bing Isso se mostrou mais problemático: erros de concordância (usando a forma masculina de "professor" ao se referir a uma "professora" [professora]), palavras não traduzidas como "tabby", frases incoerentes e afirmações literais que beiram o absurdo (“estrelas cadentes” em vez de “estrelas em movimento”). No geral, o texto ficou menos natural e mais confuso.

DeepLPor sua vez, gerou uma tradução globalmente compreensível, mas com erros de registro e mistura de variantes (expressões típicas do espanhol latino-americano, como “¿cómo supo?”), além de expressões artificiais como “se veía clara arrugada” (ela parecia claramente enrugada), “sniffó con rabia” (ele fungou com raiva) ou “sacudió su cabeza hacia atrás” (ele balançou a cabeça para trás). Novamente, fica claro que o motor ainda não dominou a sutileza estilística que a literatura exige.

Nesse teste específico, a avaliação profissional foi a seguinte: A versão do Google era a "menos ruim".seguido pelo DeepL, com o Bing recebendo a pior pontuação. A mensagem subjacente é clara: mesmo com IA e redes neurais, o A tradução literária continua sendo um campo muito difícil para as máquinas..

Notícias e linguagem informativa: naturalidade versus erros-chave

Com artigos de notícias atuais, como uma reportagem sobre Evacuações de navios de cruzeiro devido a surtos de coronavírusAs diferenças entre os tradutores tornam-se mais sutis, mas não menos importantes.

Em comparação, o Google Tradutor ofereceu uma tradução que Transmitiu corretamente a mensagem geral.Embora com expressões não típicas do espanhol da Espanha, como “luego de” em vez de “después de”, e alguns detalhes de precisão que poderiam ser melhorados, como traduzir “cruise ship” no plural quando na realidade se referia a um único cruzeiro específico.

Bing, mais uma vez, apresentou problemas de naturalidade e construção: “em confinamento” versus “sob lockdown”Exemplos incluem “foi testado novamente” em vez de “ele foi testado novamente”, ou frases mal construídas como “atrasado devido ao coronavírus” onde deveria ser “afetado pelo coronavírus”. Esses são pequenos erros que, somados, dão a impressão de um texto claramente automatizado.

A tradução de DeepL Nesse caso, tinha um ponto importante a seu favor: manteve o singular correto para “cruzeiro”No entanto, ele cometeu um erro quase fatal para uma notícia sobre saúde: traduziu “coronavírus” como “vírus coronavírus”Este é um termo médico diferente que muda completamente o foco da informação. Além disso, ele usou "americanos" para se referir a cidadãos dos Estados Unidos, algo que geralmente é evitado na escrita jornalística formal em espanhol peninsular.

Em geral, os especialistas concluíram que Nenhuma das três traduções era realmente publicável sem revisão humana.Eles eram compreensíveis, sim, mas todos apresentavam problemas de estilo, nuances e terminologia que um escritor profissional teria que aprimorar antes de enviá-los para um jornal.

Texto científico: quando a terminologia não pode falhar

O próximo nível de demanda surge com o textos científicosonde uma pequena variação em um termo pode mudar completamente o significado. Em um teste com um artigo sobre Acidificação dos oceanos e recifes de coralOs resultados do Google, Bing e DeepL foram comparados novamente.

Neste contexto, Traduz Google Ele fez um trabalho razoavelmente sólido: a tradução foi fluida, fácil de entender e o A terminologia chave (aragonita, biomineralização, calcificação, etc.) foi bem traduzida.Os erros detectados limitavam-se principalmente à ordem de alguns elementos da frase ou a estruturas muito semelhantes ao inglês, que um revisor humano poderia corrigir facilmente.

Bing O resultado foi semelhante: um estilo um tanto rígido, copiado do original inglês, mas com terminologia científica geralmente corretaHavia frases que precisavam de uma revisão de estilo para maior clareza, mas nenhum erro grave de conteúdo foi constatado.

DeepLNo entanto, cometeu um deslize exatamente onde não deveria. Por exemplo, na declaração central, traduziu algo equivalente a “A adição de dióxido de carbono suprime a calcificação líquida da comunidade”alterando a ordem dos elementos e criando um emaranhado conceitual. Além disso, introduziu expressões como “reduções no estado de saturação da aragonita num futuro próximo”, uma construção estranha que um cientista ou revisor teria que praticamente reconstruir do zero.

Em documentos científicos, onde as consequências de um mal-entendido são maiores, os especialistas foram muito claros: Nenhuma dessas traduções deve ser publicada sem revisão profissional.Para relatórios, artigos ou conteúdo de alta responsabilidade, a tradução automática pode ser apenas o ponto de partida.

Expressões coloquiais, provérbios e mistura de línguas

Se a literatura é complicada, linguagem coloquial e provérbios São um verdadeiro campo minado. Expressões como "vencer o dia", "não há como contornar isso" ou "nem aqui nem ali" são o exemplo perfeito de como Uma tradução literal pode destruir o significado..

Em expressões como “para vencer o dia”cujo significado real é “sair vitorioso” ou “alcançar algo difícil”, o Google Tradutor tende a traduzir palavra por palavraresultando em frases que um falante nativo de inglês não entenderia. O DeepL e outros sistemas mais avançados, como o Kagi, são capazes de propor frases equivalentes na língua de destino, obtendo-se uma tradução muito mais natural.

No entanto, em resposta a frases como “Eu tentei, mas foi inútil.”Quase todos os sistemas falham e oferecem resultados sem sentido, com exceção dos mecanismos de IA mais recentes que combinam grandes modelos de linguagem com tradução automática. Em outras palavras, “Nem para você, nem para mim”O Google e alguns concorrentes acertam com "Nem para você nem para mim", enquanto o DeepL propõe algo diferente ("não sou eu, não é você") que Não respeita esse significado de meio-termo..

Quando incluído línguas menos comuns ou não suportadasAssim como no caso basco, a situação está se tornando mais complicada. Um provérbio como “zozoak beleari ipurbeltz” (equivalente a "o sujo falando do mal lavado") exemplifica várias coisas ao mesmo tempo: por um lado, que O DeepL nem sequer reconhece o idioma.Por outro lado, embora o Google e outros motores de busca consigam identificar o basco, tendem a oferecer uma tradução literal onde o valor proverbial se perde completamente.

O teste fica ainda mais divertido (e complexo) quando você mistura várias línguas nas mesmas frases, como em “Estou tão empolgado com esse tradutor que se diz o melhor de todos” ou “Você tem um ‘je ne sais quoi’ que me deixa louco, maitia”. Esse tipo de frase é muito comum na linguagem cotidiana e nas redes sociais (por exemplo, o tradução de comentários do Instagram), forçar o sistema a Identifique palavras individuais em inglês, francês ou basco., adaptar conjugações inventadas (“hiperativas”) e resolver tudo em um texto coerente.

Nesses cenários, sistemas com modelos de linguagem de próxima geração como o tradutor de Kagi ou ferramentas baseadas em IA ChatGPT Eles tendem a lidar melhor com idiomas mistos e tom coloquial, enquanto o Google e o DeepL são mais rígidos. O DeepL, além disso, O recurso é removido do jogo quando um idioma não suportado é encontrado., como a palavra basca “maitia”, que nem sequer identifica corretamente.

Além do Google Tradutor e do DeepL: Kagi, Taia e IA generativa

Nos últimos anos surgiram Novos concorrentes disputam diretamente com o Google e o DeepL.. Um deles é Kagi Traduzir, um tradutor baseado em uma combinação de grandes modelos de linguagem que oferece cobertura para mais de 200 idiomas, proporcionando maior qualidade em expressões coloquiais Além disso, respeitamos a privacidade do usuário sem rastreamento ou publicidade.

Em testes comparativos, Kagi se destacou. Vencedor indiscutível contra o Google Translate e o DeepL. em tarefas onde o importante não é apenas traduzir, mas interpretar corretamente o contextoCompreensão de tom, decifração de piadas, provérbios ou expressões idiomáticas. Enquanto o Google e o DeepL caem em literalismos sem sentido ou interpretações ruins, o Kagi geralmente fornece uma tradução mais próxima da fala natural.

Outro tipo de solução é Plataformas de tradução profissional assistidas por IA, como Taia. Em vez de se concentrar apenas na tradução de texto (por exemplo, Tradução instantânea no Word), inventar memórias de tradução, gerenciamento de glossário, trabalho em equipe e acompanhamento de projetosDessa forma, eles combinam a velocidade da máquina com a revisão humana, ideal para empresas que trabalham com grandes volumes de conteúdo em diversos formatos.

E, claro, não podemos esquecer que la IA generativa (como o ChatGPT) Também se tornou um sério rival dos tradutores tradicionais. Por ser treinado para compreender e gerar linguagem com muita flexibilidade, ele pode adaptar registros, reformular textos, explicar decisões de tradução e resolvem ambiguidades de uma forma que os motores clássicos ainda não conseguiram, especialmente quando guiados por boas instruções.

Limitações, usos recomendados e o papel do tradutor humano.

Levando tudo isso em consideração, fica claro que Nem o Google Tradutor nem o DeepL são infalíveis.Ambos podem oferecer resultados espetaculares em textos simples e informativos, e ao mesmo tempo comprometer-se com... erros graves de nuance ou terminologia Em textos literários, jurídicos, médicos ou científicos.

Pára usos cotidianos —Para viagens, para entender um e-mail, traduzir um tweet, captar a ideia geral de uma notícia—, o Google Tradutor e o DeepL são mais do que suficientes. O Google se destaca porque sua variedade de idiomas e modos de entrada (texto, tradução de voz(imagem, sites completos), e o DeepL convence por causa do naturalidade em muitos pares de línguas europeiasAqui, o usuário médio raramente executará algo crítico.

Ao lidar com trabalho profissional —marketing, documentação corporativa, publicações acadêmicas, conteúdo jurídico—, o cenário muda. Nesses casos, o mais sensato é usar a tradução automática como primeira borracha e então recorrer a um pós-edição profissionalOu seja, um tradutor humano revisa, corrige e adapta o texto ao seu propósito e público-alvo.

Os especialistas que avaliaram esses sistemas pessoalmente insistem que Nenhuma tradução automática está pronta para ser publicada tal como está. Em áreas onde precisão, estilo e responsabilidade são realmente importantes, os tradutores continuam sendo indispensáveis ​​para garantir qualidade, consistência terminológica e adequação cultural, independentemente do nível de intervenção da IA.

Tudo indica que o futuro da tradução será híbridoAs máquinas cuidarão das tarefas repetitivas e produzidas em massa, enquanto os humanos se concentrarão em... o criativo, especializado e delicado. Entender Onde cada ferramenta se destaca e onde deixa a desejar. É a melhor maneira de tirar o máximo proveito delas sem surpresas desagradáveis.