Lietuvių kalba vertimo įrankiams visada buvo kietas riešutas. Sudėtinga linksniavimo sistema, laisva žodžių tvarka sakinyje, gausybė priesagų ir galūnių – visa tai algoritmams sukelia galvos skausmą, kurio anglų ar ispanų kalba tiesiog neturi. Todėl kai kalbame apie mašininio vertimo kokybę į lietuvių kalbą, situacija 2026 metais yra gerokai įdomesnė nei prieš penkerius metus, bet toli gražu ne tobula.
Testavau dešimt populiariausių platformų su vienodais tekstais – nuo paprastų buitinių frazių iki techninės dokumentacijos ir grožinės literatūros ištraukų. Rezultatai kartais nustebino, kartais patvirtino tai, ko ir tikėjausi.
DeepL – vis dar lyderis, bet ne be trūkumų
DeepL jau kelerius metus laikomas etalonu, ir šis testavimas to nepaneigė. Su sudėtingesniais sakiniais, turinčiais keletą šalutinių sakinių, sistema susitvarko geriau nei konkurentai. Tačiau lietuviškos frazeologijos vertimas kartais išeina pernelyg pažodinis – idiomos verčiamos taip, kad skamba svetimai, nors gramatiškai viskas teisinga.
Įdomu tai, kad DeepL geriau tvarkosi su vertimu iš lietuvių į anglų, nei atvirkščiai. Tai rodo, kad modelio mokymo duomenys vis dar labiau orientuoti į vieną vertimo kryptį.
Google Translate – progresas akivaizdus, bet nenuoseklus
Google per pastaruosius metus gerokai patobulino savo neuroninio vertimo modelį. Trumpi sakiniai, kasdieninė kalba – čia rezultatai beveik nepriekaištingi. Bet kai tekstas tampa ilgesnis arba turi daugiau konteksto reikalaujančių žodžių (pavyzdžiui, žodžių, turinčių kelias reikšmes), kokybė krenta netolygiai. Vienas sakinys išverstas puikiai, kitas – su akivaizdžia klaida linksnyje.
Verta paminėti, kad Google Translate vis dar geriausiai integruojasi su kitomis paslaugomis – naršykle, dokumentais, mobiliomis programėlėmis. Praktiškumo požiūriu tai svarbu, net jei tikslumas nėra absoliutus pirmavimas.
Microsoft Translator ir Bing – vidutinybė su išimtimis
Microsoft sprendimas dažnai lieka šešėlyje, nors techninių tekstų vertime jis pasirodė netikėtai neblogai. Ypač kai kalbama apie IT terminologiją ar verslo dokumentaciją – čia sistema, matyt, treniruota su specifiniais duomenų rinkiniais. Bet grožinis tekstas ar šnekamoji kalba jai sekasi prasčiau, sakiniai kartais tampa sunkiai suprantami.
Lietuviški ir regioniniai sprendimai
Čia situacija pasikeitė labiausiai. Prieš keletą metų vietiniai vertimo įrankiai atsilikdavo nuo tarptautinių milžinų per gerą pusmetrį technologijų prasme. Dabar kai kurie regioniniai projektai, orientuoti specifiškai į Baltijos kalbas, demonstruoja rezultatus, kurie konkuruoja su DeepL bent jau tam tikrose srityse – ypač teisinės ir administracinės kalbos vertime, kur svarbu tiksli terminija, o ne stilistinis grožis.
Trūkumas – šie įrankiai dažnai neturi tokios plačios kalbų palaikymo bazės ir vartotojo sąsaja būna mažiau patogi. Bet jei reikia versti tik tarp lietuvių ir kelių pagrindinių kalbų, tai nėra didelė kliūtis.
Amazon Translate, Yandex ir kiti mažiau žinomi žaidėjai
Amazon sprendimas pasirodė esąs solidus, bet niekuo neišsiskiriantis – tarsi vidurio kelias tarp Google ir Microsoft. Yandex Translate nustebino netikėtai geru rusų–lietuvių krypties vertimu, kas logiška atsižvelgiant į kompanijos geografinę orientaciją, tačiau anglų–lietuvių kryptimi jis akivaizdžiai atsilieka nuo pirmaujančių sistemų.
Kiti testuoti įrankiai – įskaitant kelis mažiau žinomus AI pagrindu veikiančius startuolius – parodė, kad rinka pilna eksperimentų, bet dauguma jų vis dar bando pasivyti didžiuosius žaidėjus, o ne siūlyti ką nors iš esmės naujo.
Kur AI kalbos modeliai keičia žaidimo taisykles
Verta paminėti ir tai, kad bendrosios paskirties AI kalbos modeliai (tokie kaip ChatGPT ar panašūs įrankiai), naudojami vertimui, kartais pralenkia specializuotus vertėjus būtent dėl gebėjimo suprasti kontekstą. Jie geriau atpažįsta, kada frazė yra idioma, o ne pažodinis junginys, geriau tvarkosi su humoro ar ironijos perteikimu. Tačiau jiems trūksta nuoseklumo – tas pats sakinys, paklaustas skirtingu būdu, gali būti išverstas skirtingai.
Ką visa tai reiškia paprastam vartotojui
Jei reikia greito, praktiško vertimo kasdieniam naudojimui – Google Translate ar DeepL vis dar bus patikimiausias pasirinkimas dėl greičio ir integracijos. Jei darbas susijęs su technine ar teisine dokumentacija, verta apsvarstyti specializuotus arba regioninius sprendimus, net jei jie mažiau žinomi. O jei tekstas reikalauja stiliaus, konteksto supratimo ir lankstumo – šiuo metu geriausią rezultatą duoda ne vienas konkretus įrankis, o kelių sistemų derinys: vieną vertimą patikrinti kitu, ypač kai kalba eina apie svarbius dokumentus ar viešą tekstą.
Tiesa yra tokia, kad tobulo vertėjo lietuvių kalbai kol kas nėra, ir tikriausiai artimiausiu metu nebus – kalba per daug subtili, per daug priklausoma nuo konteksto, kurio algoritmai dar nevisiškai „jaučia“. Bet atotrūkis tarp mašininio ir žmogiško vertimo mažėja sparčiau, nei daugelis tikėjosi prieš dešimtmetį, ir tai jau savaime yra pakankamai gera žinia, kad vertėtų sekti šią sritį toliau.
