Ошибки импорта в CAT-инструменты (Trados, MemoQ) из-за грязных исходников увеличивают стоимость проекта на 15–25% за счет незапланированных итераций правки верстки. Выбор между простой очисткой контента и глубокой структурной разметкой определяет, получите ли вы чистый XLIFF или «кашу» из тегов, которая уничтожит эффективность памяти переводов (TM).
Очистка контента: быстрый старт с рисками
Метод очистки (content cleaning) подразумевает удаление лишних пробелов, двойных абзацев и невидимых символов управления через RegExp или простые скрипты. Это стандарт для простых Word-файлов или текстовых выгрузок, где объем составляет до 50 000 слов. Затраты на этот этап минимальны — от 1 до 4 рабочих часов специалиста.
Однако при работе с InDesign или сложными PDF очистка не решает проблему «разрывов строк» (hard breaks). В итоге переводчик видит одно предложение, разбитое на 5 сегментов, что снижает точность совпадений в TM с 80% до 40%. Экспертный вывод: очистка допустима только для линейных текстов без сложной верстки; для технической документации она является лишь гигиеническим минимумом, а не полноценной подготовкой.
Структурная разметка: архитектурный подход к файлам
Структурная разметка (structural tagging) — это приведение файла к строгому стандарту (XML, DITA, JSON), где каждый элемент (заголовок, предупреждение, шаг инструкции) имеет свой тег. Это критично для мануалов объемом от 100 000 слов. Внедрение такой разметки увеличивает время подготовки на 10–20 часов, но сокращает время финальной верстки на 30–50%.
Пример: в спецификациях High-level Design разметка позволяет жестко зафиксировать переменные и параметры, которые не должны переводиться. Без этого риск «сломать» код или формулу при импорте в CAT-инструмент составляет около 15%. Экспертный вывод: структурная разметка — единственный способ гарантировать консистентность в больших проектах, где работают несколько лингвистов одновременно.
Сравнение эффективности: метрики и потери
Разница в подходах проявляется в коэффициенте полезного использования памяти переводов (Leverage). При простой очистке «шум» в виде случайных тегов внутри предложений создает разные варианты одного и того же сегмента. Это приводит к потере 10–15% потенциальных 100% совпадений (Exact Matches).
- Очистка: стоимость подготовки $50–200, риск ошибок импорта 20%, скорость сборки финального файла средняя.
- Разметка: стоимость подготовки $300–800, риск ошибок импорта <2%, скорость сборки высокая за счет автоматизации.
Кейс: перевод руководства по эксплуатации промышленного станка (120 стр.). Очистка сэкономила 1 день на старте, но добавила 4 дня на исправление «поехавшей» верстки после импорта из Trados. Экспертный вывод: экономия на подготовке всегда оборачивается переплатой на этапе DTP (Desktop Publishing).
Подводные камни импорта в CAT-инструменты
Главная проблема — «невидимые» сущности. В технических текстах часто встречаются неразрывные пробелы, спецсимволы Unicode и скрытые стили, которые CAT-инструменты превращают в громоздкие теги типа <t1>...</t1>. Если тегов в сегменте больше 5–7, переводчик начинает совершать ошибки, удаляя их или меняя местами, что делает файл нечитаемым для импорта обратно.
Применение структурной разметки позволяет вынести такие элементы в атрибуты, скрыв их от переводчика. Это повышает скорость перевода на 10–15% за счет снижения когнитивной нагрузки на лингвиста. Экспертный вывод: чем меньше визуального мусора в окне редактора CAT, тем выше качество технического перевода документации.
Вывод
Мой вердикт: забудьте об «очистке», если ваш проект — это не одностраничный пресс-релиз. Для любого серьезного технического перевода необходимо использовать структурную разметку. Начинайте с анализа иерархии документа и приведения исходников к XML/DITA-стандартам. Это инвестиция, которая окупается за счет исключения ручного исправления верстки и роста точности TM. Избегайте работы с «сырыми» PDF — всегда требуйте исходники в редактируемых форматах, иначе стоимость подготовки файлов перекроет всю выгоду от автоматизации.