为什么“逐句翻译”会出错
设想一个示意的做法：先生成中文播报，再交给翻译模型转成英文。看起来省事，实际上会遇到三类问题。
第一，信息量不对等。中文解说里的“边路传中”，英文可以说cross，也可以说delivery from the wing，取决于当时的语境和习惯，翻译模型并不知道哪种更适合直播。
第二，事实容易在翻译中变形。数字、时间、人名在翻译时被改写、省略或重排，是很常见的错误。我们在 事实正确与表达自然的分层设计 里讨论过，事实应当由数据层提供，如果翻译层可以自由改写，事实约束就被绕开了。
第三，风格差异。同一个事件，中文播报和英文播报的节奏、句长、常用修辞并不相同，把一种语言的句式硬搬到另一种语言里，听起来就像“翻译腔”。
所以我们倾向于：两种语言都从同一份结构化事件出发，各自生成，各自遵循自己的术语和风格，而不是一种语言翻译另一种语言。
术语表：一件必须有人维护的事
双语主播最基础的资产是术语表。它不是一张简单的“中文—英文”对照，至少要包含：
- 标准词条：例如“越位”对应offside，“任意球”对应free kick；
- 别名与禁用词：同一个概念可能有多种叫法，需要规定哪一种是首选，哪些不用；
- 使用条件：某些说法只适用于特定语境，例如英式与美式对同一个概念的说法不同，比赛暂停后的补时，在英式英语里常说injury time或stoppage time，美式语境里对这项运动的称呼本身也不同；
- 发音信息：让语音层知道怎么读，尤其是缩写和数字。
有了术语表之后，文字生成时不是让模型自己选词，而是把相关词条作为输入约束进去，输出后再核对是否使用了首选词。这一做法与实体校验是同一类思路：能查表的，就不要让模型回忆。
人名与球队译名：同一个人只能有一种写法
体育里最容易出现问题的其实是人名。外籍球员的中文译名往往有多个版本，不同媒体各有习惯；同一个人在中英文之间的转换，也可能因为姓名顺序、连字符、重音符号而不同。
为避免播报中前后不一，需要一个实体库：
- 每个球员有唯一的内部编号，所有事件、统计、文本都通过编号引用；
- 每个编号在每种语言下对应一个主写法，同时记录若干别名，用于识别用户输入或外部资料中的不同写法；
- 球队同理，全称、简称、常用昵称分别记录，并规定哪些场合使用哪一种；
- 遇到库里没有的新球员，系统不自行编译名，而是回退到以编号或位置指代，例如“一名外籍中场”，同时提醒编辑补录。
最后一条很重要：不知道怎么译，就先别译，这比创造一个不存在的译名更安全。
战术术语：两种语言并不一一对应
战术术语是最容易“翻译过去、意思变了”的地方。举几个例子说明现象：
| 中文习惯说法 | 英文常见说法 | 不完全对等之处 |
|---|---|---|
| 高位逼抢 | high press | 大体对应，但英文里有更细的分类，如按触发条件区分 |
| 边后卫 / 边翼卫 | full-back / wing-back | 两者职责和位置高低不同，中文需要根据阵型选用 |
| 伪九号 | false nine | 中文是较新的通行译法，使用频率和语境与英文不同 |
| 造越位 | play the offside trap | 中文常用名词化，英文更多用动词短语 |
上表只是举例，用来说明“并非一对一”，不是完整词表。战术描述在不同解说员、不同地区的习惯里也存在差异。遇到这类词，我们的做法是让编辑维护首选说法，并在无法确定时使用更中性、更描述性的表达，例如“压上逼抢”而不是硬套一个专有名词。
同一个数据事件（比如某个位置的球员前压），在中文解说里可能被归纳为“套边”，在英文里则可能被描述为overlapping run。这里的关键是：事件是一份，说法是两套。
播报习惯：语言之外的本地化
除了词，还有习惯。
- 数字与比分的读法：中文读“二比一”，英文读“two-one”或“two to one”，顺序和用词都不同；
- 句长与节奏：中文解说更常用短句叠加，英文解说更常用带从句的长句，语速也不同；
- 称呼方式：中文常以“号码+姓”或全名称呼，英文常直呼姓氏；
- 情绪表达：进球时的呼喊、评价用语，在两种语言里的强度并不一样。
因此双语不只是文字层的事情，语音层也要分别配置：发音词典、语速、重音、停顿，都应该有各自的一套。
中英夹杂的读音问题
现实里还有一种情况：中文播报中夹带外文名字，或者英文播报中夹带中文人名。这类混读对语音合成是个挑战：
- 外文名在中文句子中怎么读，是按原音、按中文习惯译音，还是直接读字母；
- 缩写和数字的读法在不同语言里不一样；
- 句子内部语言切换的地方，语调和停顿是否自然。
这些都无法完全靠模型自己判断，需要在发音词典里明确规定，并且在语音质量评估中特别抽检夹杂语言的句子。
上线前怎么检查一套双语词表
词表建好之后，可以按下面几步做一次举例式的抽检，这是编辑流程上的设想：
- 选取一批典型事件（进球、犯规、换人、判罚复核），让两种语言分别生成播报；
- 统计同一个概念在两种语言里是否始终使用同一个首选词；
- 让熟悉两种语言的编辑逐句检查，标出“翻译腔”和不符合习惯的说法，回填到词表；
- 对人名做专项检查：同一编号的球员，在所有输出里是否只出现主写法；
- 对语音做专项检查：夹杂外文名的句子、含数字和缩写的句子，是否读对。
每次赛季更换、球员转会或规则更新后，都需要重复一遍，因为词表是活的。
校验与边界
双语播报的校验，可以在事实层沿用同一套：无论哪种语言，输出中的数字和实体，都要与同一份事件数据核对。术语层面则额外检查：是否使用了首选词，是否出现了词表以外的译名，是否有前后不一致。
也要说清楚边界。术语表覆盖的范围有限，越冷门的赛事、越新的战术词，越容易缺失；不同地区对同一术语的使用习惯不同，并不存在唯一正确答案；此外，我们并没有讨论其他语种，如果要扩展，每增加一种语言，都要重做一遍词表、译名和发音。这里给出的是设计思路，并不代表已经覆盖了某个联赛或语种。
同时，语言偏好本身也可以被视为一种用户偏好，这与 球迷个性化 中讨论的思路相通：用户选择的语言、术语深浅（是否需要解释“越位”这类基础词）、播报详细程度，都可以成为个性化的一部分。
