DeepL、Google 翻譯與 ChatGPT 到底哪個比較準？如果你只看別人的單句範例，很容易選錯。短句、整份 Word、品牌文案與技術手冊需要的能力不同，最適合的工具也會不同。
最可靠的方法，是拿自己的真實內容做一輪小型試譯，再比較「修到可交付要多久」。這篇先幫你縮小候選範圍，最後給一套 15 分鐘就能執行的測試法。
先按任務選工具
快速看懂短句：Google 翻譯
旅行訊息、網頁片段或只想確認大意時，Google 翻譯的入口快、語言多，也適合先偵測來源語言。短句本身缺少上下文，任何工具都可能把人名、代名詞或多義詞猜錯；關鍵資訊要把前後句一起放入。
文件與固定術語：DeepL 或 Cloud Translation
如果要處理 DOCX、PPTX、PDF 等文件，先測支援文件翻譯的服務，觀察版面、表格、標題與超連結能保留多少。技術文件或產品內容還要看 glossary／術語表功能，避免同一名稱在不同段落出現多種譯法。
DeepL 官方文件建議在可行時明確指定來源語言，並提供較完整上下文；Google Cloud Translation 也提供 glossary 與文件翻譯功能。實際支援格式、檔案上限與方案會更新，送正式案前應再看官方頁面。
語氣與在地化：聊天模型
ChatGPT、Claude、Gemini 等聊天模型能接受讀者、語氣、品牌規範與禁用詞，適合把直譯初稿改成台灣讀者自然的文字，也能解釋一句話有哪些歧義。
代價是模型可能增添原文沒有的資訊、擅自換算幣別，或為了順口刪掉保留條件。品牌文案可以利用它提出多個候選版本；合約、醫療與技術規格則必須逐句對照原文。
一張簡單的選擇地圖
只想立即理解大意，就從 Google 翻譯開始。需要整份文件、版面與術語一致，先測 DeepL 或 Cloud Translation。需要控制語氣、改寫標題、解釋文化差異，可加上聊天模型作第二步。若內容要正式對外、錯誤成本高，工具只負責初稿，最後走 MTPE 人工譯後編輯。
同一專案也可以混用。例如先用文件翻譯保留格式，再將少數品牌段落交給聊天模型產生三種語氣版本，最後由譯者統一術語與審核內容。不要為了只用一個工具，犧牲可驗證性。
15 分鐘試譯法
從真實文件選 300 到 500 字，刻意包含一個長句、三個術語、一個數字、一段品牌語氣與一個容易有歧義的代名詞。把完全相同的原文交給候選工具，不要一邊調 prompt、一邊使用預設設定，否則比較不公平。
拿到結果後記錄五件事：
- 有沒有改變原意的嚴重誤譯或漏譯。
- 核准術語是否全篇一致。
- 數字、日期、幣別、單位與否定詞是否正確。
- 格式、標題、表格與連結需要修多少。
- 從機器輸出修到可交付，實際花了幾分鐘。
不要用「讀起來最順」直接決勝。流暢的錯誤最難發現；真正有用的比較是人工修正時間與嚴重錯誤數。
聊天模型翻譯 Prompt
先給模型一個可驗證的任務範圍：
請把下方英文翻成台灣繁體中文。
用途：SaaS 產品的說明中心
讀者：第一次使用產品的台灣使用者
語氣：直接、清楚，不使用廣告式形容詞
規則：
1. 保留程式碼、網址、變數名稱與產品名稱。
2. 依術語表翻譯；沒有列出的專有名詞先保留原文。
3. 不新增原文沒有的功能、理由、保證或例子。
4. 日期與數字保留原值，不自行換算。
5. 遇到歧義時，在譯文後列出「待確認」，不要自行猜測。
術語表：
- workspace = 工作區
- deployment = 部署
- retention = 保留期限
原文：
[貼上原文]比起「請翻得專業自然」，這份 prompt 清楚定義了用途、不可改動內容與遇到不確定時的行為。長文件仍要分段處理，並保留前一段摘要與術語表，避免角色、稱謂和功能名漂移。
四步翻譯工作流
1. 翻譯前整理
確認原文版本、目標地區、讀者、用途與交付格式。先建立 10 到 30 個高風險術語，包含核准譯法與不可翻項目。完整方法可看 AI 翻譯術語庫教學。
2. 產生初稿
選擇能保留所需格式的工具，以段落或章節為單位處理。若工具提供 context 或 glossary，先設定再開始。不要在不同段落臨時改規則，否則後面很難統一。
3. 雙語校對
先對照原文抓語意錯誤，再處理中文可讀性。特別檢查否定、比較、條件、指代、數字、單位、引用與法條。聊天模型產生的漂亮句子也要回原文核對。
4. 機械 QA 與脫稿閱讀
用搜尋、CAT 工具或試算表檢查術語、未翻字串、數字與標點，最後只讀中文成品，確認段落銜接與語氣自然。機械 QA 可以找異常，無法代替語意判斷。
三個常見場景
商務 Email
先保留人名、日期、附件名稱與承諾條件，再調整稱謂和禮貌程度。不要要求模型自行把美元換成台幣，因為匯率與會計日期都可能造成新錯誤。
技術文件
程式碼、endpoint、參數、錯誤訊息通常應保留原文；介面文字則要和產品現有翻譯一致。譯完後實際照步驟操作一次，比只讀文字更容易找到按鈕名稱與流程錯誤。
字幕與逐字稿
除了翻譯，還要處理每行長度、時間軸、說話者、口語省略與閱讀速度。先用逐字稿工具取得可靠原文，再翻譯與人工校時；一句字幕通常不能只靠一般文件翻譯完成。
本地化和翻譯差在哪？
翻譯的核心是把原文意思轉成另一種語言；本地化還包含日期、量詞、介面空間、文化預期、付款方式、客服語氣與法規資訊。把 Sign up 譯成「註冊」是翻譯，決定台灣產品要顯示「建立帳號」還是「免費開始」則涉及介面與品牌策略。
需要改動例子、笑點、CTA 或資訊順序時，應把「忠實翻譯」與「在地改寫」分成兩個欄位，讓客戶知道哪裡改了。更多方法請看 AI 翻譯在地化指南。
機密資料能不能丟進 AI？
先看合約與資料條款。未公開產品、個資、病歷、法律文件、財務資料與客戶名單，不應直接貼進一般個人帳號。你需要確認資料是否被保存、用於訓練、由哪些地區處理，以及公司是否有核准的企業環境。
可以先去識別化，只取一小段測試；仍然敏感時，改用經公司核准的服務、私有環境或完全離線流程。刪掉姓名不一定足夠，訂單編號、職稱與事件組合仍可能辨識個人。
常見問題
AI 翻譯可以直接交給客戶嗎？
低風險、只供理解的內容可依雙方約定使用；正式對外內容至少要做雙語校對。法律、醫療、財務、品牌與安全資訊需要相應專業審核，不能只因文字流暢就直接交付。
DeepL 和 ChatGPT 哪個翻中文比較自然？
沒有跨文類的固定答案。DeepL 適合穩定文件與術語流程，聊天模型擅長語氣指示與改寫，也更可能增譯。用自己的真實樣本比較嚴重錯誤與人工修正時間，會比網路排名可靠。
長文件可以一次全部貼進聊天模型嗎？
上下文放得下不代表輸出長度、格式與一致性一定可靠。按章節處理，固定術語表與 style guide，並保留版本紀錄；最後仍要跑全文術語和數字 QA。
官方資料
- DeepL Developers：Language detection 與 context
- DeepL Developers：Document translation
- Google Cloud Translation：Glossaries
- Google Cloud Translation：Translate documents
若你準備把 AI 初稿變成正式翻譯服務，下一步請閱讀 MTPE 流程與報價方法。