# General Translation Knowledge Base: 什么是翻译记忆库？有了 AI 还需要它吗？
URL: https://generaltranslation.com/zh/kb/what-is-translation-memory.mdx
Docs index: https://generaltranslation.com/llms.txt
Description: 翻译记忆库（TM）是一个存储既往源文与译文片段对的数据库，翻译工具会在其中查找完全匹配、上下文匹配和模糊匹配。即便使用 AI，你仍然需要复用已批准的措辞，并将过往译文作为上下文。General Translation 会复用早期文件版本中匹配的译文并保留团队所做的修改，无需另外维护一套 TM。
Category: 翻译
Last updated: 2026-10-28
Authors: General Translation Team
Published: 2026-10-28

翻译记忆库 (TM) 是一个由片段组成的数据库。片段通常是句子或 UI 字符串，每个片段都与其一种或多种语言的已批准译文一同存储。有新内容时，翻译工具会在 TM 中逐一查找每个片段：完全匹配的直接复用，相似的则作为建议提供给译者修改。AI 并没有让这项工作变得多余：你仍然需要复用已批准的措辞，并让重复文本保持一致。真正的变化在于近似匹配的用法：已批准的匹配项不仅能辅助译者修改，还能引导模型生成初稿。它们的价值有多大，取决于匹配项的质量、审校工作量、文本的重复程度，以及是否必须沿用已批准的措辞。

## Video

The video is narrated in English, with English captions.

[What is translation memory, and do you still need it with AI?](https://caxecubb9c64cezv.public.blob.vercel-storage.com/films/v2/kb-what-is-translation-memory.mp4) (49秒)

Translation memory (TM) is a database of earlier source and target segment pairs that a translation tool searches for exact, in-context, and fuzzy matches. With AI, you still want approved wording reused and past translations available as context. General Translation reuses matching translations from earlier file versions and keeps team edits, without a separate TM to maintain.

## 翻译记忆库的工作原理

TM 的第一步是切分：工具将源内容拆分为翻译单元。对于普通文本，一个单元通常是一个句子；对于软件，[Microsoft 的全球化术语表](https://learn.microsoft.com/en-us/globalization/reference/glossary)指出，每个字符串资源就是一个单元。每个条目存储源片段、对应的译文以及元数据，例如日期、译者和上下文 (文件名、资源标识符或周边文本) 。

翻译新内容时，工具会针对每个片段查询 TM，并返回排好序的候选结果，每个候选结果都附带置信度分数，通常以百分比表示。接下来如何处理，取决于匹配类型：

| 匹配类型            | 匹配内容            | 通常的处理方式          |
| --------------- | --------------- | ---------------- |
| 上下文匹配 (101%)    | 片段及其相邻片段        | 直接复用，稍加检查        |
| 完全匹配 (100%)     | 片段文本相同，但上下文不同   | 复用后结合新上下文审校      |
| 模糊匹配 (低于 100%)  | 相似的片段；百分比反映相似程度 | 由译者修改已存储的译文      |
| 重复              | 同一片段在当前任务中再次出现  | 只需翻译一次           |
| 无匹配             | 没有高于工具截断阈值的结果   | 由人工、MT 或 AI 从头翻译 |

[Phrase 的文档](https://support.phrase.com/hc/en-us/articles/9386879839900)将 101% 匹配定义为上下文匹配，即根据前后片段来判定；而 100% 匹配则是指源文本相同但上下文不同。之所以要做这种区分，是因为完全匹配也可能出错。文档编辑器工具栏上的 &quot;Save&quot; 和定价页面上的 &quot;Save&quot; 是同一个字符串，但在德语中，前者是 *speichern*，后者是 *sparen*。

模糊匹配则是&quot;差一点就对上&quot;的匹配。如果 TM 中存有 &quot;Delete this file?&quot; 及其德语译文，而新片段是 &quot;Delete these files?&quot;，工具会以较高的匹配率推荐已存储的译文，再由译者修正复数形式。

## TMX：在工具之间迁移 TM 的格式

TMX (Translation Memory eXchange) 是一种 XML 标准，用于将 TM 从一个工具导出，再导入到另一个工具中。根据 [ETSI 规范](https://www.etsi.org/deliver/etsi_gs/LIS/001_099/002/01.04.02_60/gs_LIS002v010402p.pdf)的描述，它是在各类工具和翻译供应商之间交换 TM 数据的标准方式，能够做到关键数据几乎无损或完全无损。该格式源自 LISA 的 OSCAR 小组；2011 年 LISA 宣告破产后，ETSI 将 [TMX 1.4b](https://www.ttt.org/oscarStandards/tmx/tmx14b.html) 重新发布为 ETSI GS LIS 002。

TMX 文件开头是描述本次导出信息的 `<header>`，其后是由翻译单元 (`<tu>`) 组成的 `<body>`。每个翻译单元针对每种语言各包含一个变体 (`<tuv>`) ，文本则放在 `<seg>` 中：

```xml title="memory.tmx"
<?xml version="1.0" encoding="UTF-8"?>
<tmx version="1.4">
  <header creationtool="ExampleTool" creationtoolversion="1.0"
          segtype="sentence" o-tmf="ExampleTM" adminlang="en-US"
          srclang="en-US" datatype="plaintext"/>
  <body>
    <tu tuid="settings-save" creationdate="20261028T120000Z">
      <prop type="x-context">Settings form, primary button</prop>
      <tuv xml:lang="en-US"><seg>Save changes</seg></tuv>
      <tuv xml:lang="de-DE"><seg>Änderungen speichern</seg></tuv>
      <tuv xml:lang="fr-FR"><seg>Enregistrer les modifications</seg></tuv>
    </tu>
  </body>
</tmx>
```

该文件可使用 `xmllint --dtdvalid` 依据 TMX 1.4 DTD 进行校验。该规范定义了两个级别：Level 1 仅包含纯文本；Level 2 则额外提供用于内联代码 (如粗体文本或占位符) 的标记，以便工具重建带格式的文档。至于文本如何切分为片段，相关规则则单独存放在 SRX (Segmentation Rules eXchange) 文件中。

TM 不同于词汇表。TM 存储的是完整片段；而词汇表 (又称术语库) 存储的是单个术语，例如产品名称以及绝不能翻译的词语。 (参见[在 AI 翻译中保持术语一致](/kb/ai-translation-glossary)。)

## 翻译记忆库存放在哪里，又如何影响费用

译者将 TM 保存在 CAT (计算机辅助翻译) 工具中，企业则将其保存在[翻译管理系统 (TMS) ](/kb/what-is-a-translation-management-system)中；TMS 会在编辑器中的每个片段旁显示 TM 匹配结果。如果你的 TM 由语言服务提供商保管，请在更换供应商之前要求对方导出 TMX 文件。

TM 还会直接影响账单。任务开始前，供应商的工具会将其与 TM 比对分析，统计各匹配类别的字数，每个类别按各自的费率计费，匹配字数的费率低于新字数。Phrase 将这种方式称为[净费率方案](https://support.phrase.com/hc/en-us/articles/5709665578908)：重复内容、上下文匹配、100% 匹配和模糊匹配各有对应费率，而匹配度低于 75% 的模糊匹配按新字数计算。TM 规模越大、质量越高，每次发布的计费字数就越少。

## AI 如何改变翻译记忆库

当译文由模型起草时，TM 的职能有一部分变了，有一部分没变：

* **模糊匹配和历史译文成为上下文。** 过去，模糊匹配只是供译者修改的起点。改由模型起草后，已批准的近似匹配还能引导生成：把相似的已批准翻译对作为示例放进模型的提示词即可。
* **完全复用依然重要。** 如果每次运行都重新翻译已批准的句子，就可能产生未经审校的新措辞。未更改的文本应沿用已批准的译文，只有新增或更改的文本才交给模型处理。

Moslem 等人在一篇 [EAMT 2023 论文](https://aclanthology.org/2023.eamt-1.22/)中发现，在提示词中加入示例翻译对，能让 LLM 在翻译新句子时适应特定领域的风格和术语。Lokalise 的[自定义 AI 配置](https://docs.lokalise.com/en/articles/11894216-ai-profiles)正是通过从翻译记忆库中检索来实现这一点，该功能仅在其 Advanced 和 Enterprise 方案中提供。

模型可以将检索到的译文与字符串所在的组件、字符串中的变量，以及开发者对其含义的备注结合起来。早在有人检查匹配之前，这些上下文就已决定了该用 *speichern* 还是 *sparen*。 (参见 [AI 翻译的准确度是否足以用于生产环境](/kb/is-ai-translation-accurate)。) 

| 方法                                | 未更改的文本      | 新增或更改的文本             | 术语              | 适用场景            |
| --------------------------------- | ----------- | -------------------- | --------------- | --------------- |
| CAT 工具或 TMS 中的传统 TM               | 完全匹配和上下文匹配  | 供译者使用的模糊匹配，或 MT      | 独立的术语库          | 人工译者和供应商合同      |
| 直接调用 LLM                          | 每次运行都重新翻译   | 仅凭字符串本身生成的流畅草稿       | 仅限你粘贴到每个提示词中的内容 | 一次性文本           |
| 结合 TM 检索的 LLM                     | 取决于工具       | 以相似的已批准翻译对作为示例       | 词汇表加示例          | 单一领域内经过审校的大型语料库 |
| 在构建中进行增量翻译 (General Translation)  | 沿用早期版本的匹配译文 | 结合代码上下文、词汇表和风格规则的 AI | 共享词汇表           | 代码仓库中的产品 UI 和文档 |

## 你还需要翻译记忆库吗？

如果翻译工作由人工译者或语言服务提供商完成，供应商合同按匹配类别计价，需要与供应商交换 TMX 文件，或者受监管的文本必须逐字复用已批准的句子，那么请保留传统的 TM。在这些情况下，TM 既是工作流的一环，也是合同的一部分。

如果你的流水线已经能为团队提供所需的复用、审校和可移植性，你可能就不需要单独的 TM：未改动的译文会被复用，团队的修改会被保留，词汇表会自动应用，译文也保存在你自己掌控的文件中。如果你在某个细分领域 (例如法律或医疗文本) 积累了大量经过审校的译文语料，可以加入检索，让模型将这些翻译对作为示例参考。

## General Translation 如何实现复用

General Translation 不维护独立的翻译记忆库，也不支持模糊匹配或 TMX 导入，而是在翻译流水线内部实现翻译记忆库 (TM) 的功能：

* **未更改的文本会被复用。** 默认情况下，General Translation 的 [`npx gt translate`](/docs/cli/reference/commands/translate) 只翻译源内容发生变化的部分，并且可以[复用同一文件早期版本中的匹配译文](/docs/cli/guides/generating-translations#retranslate)，而不仅限于最新版本。片段的源文本一旦变化，就会被重新翻译。`--force` 会重新翻译所有内容，覆盖现有译文和本地修改，并按新工作量计费。
* **分支和移动无需从头开始。** 启用[分支](/docs/cli/guides/branching#inheritance)后，功能分支会继承其基础分支的译文，因此共享内容不会被重复翻译或重复计费。[`npx gt upload`](/docs/cli/reference/commands/upload) 会识别仅移动位置、内容未变的文件，并保留其译文。
* **团队的修改会被保留。** 审校人员可在仪表板的 **译文** 页面编辑译文 (参见[审校译文](/docs/platform/dashboard/guides/reviewing-translations)) 。对已下载文件所做的修改可通过 [`npx gt save-local`](/docs/cli/reference/commands/save-local) 同步回平台，也可在每次运行前通过 `--save-local` 或 [`options.saveLocal`](/docs/cli/reference/config#save-local) 同步；此同步需主动启用。编辑后的译文会成为存储版本，此后的运行都会复用它，直到其源内容发生变化。
* **现有译文可一并导入。** [`npx gt upload`](/docs/cli/reference/commands/upload) 会将你的源文件及所有现有译文发送到平台，因此你手头已有的 JSON、PO、YAML 或 iOS 和 Android 字符串翻译文件会被直接导入，无需重新生成。
* **术语统一由词汇表管理。** [上下文分组](/docs/platform/dashboard/guides/defining-context-for-translations)包含用于管理术语的词汇表和用于控制语气的自定义提示词，可在分配给它的所有项目之间共享。词汇表支持导入 CSV、TSV、JSON 和文本格式，**Apply** 按钮可将选定的词汇表术语应用到现有译文中。

上下文来自代码，而非相邻片段。General Translation 的 [`<T>`](/docs/react/reference/components/t) 组件会将每个 JSX 块连同其元素结构和变量占位符一起发送，而其 [`context`](/docs/react/reference/components/t#context) 属性则可告诉模型你指的是哪个“Save”。若要更全面地权衡此工作流与 TMS 的取舍，请参阅 [General Translation 与 TMS 对比](/kb/general-translation-vs-tms)。

## 常见问题

### 翻译记忆库和词汇表是一回事吗？

不是。TM 存储的是完整的片段及其译文，而词汇表存储的是单个术语 (例如产品名称) ，并为其规定必须采用的译法，或规定不予翻译。大多数工作流都需要两者兼用。

### 什么是 101% 匹配？

即上下文匹配：该片段与 TM 匹配，且其前后的片段也与 TM 匹配。它的级别高于 100% 匹配，后者仅文本匹配，上下文并不匹配。

### 可以将 TMX 文件导入 General Translation 吗？

不可以。你可以使用 [`npx gt upload`](/docs/cli/reference/commands/upload) 上传受支持格式的现有翻译后的文件，并从 CSV、TSV、JSON 或文本文件中将术语导入上下文分组。

### AI 会让翻译记忆库过时吗？

不会。AI 改变的是模糊匹配的用法：已批准的示例不仅能辅助人工编辑，还能引导 AI 生成译文。复用已批准的译文、保留团队的编辑成果，依然很重要。

## 要点总结

* 翻译记忆库存储片段对，可返回上下文匹配 (101%) 、完全匹配 (100%) 和模糊匹配；TMX 是一种 XML 格式，用于在不同工具之间迁移翻译记忆库。
* 供应商按匹配类别分别计费，因此在人工翻译时，TM 能够减少计费字数。
* 即便由 AI 起草译文，TM 仍能保持已批准措辞的一致性，其近似匹配既可作为示例引导模型，也可辅助人工编辑。
* General Translation 不提供独立的 TM，也不支持 TMX 导入；它会复用文件早期版本中的匹配译文，保留团队所做的修改，并通过上下文组应用共享的词汇表。

## Related questions

- [什么是翻译管理系统（TMS）？](https://generaltranslation.com/zh/kb/what-is-a-translation-management-system.mdx): 翻译管理系统（TMS）是一种用于存储源内容及其译文、并运行翻译工作流的软件，涵盖翻译记忆库、词汇表、审校、机器翻译和集成等功能。其翻译记忆库通过精确匹配或模糊匹配复用以往的译文。常见的 TMS 有 Crowdin、Lokalise、Phrase、Smartling 和 Transifex。
- [如何在 AI 翻译中保持术语一致？](https://generaltranslation.com/zh/kb/ai-translation-glossary.mdx): 维护一份统一的词汇表来收录已批准的术语（包括无需翻译的名称），在每次翻译请求中都应用它，避免变量和代码被翻译，并对结果进行审校。General Translation 通过上下文组实现这一点：上下文组中的词汇表和自定义提示词会应用于其分配到的每个项目；对于始终不翻译的值，则可使用 Var 组件。
- [General Translation 与 TMS（Crowdin、Lokalise、Phrase）对比](https://generaltranslation.com/zh/kb/general-translation-vs-tms.mdx): 如果开发者希望译文生成、源自代码的上下文以及审校流程都与产品发布紧密衔接，请选择 General Translation。你可以保留现有的消息目录和渲染库，也可以直接编写内联 JSX，无需翻译键。TMS 适合以语言供应商、CAT 编辑器和 XLIFF 交换为核心的翻译项目，其集成可以自动完成文件传输。
- [AI 翻译的准确度足以用于生产环境应用吗？](https://generaltranslation.com/zh/kb/is-ai-translation-accurate.mdx): 对于使用广泛的语言，通常可以，但前提是它要先通过针对你自己的语言、UI 字符串和高风险内容的评估。在 WMT25 中，Gemini 2.5 Pro 在 16 个语言对中有 10 个达到或超过了人工参考译文的水平，但文档级基准测试无法说明简短的界面字符串是否已经可以上线。
- [如何审校和编辑译文？](https://generaltranslation.com/zh/kb/review-translations.mdx): 借助 General Translation，审校人员可以在仪表板中对比和编辑译文，并通过标签和评论跟踪审校进度。已保存的修改可以使用 CLI 下载，也可以在 Locadex 下一次运行翻译时纳入拉取请求。开发者还可以使用 gt save-local 将审校后的文件修改发送回平台。

## Previous and next questions

- Previous question: [什么是区域设置代码（例如 en-US 和 en-GB）？](https://generaltranslation.com/zh/kb/locale-codes.mdx)
- Next question: [如何为 Next.js Pages Router 应用添加 i18n？](https://generaltranslation.com/zh/kb/add-i18n-to-nextjs-pages-router.mdx)

## Sitemap

See the [Knowledge Base sitemap](https://generaltranslation.com/zh/kb/sitemap.md) for every article.
