Ngữ liệu song song là tập văn bản gốc đặt cạnh bản dịch của nó, được ghép từng câu hoặc từng đoạn tương ứng. Căn chỉnh (alignment) là quá trình ghép đó: lấy một văn bản và bản dịch, xác định câu nào của bên này tương ứng với câu nào của bên kia. Kết quả là một kho mà bạn có thể tra một chữ ở ngôn ngữ nguồn và thấy ngay những người dịch trước đã chuyển nó ra sao.
Với người dịch, đây là cách biến những bản dịch cũ — của chính mình, của khách hàng đã cung cấp, hoặc văn bản song ngữ công khai đáng tin — thành công cụ tra cứu trong ngữ cảnh. Bài này giải thích ngữ liệu song song khác gì ngữ liệu đơn ngữ, tìm nguồn ở đâu cho cặp Anh–Việt, quy trình căn chỉnh, cách tra và những rủi ro cần kiểm soát.
Ngữ liệu song song khác gì ngữ liệu đơn ngữ
Ngữ liệu đơn ngữ cho bạn thấy người bản ngữ viết gì; ngữ liệu song song cho bạn thấy người dịch đã chuyển cái gì thành cái gì. Hai loại trả lời hai câu hỏi khác nhau. Muốn biết tiếng Anh nói "tác động đến" thế nào cho tự nhiên, ngữ liệu đơn ngữ tiếng Anh là đủ. Muốn biết một chữ cụ thể như stakeholder đã được dịch thành gì trong văn bản phát triển ở Việt Nam — "bên liên quan", "các bên có liên quan", "đối tác", hay để nguyên — bạn cần ngữ liệu song song.
Giá trị lớn nhất của ngữ liệu song song là nó cho thấy phổ lựa chọn. Một chữ trong từ điển có một hai cách dịch; trong ngữ liệu song song, cùng chữ đó có thể hiện ra với năm sáu cách, tuỳ ngữ cảnh. Nhìn vào phổ đó, bạn thấy được khi nào người dịch chọn cách nào, và quan trọng hơn, thấy những giải pháp không có trong từ điển: đổi loại từ, đảo cấu trúc, bỏ hẳn chữ đó vì tiếng Việt đã hàm ý.
Mặt khác, ngữ liệu song song chứa bản dịch — tức chứa lựa chọn của người khác, có cả lựa chọn sai. Ngữ liệu đơn ngữ cho bằng chứng về ngôn ngữ; ngữ liệu song song cho bằng chứng về thói quen dịch. Một thói quen phổ biến chưa chắc là thói quen tốt. Người dùng ngữ liệu song song phải giữ thái độ của người biên tập: thấy nhiều cách dịch, đánh giá từng cách, không chọn theo số đông.
Tìm ngữ liệu song song cho cặp Anh–Việt ở đâu
Các kho song song lớn nhất thế giới — văn kiện của Liên Hợp Quốc ở sáu ngôn ngữ chính thức, văn bản của Liên minh châu Âu ở các ngôn ngữ chính thức của khối — không có tiếng Việt. Người dịch Anh–Việt phải dựa vào những nguồn khác, mỗi loại có mức tin cậy riêng:
- Bản dịch của chính bạn đã được khách hàng hoặc người biên tập duyệt. Đây là nguồn đáng giá nhất vì bạn biết rõ bối cảnh và chất lượng.
- Tài liệu tham khảo khách hàng cung cấp: bản dịch cũ của cùng công ty, cùng sản phẩm. Dùng trong phạm vi dự án của khách, theo thoả thuận bảo mật.
- Văn bản song ngữ công bố công khai của tổ chức có uy tín: báo cáo song ngữ của các tổ chức quốc tế hoạt động tại Việt Nam, tài liệu song ngữ của cơ quan nhà nước, báo cáo thường niên song ngữ của doanh nghiệp niêm yết, tiêu chuẩn kỹ thuật được chấp nhận từ tiêu chuẩn quốc tế.
- Bản dịch tiếng Anh của văn bản pháp luật Việt Nam: hữu ích để thấy cách các thuật ngữ pháp lý Việt Nam từng được chuyển sang tiếng Anh, nhưng phần lớn là bản dịch tham khảo không có giá trị pháp lý và chất lượng không đồng đều.
- Các kho dữ liệu song song mở phục vụ nghiên cứu, có cặp Anh–Việt thu từ phụ đề, tài liệu phần mềm, trang web đa ngữ. Khối lượng lớn nhưng chất lượng rất không đồng đều, nhiều câu được ghép tự động và có lỗi ghép.
Nguyên tắc chung: nguồn càng gần thể loại và lĩnh vực văn bản bạn đang dịch, càng hữu ích. Một nghìn câu song ngữ đúng ngành giá trị hơn một triệu câu phụ đề phim khi bạn dịch hợp đồng.
Căn chỉnh hoạt động thế nào
Căn chỉnh tự động dựa trên một quan sát đơn giản: câu dài ở ngôn ngữ nguồn thường có bản dịch dài, câu ngắn có bản dịch ngắn. William Gale và Kenneth Church công bố năm 1993 một phương pháp căn chỉnh câu dựa chủ yếu vào độ dài tính bằng ký tự, và nó hoạt động tốt một cách đáng ngạc nhiên với các cặp ngôn ngữ châu Âu. Các công cụ hiện đại bổ sung thêm tín hiệu: con số, tên riêng, dấu câu, định dạng, các chữ có trong từ điển song ngữ, và gần đây là mô hình ngôn ngữ đo độ giống nghĩa giữa hai câu.
Kết quả căn chỉnh gồm các cặp ghép, phần lớn là một câu với một câu (1–1). Nhưng bản dịch thật không luôn giữ ranh giới câu: người dịch Việt hay tách một câu tiếng Anh dài thành hai câu (1–2), hoặc gộp hai câu ngắn thành một (2–1), đôi khi bỏ hẳn một câu hoặc thêm một câu giải thích (1–0, 0–1). Thuật toán phải đoán những trường hợp này, và đó là chỗ nó hay sai nhất.
Với cặp Anh–Việt, độ dài là tín hiệu kém tin cậy hơn so với các cặp châu Âu, vì tiếng Việt viết theo âm tiết rời, nhiều dấu, và cách diễn đạt có thể dài hơn hoặc ngắn hơn đáng kể tuỳ văn phong người dịch. Thực tế cho thấy căn chỉnh tự động Anh–Việt cần người soát lại nhiều hơn. Con số, mã hiệu, tên riêng và cấu trúc đoạn của văn bản (đề mục, danh sách, bảng) là những neo giúp căn chỉnh chính xác hơn — văn bản càng có cấu trúc rõ, căn chỉnh càng dễ.
Quy trình tự căn chỉnh một bộ bản dịch cũ
Quy trình dưới đây dùng được với hầu hết công cụ căn chỉnh, kể cả chức năng căn chỉnh có sẵn trong các phần mềm hỗ trợ dịch. Ví dụ giả định: bạn có hai mươi bản hợp đồng song ngữ đã dịch trong năm qua cho cùng một khách hàng.
- Chuẩn hoá tệp. Đưa cả hai bên về cùng định dạng có thể đọc chữ (không dùng ảnh scan), xoá phần đầu trang, chân trang, số trang lặp lại, sửa lỗi ngắt dòng giữa câu do chuyển từ PDF.
- Ghép đúng cặp tệp. Đặt tên sao cho mỗi tệp nguồn khớp đúng tệp dịch; kiểm đúng phiên bản — bản dịch cuối cùng đã duyệt, không phải bản nháp.
- Tách câu. Kiểm quy tắc tách câu cho từng ngôn ngữ: chữ viết tắt như "Mr.", "No.", "v.v." dễ làm công cụ tách sai.
- Chạy căn chỉnh tự động. Để công cụ đề xuất các cặp.
- Soát lại bằng tay. Tập trung vào các cặp không phải 1–1, các đoạn có độ dài chênh nhau bất thường, và vùng quanh bảng biểu. Sửa ghép sai, gộp hoặc tách các cặp cho đúng.
- Xuất và lưu. Xuất ra định dạng trao đổi chuẩn — phổ biến nhất là TMX (Translation Memory eXchange), một định dạng XML dùng chung giữa nhiều phần mềm — kèm thông tin khách hàng, lĩnh vực, năm.
Bước 5 là nơi phần lớn thời gian rơi vào, và là bước không nên bỏ. Một kho song song ghép sai sẽ đưa ra gợi ý sai một cách tự tin, tệ hơn là không có kho.
Tra cứu trong ngữ liệu song song: đọc cả hai cột
Công cụ tra cơ bản là concordance song ngữ: gõ một chữ hoặc cụm ở ngôn ngữ nguồn, công cụ trả về mọi cặp câu có chữ đó, câu nguồn bên trái, câu dịch bên phải. Một số công cụ còn tô đậm phần dịch tương ứng trong câu đích. Ví dụ giả định: tra shall be liable trong kho hợp đồng của bạn, bạn có thể thấy các cách dịch "phải chịu trách nhiệm", "chịu trách nhiệm", "có trách nhiệm bồi thường", tuỳ điều khoản.
Kỹ năng đọc ở đây là hỏi vì sao khác nhau. Nếu cùng một cụm có hai cách dịch, đó là do ngữ cảnh khác nhau thật, hay do hai người dịch khác nhau, hay do một bản dịch bị sai? Đọc toàn câu, đôi khi cả đoạn, trước khi rút ra kết luận. Một cách dịch xuất hiện ít nhưng hợp ngữ cảnh của bạn có giá trị hơn cách dịch xuất hiện nhiều trong ngữ cảnh khác.
Ngữ liệu song song cũng tra được theo chiều ngược: gõ chữ tiếng Việt để xem nó được dùng để dịch những chữ tiếng Anh nào. Cách tra này rất có ích khi bạn dịch Việt–Anh và muốn biết các bản dịch trước đã chọn từ tiếng Anh nào cho một khái niệm hành chính hay pháp lý của Việt Nam — đồng thời cũng cho thấy rõ sự thiếu nhất quán trong các bản dịch có sẵn, để bạn chọn có ý thức.
Cuối cùng, tra những chữ không dịch: các chỗ câu nguồn có một chữ mà câu đích không có gì tương ứng. Những trường hợp đó cho thấy người dịch có kinh nghiệm thường lược bỏ ở đâu — chẳng hạn các trạng từ nhấn mạnh hay mạo từ — và giúp bạn bớt dịch thừa.
Rủi ro cần kiểm soát
Nhân bản lỗi. Kho song song lưu lại mọi quyết định cũ, kể cả quyết định sai. Khi công cụ gợi ý một câu đã dịch, rất dễ chấp nhận mà không đọc kỹ. Hãy đánh dấu mức tin cậy cho từng nguồn trong kho, và đừng coi một gợi ý là đúng chỉ vì nó đã từng được dùng.
Bảo mật. Bản dịch cho khách hàng thường chứa thông tin mật: hợp đồng, số liệu tài chính, hồ sơ cá nhân. Đọc kỹ thoả thuận bảo mật trước khi đưa tài liệu của khách vào kho; nhiều thoả thuận yêu cầu xoá tài liệu sau dự án hoặc cấm dùng cho khách hàng khác. Không đưa kho chứa dữ liệu khách hàng lên dịch vụ trực tuyến mà bạn không kiểm soát.
Quyền sử dụng. Văn bản song ngữ công khai trên mạng không có nghĩa là bạn được tái sử dụng tuỳ ý. Dùng để tra cứu cá nhân là một chuyện; chép nguyên bản dịch của người khác vào sản phẩm của mình là chuyện khác. Khi có nghi ngờ, dùng kho để học giải pháp rồi tự diễn đạt.
Trộn lĩnh vực và thời kỳ. Một kho trộn hợp đồng với tài liệu marketing, hay trộn bản dịch mười năm trước với hiện nay, sẽ gợi ý thuật ngữ lệch ngành hoặc lỗi thời. Gắn nhãn lĩnh vực và năm cho từng tệp, và lọc theo nhãn khi tra.
Đánh giá nhanh chất lượng một nguồn song song
Trước khi đưa một bộ văn bản song ngữ vào kho tra cứu, dành mười phút kiểm chất lượng. Chọn ngẫu nhiên khoảng hai mươi cặp câu và đọc kỹ. Câu dịch có đủ ý không, có thêm thắt không? Thuật ngữ có nhất quán trong cùng văn bản không? Văn phong có tự nhiên với người đọc đích không? Nếu trong hai mươi cặp đã thấy vài lỗi nghĩa, kho này chỉ nên dùng để tham khảo cách diễn đạt, không dùng để xác nhận thuật ngữ.
Một dấu hiệu nữa cần để ý là dấu vết dịch máy không qua biên tập: câu đúng từng chữ nhưng trật tự từ cứng, thuật ngữ thay đổi vô cớ giữa các đoạn, các chữ đa nghĩa bị dịch theo nghĩa phổ biến nhất trong khi ngữ cảnh đòi nghĩa khác. Văn bản kiểu này ngày càng nhiều trên mạng và dễ lẫn vào các kho thu thập tự động.
Xác định ai dịch và trong hoàn cảnh nào cũng giúp đánh giá: bản dịch của một tổ chức có quy trình biên tập, có chịu trách nhiệm về văn bản, thường đáng tin hơn bản dịch không rõ nguồn. Văn bản mà cả hai phiên bản đều có giá trị chính thức — chẳng hạn hợp đồng song ngữ mà các bên ký cả hai bản — thường được soạn cẩn thận hơn bản dịch chỉ để tham khảo.
Câu hỏi thường gặp
Ngữ liệu song song có khác bộ nhớ dịch trong phần mềm hỗ trợ dịch không?
Về bản chất là cùng một thứ: các cặp câu nguồn – đích. Khác ở mục đích dùng. Bộ nhớ dịch được phần mềm dùng để tự động gợi ý khi gặp câu giống; ngữ liệu song song được người dịch chủ động tra để học cách các câu tương tự đã được xử lý. Một kho căn chỉnh tốt dùng được cho cả hai việc.
Có nên căn chỉnh bản dịch của người khác mà mình tìm được trên mạng không?
Để tra cứu cá nhân và học cách dịch, nhiều người dịch vẫn làm vậy với văn bản công khai. Nhưng cần xét quyền sử dụng, không đưa nguyên câu của người khác vào bản dịch giao cho khách như sản phẩm của mình, và đánh giá chất lượng nguồn trước khi tin.
Căn chỉnh văn bản có tốn nhiều thời gian không?
Phần chạy tự động nhanh; phần soát lại tốn thời gian tuỳ chất lượng văn bản. Với văn bản có cấu trúc rõ như hợp đồng, tiêu chuẩn, báo cáo có đề mục, soát lại khá nhanh. Với văn xuôi dịch tự do, nhiều câu bị tách gộp, việc soát lại có thể lâu hơn nhiều.
Kho song song bao lớn thì bắt đầu có ích?
Ích lợi đến sớm hơn người ta nghĩ nếu kho đúng lĩnh vực. Vài nghìn cặp câu từ cùng một khách hàng đã đủ để giữ nhất quán thuật ngữ và văn phong cho các dự án sau. Kho lớn nhưng lẫn nhiều lĩnh vực đôi khi lại kém hữu ích hơn kho nhỏ chuyên biệt.
Khi bản dịch cũ của khách hàng có lỗi thì xử lý thế nào?
Đừng âm thầm sửa và cũng đừng âm thầm làm theo. Ghi lại các lỗi quan trọng, nêu với khách hàng kèm đề xuất cách dịch khác và lý do. Khách hàng có thể muốn giữ cách cũ vì lý do nhất quán với tài liệu đã phát hành; khi đó ghi rõ quyết định trong ghi chú dự án.
