Lingo.dev: ابزاری مبتنی بر هوش مصنوعی برای تسهیل ترجمه و بومیسازی اپلیکیشنها
برای کسبوکارهایی که در پی گسترش فعالیتهای خود در سطح جهانی هستند، ترجمه و بومیسازی اپلیکیشنها از جمله حیاتیترین اقداماتی است که باید در دستور کار قرار دهند. با این حال، فرآیند ترجمه و بومیسازی اپلیکیشنها فراتر از جایگذاری ساده متون در ابزارهایی نظیر گوگل ترنسلیت و دریافت ترجمه یک متن یا تصویر است. ظهور ابزارهای نوینتری مانند ChatGPT نیز امکان ترجمههای سریع و کاربردی را فراهم آورده است، اما هیچیک از این ابزارها قادر به ارائه یک تجربه بومیسازی جامع نیستند. در این مقاله، به معرفی استارتاپ Lingo.dev میپردازیم که با هدف رفع این نیاز ایجاد شده است.
در کنار ابزارهای سادهای همچون گوگل ترنسلیت و ChatGPT، شرکتهایی مانند DeepL و ElevenLabs با ارائه فناوریهای زبانی پیشرفته و ارزشمند، به جایگاهی میلیارد دلاری دست یافتهاند و این قابلیتها را در اختیار کسبوکارهایی قرار میدهند که قصد دارند اپلیکیشنهای خود را در سطح بینالمللی عرضه کنند. اکنون، بازیگر تازهای با یک موتور بومیسازی مبتنی بر هوش مصنوعی وارد این عرصه شده است که زیرساخت لازم برای ترجمه و بومیسازی اپلیکیشنها را در اختیار توسعهدهندگان قرار میدهد. میتوان این پلتفرم را به عنوان نسخهای از Stripe برای حوزه بومیسازی اپلیکیشنها در نظر گرفت.
این پلتفرم که پیشتر با نام Replexica شناخته میشد، توسعهدهندگانی را هدف قرار داده است که میخواهند رابط کاربری اپلیکیشن خود را از همان ابتدای فرآیند توسعه، به طور کامل بومیسازی کنند. تنها اقدام مورد نیاز از سوی توسعهدهندگان، ارسال کدهای خود به روال معمول است، در حالی که Lingo.dev به صورت خودکار در پسزمینه فعالیت میکند.
نتیجه این فرآیند، حذف نیاز به کپی و جایگذاری متون در ابزارهایی مانند ChatGPT برای ترجمههای سریع و سطحی یا مدیریت فایلهای متعدد ترجمه از منابع گوناگون است. Lingo.dev فرآیند پیچیده ترجمه و بومیسازی اپلیکیشنها را به شکلی ساده و خودکار درآورده است.
در حال حاضر، شرکت فرانسوی Mistral AI و پلتفرم متنباز Cal.com (رقیب Calendly) از جمله مشتریان Lingo.dev به شمار میروند. این شرکت به منظور تسریع روند رشد خود، از جذب مبلغ ۴.۲ میلیون دلار در مرحله سرمایهگذاری اولیه خبر داده است.
آغاز مسیر Lingo.dev برای ترجمه و بومیسازی اپلیکیشنها
Lingo.dev حاصل تلاشهای مکس پریلوتسکی (مدیرعامل) و ورونیکا پریلوتسکایا (مدیر ارشد محصول) است. این دو نفر در سال گذشته استارتاپ پیشین خود با نام Notionlytics را به یک خریدار نامشخص واگذار کردند. آنها از سال ۲۰۲۳ بر روی پایههای Lingo.dev کار کرده و اولین نمونه اولیه این پلتفرم را در یک هکاتون در دانشگاه کرنل توسعه دادند. این پروژه منجر به جذب اولین مشتریان پولی آنها شد و پس از آن، در برنامه پاییزه Y Combinator شرکت کردند.
هسته اصلی Lingo.dev یک API ترجمه است که توسعهدهندگان میتوانند آن را به صورت محلی از طریق رابط خط فرمان (CLI) یا به طور مستقیم از طریق یکپارچهسازی با سیستم CI/CD در GitHub یا GitLab فراخوانی کنند. در عمل، تیمهای توسعه به محض ایجاد تغییر در کد، به طور خودکار درخواستهای ادغام (pull request) حاوی بهروزرسانیهای ترجمه را دریافت میکنند.
در قلب این سیستم، همانطور که انتظار میرود، یک مدل زبانی بزرگ (LLM) قرار دارد—یا به عبارت دقیقتر، چندین مدل زبانی. Lingo.dev وظیفه هماهنگی ورودیها و خروجیها میان این مدلها را بر عهده دارد. این رویکرد ترکیبی، که از مدلهای Anthropic و OpenAI و سایر ارائهدهندگان بهره میبرد، به گونهای طراحی شده است که بهترین مدل برای هر وظیفه خاص انتخاب شود.
مکس پریلوتسکی در گفتوگو با TechCrunch توضیح داد که هر مدل زبانی بزرگ (LLM) برای درخواستهای مشخصی عملکرد بهتری از خود نشان میدهد. همچنین، بسته به نوع کاربرد، ممکن است کاهش زمان پاسخدهی (latency) از اهمیت بالایی برخوردار باشد یا اصلاً مهم نباشد.
یکی از دغدغههای اساسی 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) با احتیاط بیشتری عمل کردهاند. با این حال، تمرکز اصلی Lingo.dev 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 دریافت هیچگونه داده شخصی از سوی مشتریان را ندارند. علاوه بر این، شرکتها از طریق Lingo.dev میتوانند حافظه ترجمه (مجموعهای از محتوای ترجمهشده قبلی) ایجاد کرده و راهنمای سبک (Style Guide) خود را بارگذاری کنند. این قابلیت به آنها امکان میدهد لحن و صدای برند خود را برای بازارهای مختلف تنظیم نمایند.
کسبوکارها قادر خواهند بود قوانین خاصی را برای نحوه ترجمه عبارات مشخص و شرایط استفاده از آنها تعریف کنند. علاوه بر این، موتور Lingo.dev در حین ترجمه و بومیسازی اپلیکیشنها، موقعیت متن را در رابط کاربری تحلیل کرده و در صورت نیاز، تنظیمات لازم را اعمال میکند. به عنوان مثال، هنگامی که یک کلمه از زبان انگلیسی به آلمانی ترجمه میشود، ممکن است طول آن دو برابر شده و باعث بههمریختگی رابط کاربری شود. کاربران میتوانند موتور را به گونهای تنظیم کنند که این مشکل را با بازنویسی متن و تطبیق آن با طول اصلی برطرف نماید.
ترجمه بخشهای کوچک و مستقل از متن، مانند برچسبهای رابط کاربری، بدون درک کامل از محتوای کلی برنامه، میتواند چالشبرانگیز باشد. برای رفع 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 از این کار، درک دقیق ریززمینه (Microcontext) است.
این شرکت در حال توسعه 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 درباره عناصر رابط کاربری و هدف آنها استخراج کرده و در فرآیند بومیسازی از آنها بهره ببرد.
تمرکز بر بهبود ترجمه و بومیسازی اپلیکیشنها و درک تفاوتهای فرهنگی
Lingo.dev هنوز در مراحل ابتدایی مسیر خود برای دستیابی به ترجمه و بومیسازی کامل اپلیکیشنها قرار دارد. به عنوان مثال، رنگها و نمادها ممکن است در فرهنگهای مختلف معانی متفاوتی داشته باشند؛ مسئلهای که این پلتفرم هنوز به طور 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 ترجمه اصطلاحات ارائه شده است. به عنوان مثال، اصطلاح انگلیسی “to kill two birds with one stone” معادلی در زبان آلمانی دارد که به صورت «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 زمینه هوش مصنوعی است تا فرآیند خودکار ترجمه و بومیسازی اپلیکیشنها را در جنبههای مختلف بهبود بخشد. یکی از چالشهای پیچیدهای که این شرکت روی آن کار میکند، حفظ اشکال مذکر و مؤنث اسمها و افعال هنگام ترجمه بین زبانها است. به عنوان مثال، در زبان انگلیسی کلمه “teacher” خنثی از نظر جنسیت است، اما در زبان اسپانیایی به صورت “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 به طور صحیح، بخشی از تلاشهای تحقیقاتی Lingo.dev در حوزه هوش مصنوعی است.
هدف نهایی Lingo.dev فراتر از ترجمه ساده است. این شرکت تلاش دارد کیفیت خروجی را تا حد ممکن به نتیجهای که یک تیم مترجمان حرفهای ارائه میدهد، نزدیک کند.
به گفته مکس پریلوتسکی، هدف اصلی Lingo.dev این است که فرآیند ترجمه و بومیسازی اپلیکیشنها را تا حدی ساده و بدون اصطکاک کند که به یک لایه زیرساختی و بخشی طبیعی از پشته 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 حوزه پرداخت تبدیل کرد.
اگرچه بنیانگذاران این شرکت اخیراً در بارسلونا مستقر بودهاند، اما اکنون قصد دارند دفتر مرکزی خود را به سانفرانسیسکو منتقل کنند. این استارتاپ هماکنون 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 سرمایه 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 به صورت تماموقت کار میکردند و گاهی از پیمانکاران خارجی برای انجام کارهای خاص کمک میگرفتند. تجربه آنها در ساخت محصولات با حداقل منابع شکل گرفته است. به دلیل اینکه استارتاپ قبلی به صورت 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 پشتوانه سرمایه جذبشده.
