PTC เทียบกับ DeepL: การเปรียบเทียบคุณภาพการแปลด้วย AI อย่างเป็นรูปธรรม

Private Translation Cloud (PTC) ของ WPML ได้คะแนน 90.0 จาก 100 คะแนนจากการตรวจสอบการแปลโดยหน่วยงานอิสระ ในขณะที่ DeepL ซึ่งได้รับการยอมรับอย่างกว้างขวางว่าเป็นเครื่องมือแปลภาษาด้วย AI กระแสหลักที่แข็งแกร่งที่สุด ได้คะแนน 77.7 จากเนื้อหาเดียวกัน โดยรวมแล้ว PTC มีประสิทธิภาพเหนือกว่า DeepL ถึง 12.3 คะแนน ชนะในทุกมิติด้านคุณภาพทั้ง 9 ด้านที่นักภาษาศาสตร์ของเราให้คะแนน และช่วยลดข้อผิดพลาดต่อหน้าลงได้ประมาณ 18 เท่า

สรุปข้อมูลสำคัญ

ทำไมเราจึงทำการศึกษานี้

DeepL ถูกมองจากอุตสาหกรรม WordPress และซอฟต์แวร์ส่วนใหญ่ว่าเป็นมาตรฐานระดับสูงสุดสำหรับการแปลด้วย AI เมื่อลูกค้าถามว่าพวกเขาสามารถเผยแพร่เนื้อหาที่แปลด้วย AI โดยไม่ต้องผ่านการตรวจสอบโดยมนุษย์ได้หรือไม่ DeepL มักจะเป็นเกณฑ์มาตรฐานที่ถูกนำมาอ้างอิงเสมอ

WPML ได้สร้างเครื่องมือแปลภาษาด้วย AI ของตนเองขึ้นมา นั่นคือ Private Translation Cloud (PTC) เนื่องจากคำว่า “ดีพอแล้ว” นั้นยังไม่เพียงพอสำหรับเรา PTC เป็นเครื่องมือเริ่มต้นในโหมด Translate Everything ของ WPML และเป็นขุมพลังหลักในการแปลอัตโนมัติให้กับเว็บไซต์กว่า 1.5 ล้านแห่งที่ใช้งาน WPML

เราต้องการคำตอบที่วัดผลได้สำหรับคำถามที่ผู้มุ่งหวังถามเราทุกสัปดาห์ว่า: จริงๆ แล้ว PTC เปรียบเทียบกับ DeepL เป็นอย่างไร? การศึกษานี้คือคำตอบนั้น ตัวเลขข้างต้นคือหัวข้อหลัก ส่วนเนื้อหาที่เหลือของบทความนี้จะอธิบายถึงวิธีการได้มาซึ่งตัวเลขเหล่านั้น และความหมายของตัวเลขเหล่านี้สำหรับเว็บไซต์ที่ใช้งานจริง

สิ่งที่เราวัดผลและวิธีการวัด

เราให้คะแนนคุณภาพการแปลโดยใช้ระบบที่อิงตาม MQM (Multidimensional Quality Metrics) ซึ่งเป็นกรอบการทำงานเดียวกับที่ทีมภาษาศาสตร์ของ WPML ใช้สำหรับการตรวจสอบเว็บไซต์ลูกค้าของ PTC อย่างต่อเนื่อง ทุกหน้าที่แปลจะถูกให้คะแนนใน 9 มิติ ดังนี้:

• ไวยากรณ์ — มีข้อผิดพลาดทางไวยากรณ์หรือไม่?
• ความหมาย — ความหมายของต้นฉบับยังคงครบถ้วนหรือไม่?
• ความเป็นธรรมชาติ — อ่านแล้วฟังดูเป็นธรรมชาติและเป็นสำนวนที่เจ้าของภาษาใช้หรือไม่?
• น้ำเสียง — สามารถถ่ายทอดน้ำเสียงของต้นฉบับได้หรือไม่?
• ระดับภาษา — มีการใช้ระดับภาษาที่เหมาะสมหรือไม่ ทั้งในการสื่อสารกับผู้อ่านและในรูปแบบทางไวยากรณ์?
• คำศัพท์ — มีการใช้คำศัพท์ที่ถูกต้องหรือไม่?
• ความสม่ำเสมอ — มีการใช้คำศัพท์อย่างสม่ำเสมอตลอดทั้งหน้าหรือไม่?
• การใช้ตัวพิมพ์ใหญ่ — ปฏิบัติตามหลักการของภาษาปลายทางหรือไม่?
• การปรับรูปแบบตัวเลข หน่วย และวันที่ให้เข้ากับท้องถิ่น — ปฏิบัติตามหลักการของภาษาปลายทางหรือไม่?

แต่ละมิติจะถูกให้คะแนน 1–10 โดยนักภาษาศาสตร์ที่เป็นเจ้าของภาษาปลายทาง คะแนนสุดท้ายต่อหน้าคือค่าเฉลี่ยของทั้ง 9 มิติ คูณด้วยสิบ ซึ่งจะได้มาตราส่วน 1–100 ที่สอดคล้องกับระดับคุณภาพดังนี้:

สำหรับข้อมูลเพิ่มเติม: ค่าเฉลี่ยที่เผยแพร่สำหรับ การแปลโดยมนุษย์ทั่วไป อยู่ที่ประมาณ 76 คะแนน 77.7 ของ DeepL ทำให้มันอยู่เหนือเส้นนั้นเพียงเล็กน้อย ส่วนคะแนน 90.0 ของ PTC ทำให้มันอยู่ในระดับ “ดีมาก — พร้อมเผยแพร่โดยไม่ต้องตรวจสอบ”

ขนาดตัวอย่างและการคัดเลือก

ในการประเมิน DeepL เราได้สุ่มเลือก เว็บไซต์ 800 แห่ง ที่แปลด้วย DeepL ในช่วง 12 เดือนที่ผ่านมา โดยแบ่งกลุ่มตามอายุของเว็บไซต์ ปริมาณเนื้อหา และกิจกรรมการแปล แล้วจึงสุ่มตัวอย่างจากแต่ละกลุ่ม จากนั้นนักภาษาศาสตร์ของเราได้ตรวจสอบหน้าหลักของเว็บไซต์ตัวอย่างด้วยตนเอง — รวมทั้งหมด 227 หน้าเว็บ โดยประเมินในภาษา อาหรับ, อังกฤษ, ฝรั่งเศส, เยอรมัน, อิตาลี และสเปน

เพื่อเปรียบเทียบ DeepL และ PTC แบบตัวต่อตัว เราได้แปล 73 หน้าเดิมเหล่านั้นใหม่ด้วย PTC และให้คะแนนใหม่แบบไม่ระบุแหล่งที่มา (blind test) โดยใช้นักภาษาศาสตร์คนเดิมที่ทำงานจากเนื้อหาต้นฉบับเดียวกัน กลุ่มตัวอย่างของ PTC มีขนาดเล็กกว่ากลุ่มตัวอย่างของ DeepL เนื่องจากค่าการวัดของ PTC แต่ละครั้งสะท้อนถึงเวอร์ชันเฉพาะของ PTC และเครื่องมือนี้ยังคงมีการพัฒนาอย่างต่อเนื่อง — โปรดดูส่วน เรายังไม่หยุดเพียงเท่านี้ ด้านล่าง

รายภาษา: PTC ชนะในทุกคู่ภาษา

คะแนนรวมนั้นน่าสนใจ แต่ภาพรวมรายภาษาคือสิ่งที่บอกทีมเนื้อหาพหุภาษาว่าควรคาดหวังอะไร

คะแนน TQ แบ่งตามภาษา

PTC ได้คะแนนสูงกว่า DeepL ในทุกคู่ภาษาที่เราทดสอบ ช่องว่างที่กว้างที่สุดอยู่ใน ภาษาอาหรับ (+22.4 คะแนน) ซึ่งในอดีต DeepL มีประสิทธิภาพต่ำกว่ามาตรฐาน และเป็นจุดที่การลงทุนของ WPML ในด้านคุณภาพภาษาที่เขียนจากขวาไปซ้าย (RTL) แสดงให้เห็นอย่างชัดเจน ตามมาด้วย ภาษาเยอรมัน (+11.5) และ ภาษาฝรั่งเศส (+9.9) ช่องว่างที่แคบที่สุดอยู่ใน ภาษาอังกฤษ (+6.0 คะแนน) — และแม้แต่ในจุดนั้น PTC ก็ช่วยยกระดับหน้าเว็บจาก “ยอมรับได้ แต่เห็นความไม่สมบูรณ์” ไปสู่ระดับที่พร้อมเผยแพร่

ความแปรปรวนก็มีความสำคัญเช่นกัน การกระจายคะแนนของ DeepL มีส่วนหางด้านล่างที่ยาวในภาษาอาหรับ โดยมีบางหน้าได้คะแนนต่ำกว่าค่าเฉลี่ยมาก — ซึ่งเป็นหน้าที่ผู้ใช้ชาวเยอรมันหรือฝรั่งเศสจะถือว่าใช้งานไม่ได้ การกระจายคะแนนของ PTC นั้นแคบกว่าและมีศูนย์กลางอยู่ที่ระดับสูงกว่า ดังนั้นทีมเนื้อหาจึงสามารถวางแผนตามระดับคุณภาพที่คาดหวังได้ แทนที่จะต้องเผื่อทรัพยากรไว้สำหรับกรณีที่คุณภาพต่ำกว่าปกติ

PTC ยังมีประสิทธิภาพเหนือกว่า DeepL ใน ทุกมิติด้านคุณภาพทั้ง 9 ด้าน ที่เราให้คะแนน ได้แก่ ไวยากรณ์, ความหมาย, ความเป็นธรรมชาติ, น้ำเสียง, ระดับภาษา, คำศัพท์, ความสม่ำเสมอ, การใช้ตัวพิมพ์ใหญ่ และหลักการของท้องถิ่น การพัฒนาที่เห็นได้ชัดที่สุดอยู่ในมิติที่มีความสำคัญมากที่สุดสำหรับมนุษย์ที่อ่านหน้าเว็บจริงๆ — คำศัพท์ (+1.5), ไวยากรณ์ (+1.4), ความเป็นธรรมชาติ (+1.4) และ การปรับรูปแบบตัวเลข/หน่วย/วันที่ให้เข้ากับท้องถิ่น (+1.4) ไม่มีมิติใดที่ DeepL สามารถตามทันได้ และไม่มีมิติใดที่ PTC ชนะเพียงแค่เล็กน้อย

อัตราข้อผิดพลาด: ภาพรวมในการปฏิบัติงาน

คะแนนเฉลี่ยนั้นมีประโยชน์ แต่จำนวนข้อผิดพลาดนั้นมีประโยชน์มากกว่าสำหรับใครก็ตามที่ดูแลเว็บไซต์จริง ผู้ตรวจสอบของเราได้บันทึกทุกปัญหาที่พบในแต่ละหน้า — ไม่ว่าจะเป็นไวยากรณ์ ความหมาย คำศัพท์ และอื่นๆ ทั้งหมด

จำนวนปัญหาเฉลี่ยต่อหน้า

DeepL สร้างปัญหาเฉลี่ย 1.27 จุดต่อหน้า ส่วน PTC สร้างเพียง 0.07 — ซึ่งเป็นการลดข้อผิดพลาดต่อหน้าลงประมาณ 18 เท่าจากเนื้อหาต้นฉบับเดียวกัน

สำหรับเว็บไซต์ที่มี 200 หน้า นั่นหมายถึง:

• DeepL: มีปัญหาประมาณ 254 จุดที่ต้องค้นหา ตัดสินใจ และแก้ไขก่อนเผยแพร่
• PTC: มีปัญหาประมาณ 14 จุดทั่วทั้งเว็บไซต์

นั่นคือความแตกต่างระหว่างการแปลด้วย AI ในฐานะ ร่างแรก กับการแปลด้วย AI ในฐานะ กระบวนการทำงาน DeepL เป็นร่างแรกที่แข็งแกร่ง — แต่ทุกหน้ายังคงมีปัญหาที่ต้องตรวจสอบก่อนส่งออกไป ส่วน PTC จากการวัดผลนี้ คือกระบวนการทำงาน: จำนวนข้อผิดพลาดต่ำพอที่จะทำให้ขั้นตอนการตรวจสอบโดยมนุษย์กลายเป็นทางเลือกสำหรับเนื้อหาส่วนใหญ่ แทนที่จะเป็นขั้นตอนบังคับสำหรับเนื้อหาทั้งหมด

ความหมายที่แท้จริงของ “การแปลที่ดี”

คำอธิบายระดับคะแนนของกรอบการทำงาน MQM เป็นเครื่องช่วยเตือนใจที่มีประโยชน์ต่อภาษาการตลาดที่มักใช้ล้อมรอบการแปลด้วย AI หน้าเว็บที่ได้คะแนน “9/10” ไม่ใช่หน้าเว็บที่ถูกต้อง 90% แต่เป็นหน้าเว็บที่เจ้าของภาษาเมื่ออ่านอย่างละเอียดแล้ว ไม่พบสิ่งที่ต้องการแก้ไข หน้าเว็บที่ได้คะแนน “7/10” คือยอมรับได้ตามที่เป็นอยู่แต่เห็นความไม่สมบูรณ์ หน้าเว็บที่ได้คะแนน “5/10” คือหน้าเว็บที่แม้แต่ผู้ที่ไม่ใช่เจ้าของภาษาก็สามารถจับผิดได้

ค่าเฉลี่ยของ DeepL อยู่ที่ 7 ปลายๆ — ยอมรับได้ แต่เห็นความไม่สมบูรณ์สำหรับผู้อ่านที่เป็นเจ้าของภาษาที่อ่านอย่างละเอียด ค่าเฉลี่ยของ PTC อยู่ที่ 90.0 ซึ่งอยู่ที่ระดับ “ดีมาก — พร้อมเผยแพร่โดยไม่ต้องตรวจสอบ” นั่นคือความแตกต่างของคุณภาพที่ผู้ตรวจสอบของเราวัดได้ ซึ่งสอดคล้องกับความแตกต่างในการใช้งานจริง: ผลลัพธ์จาก DeepL คือจุดเริ่มต้นที่ต้องมีการตรวจสอบโดยมนุษย์ก่อนเผยแพร่ ส่วนผลลัพธ์จาก PTC ในกรณีส่วนใหญ่คือตัวเนื้อหาที่พร้อมเผยแพร่ได้ทันที

ทำไม WPML จึงสามารถผลิตคุณภาพระดับนี้ได้

เราตระหนักดีว่าคำกล่าวที่ว่า “เราสร้างเครื่องมือ AI ของเราเอง” เป็นสิ่งที่หลายบริษัทกำลังกล่าวอ้างอยู่ในขณะนี้ แต่ PTC นั้นมีความพิเศษด้วยเหตุผลเฉพาะสองประการ

ขนาดและการตรวจสอบอย่างต่อเนื่อง WPML ให้บริการเว็บไซต์กว่า 1.5 ล้านแห่งและทำเช่นนี้มานานกว่าทศวรรษ ทีมภาษาศาสตร์ของ WPML ตรวจสอบคุณภาพการแปลของ PTC อย่างต่อเนื่อง — โดยการสุ่มตัวอย่างผลลัพธ์ ให้คะแนนด้วยกรอบการทำงาน MQM แบบเดียวกับที่ใช้ในการศึกษานี้ และเฝ้าดูรูปแบบที่เครื่องมือสร้างผลลัพธ์ที่มีคุณภาพต่ำกว่าปกติสำหรับคำศัพท์ คู่ภาษา หรือประเภทเนื้อหาเฉพาะอย่างสม่ำเสมอ

การมุ่งเน้น PTC ไม่ใช่โปรเจกต์เสริมที่ WPML เรามีทีมงานเฉพาะ — ทั้งวิศวกร, MLOps และนักภาษาศาสตร์ เมื่อนักภาษาศาสตร์พบรูปแบบที่เกิดขึ้นซ้ำ ทีมวิศวกรจะจัดการกับมันเหมือนเป็นบั๊ก: ขยายคลังคำศัพท์, ปรับโมเดลระดับภาษา, เพิ่มข้อยกเว้น และส่งตัวแก้ไขออกไป วงจรนี้ทำงานอย่างต่อเนื่อง ซึ่งเป็นเหตุผลว่าทำไมคุณภาพของ PTC จึงพัฒนาขึ้นในช่วง 12 เดือนที่ผ่านมา จาก “ดีเท่ากับการแปลโดยมนุษย์ทั่วไป” มาเป็นตัวเลขในการศึกษานี้

การผสมผสานระหว่างการตรวจสอบโดยมนุษย์อย่างต่อเนื่องในระดับที่กว้างขวาง ควบคู่ไปกับทีมงานที่ตอบสนองต่อการค้นพบแต่ละครั้งในฐานะงานด้านวิศวกรรม คือสิ่งที่ทำให้เกิดตัวเลขคุณภาพข้างต้น มันไม่ใช่แค่เรื่องของสถาปัตยกรรมโมเดล แต่เป็นเรื่องของรูปแบบการดำเนินงาน

เรายังไม่หยุดเพียงเท่านี้

คะแนน 90.0 ทำให้ PTC อยู่ในระดับ “ดีมาก — พร้อมเผยแพร่โดยไม่ต้องตรวจสอบ” เราพอใจกับผลลัพธ์นั้น แต่เราไม่คิดว่านั่นคือขีดจำกัดสูงสุด

วงจร QA → วิศวกรรม ที่อธิบายไว้ข้างต้นยังคงทำงานอยู่ ทีมภาษาศาสตร์ของ WPML ยังคงวิเคราะห์การแก้ไขที่ลูกค้าทำกับผลลัพธ์ของ PTC บนเว็บไซต์จริง ระบุรูปแบบที่การแก้ไขเหล่านั้นเปิดเผย และทีมวิศวกรก็ส่งตัวแก้ไขออกไป — ทั้งการขยายคลังคำศัพท์ การปรับระดับภาษา และการปรับแต่งเฉพาะคู่ภาษา เราคาดหวังว่าการวัดผลครั้งต่อไปจะสูงกว่าครั้งนี้

สิ่งนี้มีความหมายอย่างไรต่อกระบวนการทำงานของคุณ

กระบวนการทำงานเนื้อหาพหุภาษาแบบดั้งเดิมคือ แปล → ตรวจสอบ → เผยแพร่ ขั้นตอนการตรวจสอบมีไว้เพราะเครื่องมือ AI ทุกตัว — และนักแปลที่เป็นมนุษย์ส่วนใหญ่ — ผลิตงานที่ต้องผ่านสายตาคู่ที่สองก่อนจะส่งออกไป ขั้นตอนการตรวจสอบนั้นยังเป็นจุดที่เกิดต้นทุนและระยะเวลาที่นานที่สุดในกระบวนการทำเนื้อหาพหุภาษา

สำหรับ DeepL ขั้นตอนการตรวจสอบเป็นสิ่งจำเป็น ปัญหา 1.27 จุดต่อหน้าต้องถูกตรวจพบที่ไหนสักแห่ง หากทีมงานตรวจไม่พบ ลูกค้าก็จะพบแทน สำหรับ PTC ขั้นตอนการตรวจสอบจะเป็น ทางเลือก สำหรับเนื้อหาส่วนใหญ่ บางทีมยังคงตรวจสอบอยู่ — สำหรับหน้าเว็บที่มีความสำคัญสูงหรืออุตสาหกรรมที่มีกฎระเบียบควบคุม — แต่กระบวนการทำงานเริ่มต้นจะกลายเป็น แปล → เผยแพร่ โดยเก็บการตรวจสอบไว้สำหรับกรณีที่จำเป็นจริงๆ เท่านั้น

นี่คือความแตกต่างในการปฏิบัติงานที่ตัวเลขเหล่านี้อธิบายไว้ และมันไม่ใช่ความแตกต่างเพียงเล็กน้อย

สิ่งนี้มีความหมายอย่างไรต่อต้นทุนของคุณ

ต้นทุนการแปลประกอบด้วยสองส่วน: ต้นทุนในการผลิตงานแปลและต้นทุนในการตรวจสอบ ทั้งสองส่วนต้องได้รับการชำระก่อนที่เนื้อหาจะออนไลน์

สำหรับบริบททางวิชาชีพส่วนใหญ่ การตรวจสอบโดยมนุษย์มีค่าใช้จ่ายไม่กี่เซนต์ต่อคำ — ไม่ว่าผู้ตรวจสอบจะคิดราคาต่อคำ ต่อหน้า หรือต่อเว็บไซต์ ตัวเลขก็จะออกมาประมาณนั้น การแปลโดยมนุษย์เต็มรูปแบบ (แปลแล้วตรวจสอบโดยมนุษย์คนที่สอง) โดยปกติจะอยู่ที่ประมาณ €0.10–€0.20 ต่อคำ สำหรับคู่ภาษาหลัก โดยส่วนของการตรวจสอบเพียงอย่างเดียวจะอยู่ในช่วง €0.04–€0.08

นี่คือต้นทุนที่แท้จริงของแต่ละกระบวนการทำงานในแง่เหล่านั้น

การแปลโดยมนุษย์เพียงอย่างเดียว — เกณฑ์มาตรฐาน ประมาณ €0.10–€0.20 ต่อคำ ทั้งสองขั้นตอนดำเนินการโดยมนุษย์

DeepL (หรือเครื่องมือ AI ใดๆ) บวกกับการตรวจสอบโดยมนุษย์ AI จัดการขั้นตอนการแปล มนุษย์ยังคงต้องตรวจสอบทุกหน้า เพราะด้วยปัญหา 1.27 จุดต่อหน้า ปัญหาเหล่านั้นจะไปถึงลูกค้าหากไม่มีใครตรวจพบก่อน ขั้นตอนการแปลนั้นแทบจะฟรี แต่ขั้นตอนการตรวจสอบยังคงมีค่าใช้จ่าย €0.04–€0.08 ต่อคำ ประหยัดได้ทั้งหมดเมื่อเทียบกับมนุษย์เพียงอย่างเดียว: ประมาณ 60% นี่คือคำโฆษณามาตรฐานที่ว่า “AI ช่วยคุณประหยัดเงินในการแปล” — และมันเป็นเรื่องจริง — แต่เพดานของต้นทุนอยู่ที่ขั้นตอนการตรวจสอบที่คุณภาพของ DeepL ยังคงต้องการ

PTC ไม่ต้องมีการตรวจสอบ PTC มีค่าใช้จ่าย €0.0012–€0.003 ต่อคำ — 4 เครดิตต่อคำ คูณด้วย €0.30–€0.75 ต่อ 1,000 เครดิต ขึ้นอยู่กับปริมาณ โดย 2,000 เครดิตแรกต่อเดือนฟรี (ดู ราคาการแปลอัตโนมัติของ WPML สำหรับตารางราคาเต็ม) เนื่องจากคุณภาพที่วัดได้ของ PTC (คะแนน TQ 90.0, ปัญหา 0.07 จุดต่อหน้า, ช่องว่าง +12.3 คะแนนเหนือ DeepL จากเนื้อหาต้นฉบับเดียวกัน) สูงพอที่จะข้ามขั้นตอนการตรวจสอบได้ในกรณีส่วนใหญ่ ต้นทุนการตรวจสอบจึงกลายเป็นศูนย์ ประหยัดได้ทั้งหมดเมื่อเทียบกับมนุษย์เพียงอย่างเดียว: ประมาณ 99%

นั่นไม่ใช่การพัฒนาเพียงเล็กน้อยจากกระบวนการทำงานแบบ AI บวกการตรวจสอบ แต่มันคือโครงสร้างต้นทุนที่แตกต่างกันอย่างสิ้นเชิง

สรุปข้อมูลสำคัญ — ต้นทุนในการส่งมอบคำแปลหนึ่งคำ

อัตราค่าแปลโดยมนุษย์เป็นค่าประมาณทั่วไปในอุตสาหกรรมสำหรับคู่ภาษาหลัก ราคาของ PTC มาจากอัตราที่เผยแพร่ของ WPML

---

หมายเหตุเกี่ยวกับการตรวจสอบด้วยตนเอง: เมื่อเจ้าของธุรกิจทำการตรวจสอบด้วยตนเองแทนที่จะจ้างผู้ตรวจสอบ ต้นทุนไม่ได้เป็นศูนย์ — เพียงแต่มันมองเห็นได้ไม่ชัดเจน ชั่วโมงที่ใช้ในการตรวจสอบคือชั่วโมงที่ไม่ได้ใช้ไปกับส่วนอื่นๆ ของธุรกิจ และเมื่อคิดตามอัตราค่าจ้างรายชั่วโมงที่เหมาะสม ต้นทุนแฝงมักจะสูงกว่าการจ้างผู้ตรวจสอบภายนอก ไม่ใช่ต่ำกว่า การประหยัดของ PTC มีผลไม่ว่าใครจะเป็นผู้จ่ายสำหรับขั้นตอนการตรวจสอบในปัจจุบันก็ตาม

สิ่งที่สิ่งนี้ช่วยเปิดโอกาสให้ เมื่อการแปลมีค่าใช้จ่าย €0.10 ขึ้นไปต่อคำ คุณจะเลือกแปลเฉพาะส่วน — เช่น หน้าแรก, หมวดหมู่สินค้าหลัก, โพสต์บล็อกที่มีทราฟฟิกสูงไม่กี่โพสต์ ส่วนอื่นๆ จะยังคงเป็นภาษาต้นฉบับเพราะความคุ้มค่าไม่เพียงพอ เมื่อการแปลมีค่าใช้จ่าย €0.002 ต่อคำและให้ผลลัพธ์ที่ดีกว่าการแปลโดยมนุษย์ทั่วไป ความคุ้มค่าจะเกิดขึ้นกับเนื้อหาที่ไม่เคยคุ้มทุนมาก่อน:

• การแปลแคตตาล็อกสินค้าทั้งหมดใน eCommerce — ทุกรายละเอียดสินค้าปลีกย่อย ทุกรูปแบบสินค้า
• พอร์ทัลเอกสารประกอบที่สมบูรณ์ในทุกภาษาที่ลูกค้าอาจใช้ ไม่ใช่แค่สามภาษาหลัก
• คลังความรู้, คำถามที่พบบ่อย (FAQ), คลังบทความบล็อก — เนื้อหาส่วนขยายที่ช่วยขับเคลื่อนการค้นหาแต่ไม่เคยคุ้มค่ากับต้นทุนการแปล
• เนื้อหาบรรณาธิการที่ปรับให้เข้ากับท้องถิ่นสำหรับผู้เผยแพร่เนื้อหาที่ดำเนินงานในตลาดที่รายได้ต่อหน้าจากผู้ชมไม่สามารถครอบคลุมค่าแปลโดยมนุษย์ได้

เนื้อหาพหุภาษาเป็นคำถามที่ว่า “เรามีงบพอจะแปลอะไรได้บ้าง” มานานหลายทศวรรษ แต่ด้วย PTC คำถามจะเปลี่ยนเป็น “อะไรที่คุ้มค่าแก่การแปล” — ซึ่งเป็นคำถามที่แตกต่างและน่าสนใจกว่ามาก

วิธีรับคุณภาพระดับนี้บนเว็บไซต์ของคุณเอง

PTC เป็นเครื่องมือเริ่มต้นในโหมด Translate Everything ของ WPML ซึ่งเป็นการตั้งค่าส่วนกลางเพียงจุดเดียวที่จะแปลทุกหน้าในเว็บไซต์ของคุณโดยอัตโนมัติในพื้นหลัง ไม่มีการตั้งค่ารายหน้าที่ต้องจัดการ

เพื่อให้ได้คุณภาพตามที่วัดได้ในการศึกษานี้ การตั้งค่าเพียงอย่างเดียวที่คุณต้องทำนอกเหนือจากการเปิดโหมด Translate Everything คือการใช้เวลาประมาณหนึ่งนาทีในการอธิบายกลุ่มเป้าหมายและน้ำเสียงของเว็บไซต์ของคุณในการตั้งค่า Translate Everything — ตัวอย่างเช่น “บริษัทซอฟต์แวร์ที่สื่อสารกับนักพัฒนา, ใช้น้ำเสียงที่เป็นทางการ, คงคำศัพท์ทางเทคนิคไว้เป็นภาษาอังกฤษ” PTC จะใช้คำอธิบายนั้นเพื่อปรับการแปลให้สอดคล้องกับภาพลักษณ์ของแบรนด์คุณ

นั่นคือการตั้งค่าทั้งหมด ผลลัพธ์ที่ได้คือสิ่งที่การศึกษานี้ได้วัดผลไว้

หมายเหตุเกี่ยวกับสิ่งที่เราไม่ได้ดำเนินการ

เราไม่ได้เปรียบเทียบ PTC กับ Google Translate, Azure Translator หรือบริการที่ใช้ LLM ผ่าน API สาธารณะ เนื่องจากเครื่องมือเหล่านั้นมีการเปลี่ยนแปลงบ่อยครั้ง และการวัดผลเพียงจุดเดียวจะล้าสมัยภายในไม่กี่เดือน การเปรียบเทียบกับ DeepL คือสิ่งที่เราดำเนินการ เนื่องจาก DeepL เป็นเกณฑ์มาตรฐานที่ถูกอ้างถึงมากที่สุดสำหรับการแปลด้วย AI ระดับการใช้งานจริง และเนื่องจาก DeepL เป็นสิ่งที่คู่แข่งส่วนใหญ่ของเราเลือกใช้เป็นระบบเบื้องหลัง

นอกจากนี้ เราไม่ได้วัดผลในเรื่องความเร็ว ต้นทุน หรือประสบการณ์ของนักพัฒนาในการศึกษานี้ แต่เน้นเฉพาะเรื่องคุณภาพเท่านั้น การเปรียบเทียบเหล่านั้นมีอยู่ใน หน้าฟีเจอร์ และ หน้าเปรียบเทียบ ของเรา ซึ่งจะแสดงข้อมูลในส่วนนั้นๆ

ทดลองใช้งาน

หากคุณดูแลเว็บไซต์ WordPress หลายภาษาและต้องการเห็นผลลัพธ์ของ PTC กับเนื้อหาของคุณเอง ให้ติดตั้ง WPML เปิดใช้งาน Translate Everything และเปรียบเทียบผลลัพธ์กับสิ่งที่คุณใช้อยู่ในปัจจุบัน ความแตกต่างของคุณภาพที่อธิบายไว้ที่นี่คือความแตกต่างของคุณภาพที่คุณควรจะได้รับ

• เรียนรู้เพิ่มเติมเกี่ยวกับการแปลด้วย AI ของ WPML
• เปรียบเทียบ WPML กับปลั๊กอินการแปลอื่นๆ

---

หากมีคำถามเกี่ยวกับระเบียบวิธีวิจัยหรือต้องการขอข้อมูล: โปรดติดต่อทีมงาน WPML

การศึกษาจัดทำโดยทีมภาษาศาสตร์ของ WPML เมื่อเดือนเมษายน 2026 กลุ่มตัวอย่าง: หน้าเว็บที่แปลด้วย DeepL จำนวน 227 หน้า ซึ่งได้รับการตรวจสอบโดยนักภาษาศาสตร์ที่เป็นเจ้าของภาษา โดยในจำนวนนั้น 73 หน้าถูกนำมาแปลใหม่ด้วย PTC เวอร์ชันปัจจุบัน และให้คะแนนแบบ Blind Test เทียบกับเนื้อหาต้นฉบับเดิม ภาษาที่ใช้: อาหรับ, อังกฤษ, ฝรั่งเศส, เยอรมัน, อิตาลี, สเปน การให้คะแนน: ใช้กรอบการทำงานด้านคุณภาพการแปลตามมาตรฐาน MQM โดยมี 9 มิติ มิติละ 1–10 คะแนน นำมาหาค่าเฉลี่ยและปรับสเกลเป็นผลลัพธ์ 0–100 คะแนน