《逃离永明岛》（Escape Everlit）是一款文字冒险游戏外盘黄金配资，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。

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：

展开剩余84%

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:...Thenwhat'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:(...Beingtoo good withkids can be inconvenient...)# 人工校对，意译，保留略带无奈的口吻a:(...Beingtoo good withkids 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。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。所以，不要认为可以不断循环润色来逼近最好的翻译……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。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。

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。）

* 本文为用户投稿外盘黄金配资，不代表 indienova 观点。

发布于：北京市

• 外盘黄金配资