用 AI 做翻譯與在地化:讓譯文讀起來像本地人寫的

這篇教你用 AI 把「翻譯」這件事真正做完:不是產出文法正確的譯文，而是產出讓目標市場讀者一眼認出「這是自己人寫的」的內容，並且建立一套可以每週重複使用、不會走鐘的流程。

為什麼「翻對」跟「像本地人寫的」是兩回事

很多人第一次用 AI 做翻譯，會把它當成升級版的字典或翻譯軟體:丟一段中文，拿回一段英文，文法沒錯、意思也對，就結案了。但如果這段英文是要放在網站商品頁、要寄給美國客戶、要投英文媒體，「文法對」只是及格線，不是終點。

直譯出來的句子有幾個共同的破綻:語序照搬中文邏輯、被動語態用得不自然、修辭過度客氣或過度生硬、慣用語被拆開來逐字翻(例如「不好意思」被翻成生硬的道歉句，而不是英文母語者真正會用的口語表達)、還有最常見的——每一句都語氣一致到像機器人，少了真人寫作時自然出現的節奏變化。這些破綻單獨看都不算錯，但加在一起，讀者會下意識覺得「這不是在地內容」,信任感就打了折扣。尤其是要做行銷文案、客服信件、產品說明這種需要建立信任的場景，語感上的違和往往比文法錯誤更傷。

在地化(Localization)跟翻譯(Translation)的差別，精確地說就在這裡:翻譯處理的是「語言」,在地化處理的是「情境」——誰在說話、對誰說、為了什麼目的、在什麼文化脈絡下。同一句中文「感謝您的耐心等候」,翻給日本客戶要客氣到位，翻給美國客戶太過鞠躬哈腰反而顯得不自然，翻給東南亞新創的年輕團隊又可以更輕鬆隨性。AI 本身不會自動知道這些差異，除非你在提示詞裡把這些情境條件說清楚。這也是這篇文章要解決的核心問題:怎麼把「情境」餵給 AI,讓它做出來的不只是翻譯，而是在地化。

動手前:把「在地化任務」拆成四個層次

在丟出第一個提示詞之前，先把工作拆解清楚，可以省下大量來回修改的時間。建議拆成以下四層:

第一層是「語意正確」,也就是傳統翻譯的底線——原文的意思有沒有被完整、正確地傳達，有沒有漏譯、誤譯、或者因為一詞多義而選錯了對應詞。第二層是「語氣貼合」,也就是這段文字在目標語言文化裡，應該用什麼樣的正式程度、什麼樣的情緒溫度。第三層是「用詞在地」,同一個概念在不同市場常用的說法可能完全不同，例如台灣說「網站」,美式英文跟英式英文對同一個功能的稱呼也常常不一樣。第四層是「格式與慣例」,包括日期、貨幣、度量衡、稱謂、標點符號習慣，這一層最容易被忽略，卻是本地讀者一眼就能看穿「這是翻譯過來的」最明顯的破綻。

把任務拆成這四層之後，你在寫提示詞時就知道要明確指定哪些條件，而不是籠統地說「請幫我翻成道地的英文」——這種籠統指令，AI 只能用它自己對「道地」的猜測去填空，結果往往還是偏向書面、偏向保守。

可複製的 Prompt:一次到位的中英互譯與在地化指令

下面這個提示詞範本，把上述四層條件都寫進去，你只需要替換大括號裡的變數，就能套用在客服信件、商品文案、社群貼文、電子報等各種文字型別上。

你是一位同時精通{來源語言}與{目標語言}、並長期居住在{目標市場，例如:美國西岸/日本東京/台灣}的雙語文案編輯。

請將以下原文翻譯並在地化成{目標語言},目標讀者是{目標受眾，例如:25-40歲的線上購物者/B2B採購視窗/一般社群追蹤者}。

在地化條件:
1. 語氣:{語氣要求，例如:親切但專業、輕鬆口語、正式商務}
2. 目標市場的文化慣例:請套用{目標市場}當地讀者熟悉的表達方式，而不是逐字直譯，包含日期/貨幣/度量衡格式一併在地化
3. 禁用詞或需保留原文的詞:{品牌名、專有名詞、法律條文用語等不可意譯的詞清單}
4. 篇幅:譯文長度盡量與原文相近，不要無故擴寫或省略
5. 如果原文有雙關語、諺語或文化梗，請改用{目標語言}讀者能立刻理解的對應說法，而不是字面翻譯

原文:
{貼上原文全文}

請先輸出譯文，接著另外列出「在地化調整說明」,條列出你做了哪些不是逐字對應的改動、以及為什麼這樣改。

這個提示詞的關鍵設計，是最後要求 AI 附上「在地化調整說明」。這一步非常重要，因為它會逼 AI 把「我改了什麼、為什麼改」講清楚，你才能判斷這些改動是不是超出你的容忍範圍(例如把品牌語氣改得太隨便),也能讓非雙語的主管或同事，不用懂目標語言也能大致審核這份譯文的合理性。

如果你手上有多語系網站要維護，同一句話要同時翻成三、四種語言，建議把上面的提示詞拆成單一語言各跑一次，而不是一次要求輸出多語言——多語言一次輸出時，AI 容易在較後面的語言上偷懶，品質會隨語言順序遞減。

術語一致:用詞彙表把翻譯鎖死

在地化最容易出包的地方，不是單篇翻得好不好，而是「這次翻的跟上次翻的對不上」。同一個產品功能名稱，這週翻成一個詞，下週換了一個新的對話視窗，AI 又翻成另一個詞，讀者看久了會覺得不專業、甚至懷疑是不是兩個不同的東西。

解法是建立一份詞彙表(Glossary),把品牌名稱、產品功能名稱、常用術語、以及「絕對不能翻」的詞都列出來，每次翻譯時都附在提示詞裡當作強制對照表。詞彙表不需要做得多複雜，一個簡單的表格就夠用:

把這張表存成一個獨立檔案，每次請 AI 翻譯新內容時，先貼上這張表再貼原文，並註明「請嚴格遵守以上詞彙表，若原文出現表中詞彙，必須使用指定譯法，不得自行替換同義詞」。累積得越久，這份詞彙表的價值越高，新進的行銷或客服同仁也可以直接拿來對照使用，不需要每次都重新溝通品牌用語習慣。

台灣案例:一家外銷戶外用品的中小企業怎麼把在地化流程跑起來

台中一間做戶外露營用品外銷的中小企業，原本網站只有中文版，靠代理商零星把商品說明翻成英文賣到北美跟日本，長期以來的問題是:同一款帳篷，英文版商品頁的用詞、語氣跟社群貼文常常對不上，客服信件回覆給海外客戶時，常常出現「意思沒錯但讀起來很生硬」的翻譯腔，甚至因為度量衡沒有換算(公分沒換算成英吋),讓海外買家誤判尺寸而申請退貨。

團隊後來做的事情很單純:第一步先建立一份約六十個詞的詞彙表，把帳篷結構、材質、尺寸單位的固定譯法都鎖死;第二步用前面那組提示詞範本，分別針對「商品說明」跟「客服信件」設定不同的語氣引數——商品說明設定為「專業但帶探險感的語氣，參考戶外品牌官網口吻」,客服信件設定為「親切、簡短、直接給解法」;第三步是所有 AI 產出的譯文，一律先過一輪人工校對才上線，校對的人不需要英文很強，只需要照著「在地化調整說明」逐條檢查邏輯合不合理。

跑了大約兩三個月之後，團隊自己觀察到的變化是質性的:因為尺寸誤解而發起的退貨客服信件，從原本每個月有一定數量(團隊描述是「幾乎每週都會遇到一兩件」),降到變成偶發、不再是固定會出現的問題;英文商品頁的用詞前後對照終於一致，不會再出現同一款帳篷在不同頁面被叫成不同名字的狀況;客服回覆的產出時間也明顯縮短，原本要另外請兼職譯者處理的信件，現在客服人員自己套提示詞加簡單校對就能在幾分鐘內回覆。這些數字沒有精確到小數點，因為團隊本身也沒有做嚴謹的對照測試，但方向是一致的——在地化流程上軌道之後，「因為語言誤會產生的成本」明顯下降了。

校對流程:三道關卡把「AI 腔」抓出來

就算提示詞寫得再精準，AI 產出的譯文還是需要人工校對，原因不是 AI 會犯低階錯誤，而是有些問題只有真正懂目標語言文化的人才判斷得出來。建議建立三道關卡:

第一道是「大聲唸出來」測試。把譯文唸出聲，只要有任何一句話唸起來會卡、會覺得「這句英文母語者不會這樣講」,幾乎都能當場抓出來。這是最低成本也最有效的方法，不需要懂太深的語言學，靠語感就能篩掉大部分的翻譯腔。

第二道是找一位以目標語言為母語、或者長期在目標市場生活的人做「情境校對」——不是校對文法，而是校對這句話放在這個情境裡自不自然。如果團隊裡沒有母語者，退而求其次可以把譯文丟給另一個 AI 對話，提示詞改成「請你以{目標語言}母語者的角度，挑出這段文字裡任何讀起來不自然、像是翻譯出來的句子，並說明原因」,用第二個 AI 交叉檢查第一個 AI 的產出，雖然不能取代真人母語者，但能抓出一部分明顯的問題。

第三道是「格式與慣例」檢查清單，包括日期格式、貨幣符號位置、電話與地址格式、標點符號(例如英文的引號跟中文全形引號不同)、以及數字的千分位習慣。這一關最容易被跳過，卻最容易被眼尖的讀者抓到破綻。

把這三道關卡固定成流程，寫成一份簡單的檢查清單(可以直接放進團隊的內部作業檔案),之後不管是誰接手在地化的工作，都能照著同一套標準把關，不會因為換了負責人就讓品質忽高忽低。

AI 的能力邊界與常見錯誤:誠實地說清楚

AI 在翻譯與在地化這件事上已經非常實用，但它不是萬能，誠實面對邊界才能少踩坑。第一個邊界是「文化梗與雙關語」,AI 常常能翻出語意正確但完全失去笑點或雙關效果的版本，這種內容通常還是需要真人重新創作，而不是單純翻譯——遇到廣告標語、雙關梗、諧音哏，建議把它當成「請 AI 幫我發想幾個在地化版本」而不是「請 AI 翻譯這句話」。

第二個邊界是「小眾語言或特定方言的細膩度」,主流語言像英文、日文、韓文的在地化品質通常很穩定，但如果是東南亞某些語言的特定地區用語、或者需要區分正式書面語跟口語的語言，AI 的掌握度會明顯下降，這時候母語者校對這一關就不能省略。

第三個邊界，也是最容易被忽略的一個:AI 有時候會「過度在地化」,自己加了原文沒有的資訊，或者把語氣改得跟品牌調性不符，卻講得非常有自信、看起來完全合理。這也是為什麼前面的提示詞範本要求 AI 附上「在地化調整說明」——不是因為不信任 AI,而是因為它產出的每一個改動都需要有人為它負責，尤其是牽涉到法律條文、退換貨政策、保固條款這類正式檔案的翻譯，任何一個用詞的微妙偏差都可能造成誤解甚至法律風險，這種內容建議一律經過真人專業審核，不要只靠 AI 加校對流程就直接對外發布。

常見的錯誤還包括:把整份長檔案一次丟給 AI 翻譯，結果因為輸入太長，後半段的語氣或用詞跟前半段對不上;沒有提供詞彙表，導致同一個詞在不同段落被翻成不同版本;以及最常見的——只看譯文順不順，卻沒有回頭核對原文的資訊有沒有被完整保留，漏掉一句但整體讀起來很通順，反而更難被發現。

延伸應用與下一步

把這套「詞彙表+情境提示詞+三道校對關卡」的流程跑熟之後，可以延伸到更多場景:多語系網站的每月內容更新、跨境客服的標準回覆範本庫、甚至是把公司內部教育訓練檔案同步翻譯給海外分公司使用。核心原則不變——先把情境條件講清楚，再讓 AI 產出，最後一定留一道人工把關的關卡。如果你的團隊需要固定頻率處理大量在地化內容，下一步可以考慮把這套提示詞跟詞彙表包裝成一個可重複執行的工作流程，搭配排程自動化，把「丟原文進去、拿到校對好的多語版本」變成一條穩定的產線，而不是每次都要重新想提示詞。

常見問題 FAQ

延伸閱讀

• 更多工食譜
• 提示詞庫
• 自動化工作流程
• 使用指南