一句話說明

AI 翻譯工具在流暢度上已經超越 Google Translate，但不同工具在不同類型的文本上表現差異很大，而且翻譯機密文件時的隱私風險常被忽略。

工具總覽與定位

目前主流的 AI 翻譯選項可以分成三類：

專門翻譯工具：DeepL 是這個領域的代表。它專為翻譯設計，有術語表、語氣選擇、整合 API 等功能。支援約 30 種語言，歐洲語言的品質特別突出。

通用 LLM：ChatGPT 和 Claude 都不是專門的翻譯工具，但因為訓練語料包含大量多語言文本，翻譯能力很強。優勢是可以在翻譯時加入額外指令，例如「用台灣口語」、「保持技術名詞不翻」、「同時標註需要注意的文化差異」。

開源替代方案：Meta 的 NLLB（No Language Left Behind）和通用 LLM（透過 Ollama 執行）可以在本機運行，適合有隱私需求的場景。翻譯品質不如商業工具，但資料完全不外傳。

Google Translate 在這個比較中沒有列入，因為它的定位偏向即時通訊和網頁翻譯，在專業文件翻譯的品質上和這三個工具有差距。

四種情境的翻譯品質實測

飛飛拿同一批素材分別用 DeepL、ChatGPT（GPT-4o）、Claude（Claude Sonnet）做翻譯，以下是各情境的比較。

技術文件翻譯（英翻中）

測試素材：Kubernetes 官方文件的 Pod 概念說明頁面，約 1,200 字英文。

DeepL 的表現：技術名詞處理穩定，會自動保留 Pod、Container、Node 等專有名詞不翻譯。句子結構偏直譯，有些段落讀起來像英文語法的中文，例如把被動語態直接翻成「被...所...」。翻譯結果可以直接用，但讀起來不太像人寫的中文技術文件。

ChatGPT 的表現：整體流暢度最好，會把技術概念用白話方式重述。「A Pod is the smallest deployable unit」翻成「Pod 是最小的可部署單位」很精準。但偶爾會過度解釋，把一句話擴展成一段話。可以在 prompt 中指定「保持簡潔，不要加入原文沒有的解釋」來控制。

Claude 的表現：技術名詞的一致性最好，不會在同一份文件中把同一個詞翻成不同的中文。句子結構比 DeepL 自然，比 ChatGPT 克制（不會過度擴展）。翻譯 API 文件和 SDK 說明時特別適合。

技術文件翻譯結論：如果你有自訂術語表的需求，DeepL Pro 的 Glossary 功能最方便。如果你需要一次翻譯大量文件並保持一致性，Claude 的長 context window 有優勢。ChatGPT 適合翻譯後需要做一些解釋性改寫的場景。

行銷文案翻譯（英翻中）

測試素材：某 SaaS 產品的 landing page 文案，約 800 字英文。

DeepL：直譯傾向明顯，行銷語氣會變得生硬。「Unlock your potential」翻成「解鎖你的潛力」文法上沒問題，但整段文案讀起來缺乏感染力。行銷文案需要的是意譯而不是直譯，這是 DeepL 的弱項。

ChatGPT：行銷文案是 ChatGPT 的強項。能根據目標市場調整語氣，可以指定「用台灣的行銷語氣，適合 25-35 歲的科技業上班族」來得到更在地化的結果。翻譯出來的文案可以直接用在社群貼文，修改量很小。

Claude：表現和 ChatGPT 接近，但傾向更克制、更專業的語氣。適合 B2B 行銷、白皮書摘要。B2C 的活潑文案可能不夠有感染力，需要在 prompt 中特別要求「語氣活潑，可以用台灣流行語」。

行銷文案翻譯結論：ChatGPT 在這個場景贏得很明顯。如果需要跨文化適應（不只是翻譯語言，還要調整文化引用和比喻），ChatGPT 和 Claude 都能做到，DeepL 做不到。

法律文書翻譯

測試素材：一份英文 NDA（保密協定），約 2,000 字。

DeepL：法律用語的翻譯最為精準，會使用正式的法律中文。「indemnify and hold harmless」翻成「補償並使其免受損害」是標準的法律翻譯。但 DeepL 不會提醒你哪些條款在不同法律體系中可能有不同解釋。

ChatGPT 和 Claude：兩者都可以在翻譯的同時標註需要法律專業判斷的條款。例如翻譯 NDA 時可以提醒你某個管轄權條款在台灣法律下可能不具執行力，或某個競業禁止條款的期限超出台灣法院通常認可的範圍。

飛飛用的 prompt 範例：

翻譯以下英文合約為繁體中文。
要求：
1. 法律專有名詞使用台灣法律慣用譯法
2. 翻譯後，在每個條款末尾用【注意】標記需要台灣律師特別審閱的地方
3. 保留原文的條款編號格式
4. 「shall」翻譯為「應」，「may」翻譯為「得」

原文：
[貼上合約內容]

法律文書的重點：AI 翻譯的法律文件永遠需要律師審閱才能使用。AI 做的是初稿，不是定稿。不管用哪個工具，都不要直接拿 AI 翻譯的合約去簽。

日常對話與信件翻譯（中翻英）

三個工具都能處理日常對話和商務信件，品質差異不大。DeepL 的翻譯偏正式，ChatGPT 和 Claude 可以用 prompt 調整語氣——formal、casual、professional 都行。

一個實用的技巧：翻譯中翻英的信件時，先告訴 AI 收件人是誰、什麼場景。例如「翻譯成英文，收件人是美國客戶的技術主管，語氣要專業但不要太正式」，翻譯結果會比單純說「翻成英文」好很多。

翻譯品質比較總表

情境 DeepL ChatGPT Claude 建議選擇
技術文件 名詞準確，偏直譯 流暢，偶爾過度擴展 一致性好，語句自然 有術語表用 DeepL，否則 Claude
行銷文案 生硬，缺感染力 在地化最好 偏專業克制 ChatGPT
法律文書 法律用語最精準 可標註注意事項 可標註注意事項 DeepL 初翻 + LLM 標註
日常對話 偏正式 語氣可調 語氣可調 三者皆可
長文一致性 術語表功能好 超過 token 會斷 長 context 優勢 長文用 Claude 或 DeepL

DeepL Pro 的專業功能

DeepL 除了基本翻譯，有幾個 ChatGPT 和 Claude 沒有的原生功能：

術語表（Glossary）：上傳自訂的對照表，確保特定詞彙在所有翻譯中保持一致。例如你公司的產品名稱、內部專有名詞、技術標準用語。做技術文件翻譯時非常實用。ChatGPT 和 Claude 可以在 prompt 裡附上術語表達到類似效果，但不如 DeepL 的原生支援穩定。

語氣選擇：在翻譯介面直接選擇 formal 或 informal。商務文件選 formal，社群貼文選 informal。

DeepL Write：獨立的改寫功能，和翻譯分開。專門用來改善英文寫作的語法和風格。如果你需要把中式英文改成自然的英文，DeepL Write 比直接翻譯的效果好。實測用法：先把中文用 DeepL 翻成英文，再用 DeepL Write 潤稿，兩步得到的結果比一步到位好。

API 整合：DeepL 提供 REST API，可以整合到 CI/CD 文件翻譯流程。免費 API 每月 50 萬字元限額，Pro API 按用量計費（每百萬字元 €20）。可以用 Python 的 deepl 套件直接呼叫：

import deepl
translator = deepl.Translator("YOUR_API_KEY")
result = translator.translate_text(
    "Hello, world!",
    target_lang="ZH-HANT",
    glossary=my_glossary
)
print(result.text)

用 AI 做高品質翻譯的 Prompt 技巧

直接把文字貼給 ChatGPT 或 Claude 然後說「翻譯成中文」通常不會得到最好的結果。以下是改善翻譯品質的策略：

提供上下文：告訴 AI 這是什麼類型的文件、目標讀者是誰、翻譯的用途。「這是給台灣的軟體工程師看的 API 文件」比「翻成中文」的結果好很多。

指定術語處理方式：明確列出哪些詞保留英文、哪些用特定翻譯。

翻譯要求：
- 使用台灣慣用的技術詞彙（程式碼、伺服器、資料庫）
- 以下名詞保留英文：Kubernetes, Docker, API, JSON, REST
- 以下名詞使用指定翻譯：deploy → 部署、repository → 儲存庫、branch → 分支

分段翻譯長文件：對於長文件（超過 3,000 字），分段翻譯比一次貼完效果好。每段保持在 1,000-2,000 字。先翻譯目錄和第一章，確認風格滿意後再繼續。

要求回譯驗證：翻譯完成後，把翻譯結果回譯成原文，檢查意思是否偏差。這個方法對技術文件和法律文件特別有效。

雙 AI 流程：用 AI 翻譯後，再用另一個 AI（或同一個 AI 的新對話）做「翻譯審閱」。prompt 範例：

以下是一段英翻中的翻譯。請審閱翻譯品質，指出：
1. 任何翻譯不準確的地方
2. 語氣不自然的句子
3. 術語不一致的地方
不需要重新翻譯全文，只標示有問題的部分。

原文：[英文]
翻譯：[中文]

翻譯的隱私風險

這是很多人忽略的問題，特別是在企業環境中。

各平台的資料處理方式

DeepL Free：根據 DeepL 的隱私政策，免費版的翻譯文本會暫時儲存在伺服器上，可能被用於改善服務。如果你翻譯的是合約、財報、或客戶資料，不應該使用免費版。

DeepL Pro：翻譯文本在處理後會立即刪除，不會用於訓練模型。提供資料處理協議（DPA），符合 GDPR 要求。伺服器位於歐盟。

ChatGPT Free/Plus：預設情況下，對話內容會用於模型訓練。可以在 Settings → Data Controls → Chat History & Training 中關閉。但即使關閉，OpenAI 仍會保留對話 30 天用於安全審查。

ChatGPT Team/Enterprise：不會用於訓練，有 DPA，符合 SOC 2 Type 2。翻譯機密文件應該使用這些版本。

Claude Free/Pro：Anthropic 預設不使用對話內容訓練模型。API 呼叫的資料保留 30 天用於安全，之後刪除。但透過 claude.ai 網頁介面的對話，使用者可以選擇是否回饋。

Claude Team/Enterprise：明確不訓練，有 DPA。

具體的風險場景

翻譯合約時：合約中包含公司名稱、交易金額、商業條款。如果使用免費版工具，這些資訊可能被儲存在第三方伺服器。

翻譯客戶溝通時：客戶的姓名、聯繫方式、專案細節。在台灣受個資法保護，未經同意不能傳給第三方處理。

翻譯內部報告時：營收數字、市場策略、產品路線圖。這些都是公司機密。

安全做法建議：先對文件做資料分類。公開資料（官方文件、公開報告）可以用任何工具。內部資料用付費版並關閉訓練。機密資料用 Enterprise 版本或本機部署的開源模型。

常見錯誤

很多人用 AI 翻譯時會犯以下錯誤：

不分段就翻譯長文件：一次貼 10,000 字的文件，AI 的後半段品質會明顯下降。token 限制也可能導致翻譯被截斷。正確做法是分段翻譯，每段控制在 1,500 字以內。

不指定目標地區：「翻譯成中文」可能得到簡體中文或台灣用語混用。要明確指定「繁體中文，使用台灣慣用詞彙」。

忽略格式保留：技術文件中的程式碼區塊、表格、列表在翻譯後常常格式走位。應該在 prompt 中要求「保持原文的 Markdown/HTML 格式」。

翻譯後不校對：AI 翻譯看起來流暢，但可能有微妙的語義偏差。特別是否定句的翻譯（「not only...but also」的翻譯常出錯）和數字（AI 偶爾會改動原文的數字）。

混用不同工具：同一份文件的前半用 DeepL、後半用 ChatGPT 翻，術語和語氣會不一致。選定工具就整份用同一個。

什麼時候需要人工翻譯

AI 翻譯已經能處理大多數日常翻譯需求，但以下情境仍然需要專業的人工翻譯或審閱：

法律文件：合約、條款、訴訟文件。AI 翻譯可以做初稿，但最終版本必須由具備法律知識的翻譯師審閱。法律翻譯不只是語言問題，還涉及不同法律體系的概念對應。例如英美法的 consideration（約因）在台灣民法中沒有直接對應的概念。

醫療文件：藥品仿單、臨床試驗報告、病歷摘要。翻譯錯誤可能直接影響病人安全。FDA 和 TFDA 對藥品標示翻譯有嚴格規範。

對外發布的正式文件：新聞稿、年報、政府公文。這些文件代表組織的形象，AI 翻譯的微妙語氣差異可能造成誤解或公關危機。

文學和創意翻譯：小說、詩歌、廣告標語、品牌口號。這些需要文化適應和創意轉化，AI 目前做不到高水準。「Just Do It」翻成「做就對了」是人類翻譯的創意，AI 大概會翻成「就這麼做」。

多語言本地化專案：同時翻譯成 10 種以上語言的大型專案，需要本地化經理統籌術語和文化適應，AI 可以加速流程但不能取代流程管理。

安全與限制

翻譯工具的安全考量容易被忽略：

資料外洩風險：所有雲端翻譯服務都會把你的文本傳到第三方伺服器。敏感文件（合約、財報、客戶資料）不應使用免費版的任何工具。

翻譯品質不等於理解：AI 翻譯出流暢的文字不代表它理解了內容。技術文件中的邏輯錯誤、法律文件中的矛盾條款，AI 可能會「流暢地」翻譯出來而不會提醒你。

語言限制：目前 AI 翻譯在主流語言（英、中、日、韓、歐洲語言）表現好，但在東南亞語言、非洲語言、少數民族語言的品質仍有明顯落差。

成本考量：DeepL Pro 每月 €7.49 起，ChatGPT Plus 每月 $20，Claude Pro 每月 $20。對個人使用者來說，選一個主力工具就夠了。企業用量大的話，API 按用量計費可能比訂閱制划算。

知識檢測

讀完文章後，測試一下你對這個主題的理解。

常見問題

DeepL 和 Google Translate 差在哪？

DeepL 在歐洲語言（德法西義等）的翻譯品質明顯優於 Google Translate。在中英翻譯方面，DeepL 的流暢度通常也更好，特別是長句子的處理。Google Translate 的優勢是支援超過 130 種語言，DeepL 只支援約 30 種。如果你的翻譯需求集中在主要語言，DeepL 是更好的選擇。如果你需要翻譯越南語、泰語等東南亞語言，Google Translate 目前是少數選擇。

AI 翻譯可以做到「信達雅」嗎？

目前 AI 翻譯在「信」（準確）和「達」（通順）方面已經有不錯的水準，特別是在技術和商務文本。「雅」（優美）在大多數工作場景其實不需要，除了文學翻譯和品牌文案。如果需要提升翻譯的文字品質，可以先用 AI 翻譯做初稿，再用另一個 AI 做潤稿。兩步流程的結果通常比一步到位好。

翻譯整本電子書用哪個工具最好？

如果書的長度在 5 萬字以內，Claude 的長 context window（200K tokens）可以一次處理較大的段落，保持術語一致性。超過 5 萬字的書建議用 DeepL Pro 加上術語表功能，確保整本書的用詞統一。無論用哪個工具，都建議分章節翻譯並在中間做人工審閱。先翻譯目錄和第一章，和作者或編輯確認風格後再繼續。

用 AI 翻譯學術論文可以嗎？

可以用來理解內容和做初步翻譯，但投稿用的正式翻譯需要人工審閱。學術翻譯的挑戰在於領域專有名詞的準確性和引用格式的保持。建議在 prompt 中提供該領域的術語表，並要求保留原文的引用標記（如 [1]、(Smith, 2024)）。另外，部分學術期刊明確要求揭露是否使用 AI 翻譯，投稿前要確認期刊政策。

如何處理 AI 翻譯中的專有名詞不一致？

最有效的做法是先建立術語表，在翻譯前提供給 AI。DeepL Pro 原生支援術語表功能，上傳 CSV 格式的對照表就可以。ChatGPT 和 Claude 可以在 prompt 開頭附上「以下是本文件的術語對照表，翻譯時請嚴格遵守」。對於大型翻譯專案，建議先翻譯一個小段落確認術語統一，把確認過的術語加入對照表，再翻譯全文。

自架翻譯模型可行嗎？

可以，但品質和商業服務有差距。Meta 的 NLLB 支援 200 種語言，可以在本機 GPU 運行。Ollama 上的 Llama 或 Mistral 也能做翻譯，但需要針對翻譯任務調整 prompt。自架的優勢是資料完全不外傳，適合有嚴格合規要求的機構。缺點是需要 GPU（至少 8GB VRAM 的 7B 模型）、翻譯速度較慢、品質不如 DeepL/ChatGPT/Claude。

延伸閱讀

  • chatgpt-claude-gemini-privacy：三大 AI 平台的資料隱私比較
  • ai-tools-comparison-2026：2026 年 ChatGPT vs Claude vs Gemini 工具比較
  • ai-free-vs-paid：AI 免費版和付費版差在哪
  • ai-email-writing：用 AI 寫信的技巧