TMX là định dạng chuẩn để trao đổi bộ nhớ dịch, TBX là định dạng chuẩn để trao đổi cơ sở thuật ngữ, còn XLIFF là định dạng chứa chính tệp đang dịch, tách chữ cần dịch khỏi phần định dạng của tài liệu gốc. Cả ba đều dựa trên XML và được thiết kế để dữ liệu đi qua lại giữa các phần mềm hỗ trợ dịch khác nhau mà không phải làm lại.
Người dịch tự do gặp các định dạng này mỗi khi khách hoặc công ty dịch gửi gói dự án, hoặc khi bạn chuyển sang dùng phần mềm khác. Bài này giải thích mỗi định dạng chứa gì, dùng lúc nào, và những lỗi hay gặp với tiếng Việt khi chuyển đổi, để bạn không mất dấu, mất thẻ hay mất cả nghìn cặp câu mà không biết.
Vì sao cần định dạng trao đổi
Mỗi phần mềm hỗ trợ dịch lưu bộ nhớ và thuật ngữ theo cấu trúc riêng của nó. Nếu chỉ có cấu trúc riêng, dữ liệu của bạn bị khoá trong một phần mềm: đổi phần mềm là mất bộ nhớ, làm cho khách dùng phần mềm khác là không gửi được thuật ngữ. Định dạng trao đổi giải quyết đúng chỗ đó: phần mềm nào cũng xuất ra và nhập vào được.
Định dạng trao đổi cũng là cách bảo vệ tài sản ngôn ngữ về lâu dài. Một bộ nhớ lưu ở dạng chuẩn, kèm bản sao lưu, vẫn mở được sau nhiều năm dù phần mềm bạn dùng hôm nay có ngừng phát triển. Vì vậy nhiều người dịch có thói quen định kỳ xuất bộ nhớ sang dạng chuẩn để cất, bên cạnh tệp gốc của phần mềm.
Điểm cần nhớ là trao đổi không bao giờ hoàn hảo. Mỗi phần mềm có thêm thông tin riêng mà phần mềm khác không đọc được, và mỗi lần chuyển đổi có thể mất một ít. Hiểu định dạng giúp bạn biết cái gì có thể mất và kiểm trước khi xoá bản gốc.
Ba định dạng chính và bảng tính: chứa gì, dùng khi nào
Bảng dưới tóm tắt vai trò của từng định dạng. Phiên bản và mức hỗ trợ khác nhau giữa các phần mềm, nên kiểm tài liệu hướng dẫn của phần mềm bạn đang dùng.
| Định dạng | Chứa gì | Dùng khi nào | Ghi chú |
|---|---|---|---|
| TMX | Các cặp câu nguồn – đích, mã ngôn ngữ, ngày tạo, người tạo, thuộc tính tuỳ chọn | Gửi nhận bộ nhớ dịch, chuyển phần mềm, sao lưu lâu dài | Ban đầu do LISA, một hiệp hội ngành bản địa hoá đã giải thể năm 2011, phát triển |
| TBX | Mục thuật ngữ nhiều ngôn ngữ, định nghĩa, ngữ cảnh, trạng thái, nguồn | Trao đổi cơ sở thuật ngữ đầy đủ giữa các hệ thống | Đã thành tiêu chuẩn quốc tế ISO 30042 |
| XLIFF | Nội dung cần dịch tách khỏi định dạng gốc, kèm bản dịch và trạng thái từng đoạn | Gửi nhận tệp làm việc giữa khách, công ty dịch, người dịch | Tiêu chuẩn của tổ chức OASIS; phiên bản 1.2 và 2.x cùng tồn tại |
| Bảng tính hoặc CSV | Các cột thuật ngữ do người dùng tự đặt | Duyệt thuật ngữ với khách, chuyên gia không dùng phần mềm dịch | Dễ dùng nhất, nhưng dễ hỏng mã hoá và dấu phân cách |
Trong thực tế, bảng tính là định dạng thuật ngữ phổ biến nhất vì ai cũng mở được, còn TBX hay gặp khi trao đổi giữa các hệ thống quản lý thuật ngữ lớn. Với bộ nhớ dịch, TMX gần như là mặc định.
Bên trong một tệp TMX có gì
Mở một tệp TMX bằng trình soạn thảo văn bản, bạn sẽ thấy phần đầu khai báo thông tin chung: phần mềm đã tạo tệp, ngôn ngữ nguồn, cách phân đoạn. Sau đó là danh sách các đơn vị dịch. Mỗi đơn vị chứa hai hoặc nhiều biến thể ngôn ngữ, mỗi biến thể có mã ngôn ngữ và câu tương ứng. Các thuộc tính như ngày tạo, người tạo, tên dự án có thể đi kèm từng đơn vị.
Phần dễ gây chuyện nhất là cách lưu định dạng trong câu, như chữ in đậm, liên kết, biến số. TMX có cơ chế đánh dấu riêng cho các thẻ này, nhưng mỗi phần mềm chuyển đổi thẻ của mình sang TMX theo cách khác nhau. Khi nhập vào phần mềm khác, thẻ có thể hiện ra thành ký hiệu lạ, hoặc bị bỏ, làm phần trăm khớp giảm so với lúc ở phần mềm cũ.
Một tệp TMX có thể chứa nhiều cặp ngôn ngữ cùng lúc. Khi nhận bộ nhớ từ khách, kiểm xem nó có đúng cặp bạn cần không, có trộn bộ nhớ của nhiều dự án hay nhiều khách không. Bộ nhớ khách gửi cũng là dữ liệu của khách: lưu đúng chỗ, không chia sẻ lại.
Bảng tính thuật ngữ: đặt cột sao cho nhập được vào phần mềm
Một dòng một khái niệm. Mỗi dòng là một khái niệm, các cột là ngôn ngữ và thông tin đi kèm. Đừng gộp hai nghĩa của cùng một từ vào một dòng bằng dấu gạch chéo; phần mềm sẽ coi cả chuỗi là một thuật ngữ và không bao giờ khớp được.
Tiêu đề cột rõ ràng, không gộp ô. Hàng đầu tiên là tên cột như thuật ngữ tiếng Anh, thuật ngữ tiếng Việt, định nghĩa, trạng thái, ghi chú. Ô gộp, hàng tiêu đề nhiều tầng, màu nền mang ý nghĩa đều mất khi chuyển đổi. Nếu màu đang dùng để báo trạng thái, chuyển thông tin đó thành một cột chữ.
Biến thể để ở cột riêng hoặc dòng riêng. Số nhiều, cách viết hoa khác, chữ viết tắt có thể đặt ở dòng riêng trỏ về cùng khái niệm, tuỳ phần mềm hỗ trợ. Viết dồn nhiều biến thể vào một ô bằng dấu phẩy là cách nhanh nhất để làm hỏng tệp CSV.
Giữ một bản gốc. Bảng tính duyệt với khách là bản gốc; tệp nhập vào phần mềm là bản sinh ra. Mỗi lần sửa, sửa ở bản gốc rồi nhập lại, thay vì sửa trong phần mềm rồi quên cập nhật bảng tính, khiến hai bên lệch nhau sau vài tháng.
XLIFF: tệp làm việc thay cho tài liệu gốc
Khi khách là một công ty phần mềm hoặc công ty dịch lớn, bạn thường không nhận tệp văn bản gốc mà nhận tệp XLIFF. Hệ thống của họ đã tách nội dung cần dịch ra khỏi tài liệu, giữ lại phần định dạng ở phía họ. Bạn dịch trong tệp XLIFF, gửi lại, hệ thống của họ ghép bản dịch vào định dạng gốc.
Lợi ích là bạn không làm hỏng định dạng tài liệu, và khách kiểm soát được chính xác đoạn nào cần dịch. Tệp XLIFF có thể chứa sẵn bản dịch từ bộ nhớ hoặc dịch máy của khách, kèm trạng thái từng đoạn: đã dịch, cần xem lại, đã khoá. Đoạn bị khoá thường là phần đã duyệt, bạn không được sửa.
Rủi ro là các phiên bản XLIFF và cách mỗi phần mềm mở rộng định dạng khác nhau. Một tệp tạo bởi hệ thống của khách có thể mở trong phần mềm của bạn nhưng lưu lại thiếu thông tin mà hệ thống khách cần. Trước dự án lớn, gửi lại khách một tệp thử nhỏ để họ nhập vào hệ thống, xác nhận không lỗi rồi mới dịch toàn bộ.
Lỗi hay gặp với tiếng Việt khi chuyển đổi
Tiếng Việt có dấu thanh và dấu mũ, nên dễ dính những lỗi mà người dịch các ngôn ngữ khác ít gặp. Danh sách dưới là những chỗ nên kiểm đầu tiên khi tệp có vấn đề.
- Mã hoá ký tự: bảng tính lưu dạng CSV mà không chọn UTF-8 sẽ biến chữ có dấu thành ký tự lạ. Luôn chọn UTF-8 khi lưu và khi mở.
- Dạng dựng sẵn và dạng tổ hợp: một chữ có dấu có thể được lưu như một ký tự hoặc như chữ cái cộng dấu rời. Mắt thường không phân biệt, nhưng phần mềm có thể coi là hai chuỗi khác nhau, làm khớp thuật ngữ thất bại. Văn bản dán từ nhiều nguồn hay bị trộn hai dạng; chuẩn hoá về dạng dựng sẵn trước khi nhập.
- Mã ngôn ngữ: bộ nhớ ghi tiếng Việt là "vi" ở phần mềm này và "vi-VN" ở phần mềm khác; khi nhập, phần mềm có thể không nhận ra là cùng ngôn ngữ và bỏ qua cả bộ nhớ. Kiểm và ánh xạ mã ngôn ngữ trong lúc nhập.
- Dấu phân cách trong CSV: thuật ngữ hoặc định nghĩa có dấu phẩy làm lệch cột nếu không được đặt trong ngoặc kép. Dùng tab làm dấu phân cách hoặc làm việc trực tiếp với tệp bảng tính.
- Thẻ định dạng: thẻ bị đổi thành ký hiệu hoặc mất, khiến câu khớp kém và bản dịch xuất ra mất in đậm, liên kết.
- Thuộc tính riêng: trường người duyệt, trạng thái, ghi chú tuỳ biến của phần mềm cũ không có ở phần mềm mới và bị bỏ khi nhập.
Lỗi dạng dựng sẵn và dạng tổ hợp đặc biệt khó thấy. Nếu một thuật ngữ rõ ràng có trong bảng mà phần mềm không nhận, hãy nghĩ tới nó trước khi nghĩ tới lỗi phần mềm.
Kiểm tệp trước khi gửi và sau khi nhận
Một vài phút kiểm tránh được nhiều giờ làm lại. Trình tự dưới đây áp dụng cho cả bộ nhớ, thuật ngữ và tệp làm việc.
- Ghi lại số đơn vị dịch hoặc số mục thuật ngữ trước khi xuất.
- Xuất ra định dạng chuẩn với mã hoá UTF-8 và mã ngôn ngữ rõ ràng.
- Nhập thử vào một bộ nhớ trống hoặc một phần mềm khác, so số lượng với số đã ghi.
- Mở vài chục mục ngẫu nhiên, kiểm dấu tiếng Việt, thẻ định dạng, ký tự đặc biệt.
- Với XLIFF, kiểm trạng thái đoạn và đoạn khoá còn đúng sau khi lưu.
- Đặt tên tệp có mã khách, cặp ngôn ngữ, ngày xuất; gửi qua kênh an toàn như với tài liệu gốc.
Với tệp nhận từ khách, làm thêm một việc: hỏi khách tệp được xuất từ phần mềm nào, phiên bản nào. Thông tin này giúp bạn đoán trước vấn đề thẻ và thuộc tính riêng, và giúp bộ phận kỹ thuật của khách hỗ trợ nhanh khi tệp gửi lại bị lỗi.
Nếu số lượng sau khi nhập ít hơn trước khi xuất, đừng bỏ qua. Phần thiếu thường là những cặp có ký tự đặc biệt hoặc mã ngôn ngữ lệch, và chúng hay là phần quan trọng.
Câu hỏi thường gặp
Mở tệp TMX bằng gì nếu không có phần mềm hỗ trợ dịch?
Tệp TMX là văn bản XML nên mở được bằng trình soạn thảo văn bản bất kỳ. Đọc thì hơi khó vì có nhiều thẻ, nhưng đủ để kiểm nội dung, mã ngôn ngữ và số lượng. Một số công cụ miễn phí cho phép xem và sửa TMX dạng bảng.
Có chuyển bảng tính thuật ngữ sang TBX được không?
Được, nhiều phần mềm hỗ trợ dịch và công cụ quản lý thuật ngữ có chức năng nhập bảng tính và xuất TBX. Bạn cần ánh xạ cột trong bảng tính sang trường tương ứng như thuật ngữ, ngôn ngữ, định nghĩa, trạng thái.
Gửi bộ nhớ cho khách nên dùng định dạng nào?
Hỏi khách dùng phần mềm gì. Nếu không rõ, TMX cho bộ nhớ và bảng tính hoặc TBX cho thuật ngữ là lựa chọn an toàn vì phần lớn phần mềm nhập được. Gửi kèm ghi chú số lượng mục để khách kiểm.
Vì sao bộ nhớ nhập vào phần mềm mới cho khớp thấp hơn trước?
Thường do thẻ định dạng bị chuyển đổi khác đi, do quy tắc phân đoạn của phần mềm mới khác cũ, hoặc do dạng ký tự tiếng Việt bị trộn. Kiểm ba chỗ này trước khi kết luận bộ nhớ bị hỏng.
XLIFF có thay được bộ nhớ dịch không?
Không. XLIFF là tệp làm việc của một tài liệu, còn bộ nhớ dịch tích luỹ nhiều tài liệu. Sau khi dịch xong tệp XLIFF, các cặp câu đã xác nhận vẫn được lưu vào bộ nhớ của bạn hoặc của khách để dùng lại.
Có nên nén và đặt mật khẩu khi gửi tệp TMX không?
Nên, nếu không có kênh chia sẻ an toàn hơn. Gửi mật khẩu qua kênh khác với kênh gửi tệp. Bộ nhớ dịch chứa nguyên văn tài liệu của khách nên cần được bảo vệ như chính tài liệu.