流程分享:18 万字游戏对白中译英,AI 辅助 5 天完成

作者:蓝桃游戏
2025-08-04
5 2 0

《逃离永明岛》(Escape Everlit)是一款文字冒险游戏,约 1 万行对白、18 万字,阅读量较大。所以文本质量影响着游戏的核心体验。

游戏故事发生在近未来的中国,人物也都是土生土长的中国人。对白里确有很多中文语境下的微妙之处,但科幻悬疑的主线剧情对任何文化圈的人都是适用的。

《逃离永明岛》Steam 商店页面:https://store.steampowered.com/app/2968970/_/


在这一年半的单人开发过程中,针对非中文玩家群体,我基本没有宣传。这是因为在叙事/对白质量这方面,我觉得自己的英文写作能力远不及中文(我之前用英文写过的都是技术报告和论文)。既然这款游戏的亮点在于叙事,而美术和音乐均由 AI“主笔”,那么对英文玩家来讲,就缺乏卖点了。但无论如何,我还是想出一个英文版。

之前的开发日志曾提到过,《逃离永明岛》项目限定在“我一个人完成”的条件之下。我没打算外包任何工作,而自己只会中英双语,所以本地化顶多也就能出英文了。

我写不好英语文本和对话,但鉴赏能力不算太差。这不就是应用生成式 AI 的最佳效率提升场景之一:我做不了,但知道怎样的结果是好的。

我使用了如下 AI 翻译流程,成功在 5 天之内完成了游戏全文本的英翻和校对,并达到了我自己无法做到的翻译水准(当然,跟专业的翻译不能比)。分享一下流程图:

总结:18 万字,全自动翻译、校对花费大概 1 天时间;我本人人工阅读、校对文本+选择性让 AI 润色,花费 3 天;最后,文本导入游戏,在叙事语境下通关测试、校对,花费 1 天。

一些技术细节:

  • 大语言模型的工具环境(例如阅读/修改文本文件的能力),我采用的是 Claude Desktop + MCP。但 VSCode 加任何 Agent 插件也是一样的。
  • Claude 的翻译角色 Prompt 提示词,我在文章最后的截图里有分享,字多,需看大图。看了提示词,也就大概知道流程图里各个文件是什么格式和内容。校对角色的 Prompt 差不多,不赘述。
  • 对白每 200 句分为一个文件,一共 53 个文件。分割文件是为了不让文本长度爆出 Claude 的上下文限制,也是为了集中它的注意力。一般情况下,我一次让它翻译/校对 N=2 或 3 个文件。数量再多,效果就会明显差一些。
  • 让 Claude 自己做笔记和补充的新名词翻译,是为了提升不同批次之间的翻译一致性。它还会自己主动记录剧情发展进度,供之后批次参考。

两个具体例子:

  # 例一原文,c 是十岁小女孩

  c: ……那哥哥的名字呢?

  # Claude 初翻,逐字硬译

  c: ...Then what's big brother's name?

  # Claude 初校,调换单词顺序符合口语习惯

  c: ...What's big brother's name then?

  # 人工校对,文化迁移(重音在 your)。英语文化里小孩不会这么称呼的

  c: ...What's your name then?

  ----------------------------

  # 例二原文,a 是二十一岁男体校生

  a: (……对小孩亲和度太高了,也不方便……)

  # Claude 初翻,逐字硬译

  a: (...Having too high affinity with kids isn't convenient either...)

  # Claude 初校,换成口语表达,但 inconvenient 依然僵硬

  a: (...Being too good with kids can be inconvenient...)

  # 人工校对,意译,保留略带无奈的口吻

  a: (...Being too good with kids can be a problem sometimes...)

一些翻译结果的综合观察和心得:

  • 翻译者第一遍译出的文本非常差。是一看就不行的那种。
  • 校对润色者的第一遍工作,会对翻译者的成果做大量优秀的修改。
    • 平均修改率在 75%左右(也就是说,200 行对白初翻,它改了 150 行以上);
    • 我抽查后发现 99%的修改都是正确/有改善的;
    • 但它的注意力有限:针对某批次的文本,如果它修改了很多人名/专有名词不一致的情况,那么对文本本身的润色就会很少。
  • 如果让校对者再对自己的成果做一遍同样的校对,则会出现修改得“好”/“不好”五五分的情况。
    • 所以,不要认为可以不断循环润色来逼近最好的翻译……
  • 由于是分批修改,批次之间的翻译/自动校对质量有区别。我在人工校对的时候,也花了很多时间复制粘贴大段我觉得欠佳的对话重新润色。
    • 重新润色好坏五五分的情况下,我使用 VSCode 的 diff 功能,快速接受/拒绝每行的修改(界面如下图);
    • 翻译、校对可能是我开发游戏全程中最累的体力活了……一天盯着屏幕上的中英文本 10 到 11 个小时,之后脑子就是一坨浆糊。
  • 人工校对这三天,我自己修改的,加上接受 Claude 重新润色的对白,占总行数的 40%。
    • 这意味着,全自动化部分的接受率至少是 60% 的整行;
    • 考虑到我人工修改的行数基本都只是改个别单词,前序翻译质量至少在我的标准下是很不错的。

人工校对时接受AI润色与否

如果想对文中提到的最终翻译质量有个直观认知,可以下载《逃离永明岛》的试玩版,切换中英语言对比看看。

另外,语言障碍这东西,很快就会成为过去式了吧。

(附翻译者提示词。其中那 4 条中译英本地化核心原则我是从Lingomancy 话术研以前分享的文章中总结出来的。)