查看原文
其他

重磅|翻译平台Smartcat B轮融资1460万美元

Aroma 机器翻译观察 2022-04-24

翻译管理技术和翻译市场提供商Smartcat已完成价值1460万美元的B轮融资。据Smartcat首席执行官伊万·斯摩尼科夫(Ivan Smolnikov)称,参与这笔交易的是“我们现有的风投公司,其中Matrix Partners是最大的出资方,另外还有一个来自美国的新风投公司和两个来自欧洲的风投公司。”交易于2020年8月初完成,但当时Smartcat选择不主动公布。

Smolnikov拒绝详细说明最近这轮融资对该公司的估值,只是说它“很好,符合我们这个阶段快速增长的SaaS市场在美国所能获得的价值。”

Smartcat的B轮融资为最近一连串翻译、本地化和口译技术创业公司的融资再添新的一笔,使得2020年成为语言产业融资最活跃的年份之一。

投资者们已经在科技类初创企业Lokalise (600万美元的A轮融资)、LocalizeDirect (110万美元的种子轮)、Localised.com (650万美元的A轮融资)、Intento (300万美元的种子轮)和Memsource (出售给私募巨头凯雷集团)均有投资;Lilt (2500万美元B轮融资)和TAIA (120万欧元种子轮)以及翻译平台Kudo (600万美元);并承销了字幕和字幕供应商Ai-Media 4790万美元的澳大利亚IPO (Pro)。

市场网络

Smartcat由Smolnikov于2016年创立,总部位于美国马萨诸塞州的剑桥市。Smolnikov透露,“目前我们有超过115名全职员工和几千名活跃的翻译公司和甲方客户,还有市场上超过30万的自由职业者和翻译公司——当然,并不是所有都是活跃用户。总的来说,团队全年都在增长。”

据Slator报道,Smartcat最近新加盟的成员包括:Upwork前首席执行官斯特凡·卡斯瑞尔(董事会)、理查德·德兰蒂(亚太区总经理);Igor Afanasyev(高级产品经理)。

Smolnikov和他的团队将Smartcat打造成了一个面向语言服务行业的一体化市场网络平台,通过三管齐下的战略,目标是语言服务提供商(LSP)、甲方客户和自由职业者。Smolnikov此前写的一篇文章中阐释了这种一体化的市场网络理念。简而言之,Smartcat将网络、市场、工作流和翻译生产力组件整合在一个平台上。

服务于翻译公司、以及与甲方的关系

Smolnikov强调,“尽管市场上的大多数供应商将LSP视为甲方客户之后的第二受众,” 但服务于LSP仍然是Smartcat的核心使命。

因此,利用团队在运行LSP时的经验(“7名团队成员曾担任LSP负责人,许多其他成员曾在LSP内部不同的岗位上工作过”),Smartcat正在开发一个平台,该平台具有LSP运营业务所需的大部分基础设施。

Smartcat的首席执行官解释说:“LSP必须使用几个松散连接的产品,如TMS、CAT工具、有时是CRM和供应商管理工具。这会导致数据重复,必须手动处理,并对项目管理效率造成影响。这就很难满足今天的本地化需求:随着批量内容变得越来越少、批次越来越频繁,项目经理根本没有能力继续手动处理任务;更不用说这会对他们的利润造成什么影响了。”

Smolnikov补充说,他们最近开始瞄准企业客户的需求,通过自动化供应商的采购和管理,以及支付和工作流程。他们发现,这与那些以产品和内容发布周期快著称的行业产生了共鸣,比如软件开发、SaaS、游戏、电子商务和在线教育。

客户喜欢“不需要专有的sdk,在客户本地自己完成项目,提供一流的安全性和可靠性,并随时可以连接供应商“,他们可以在短的时间内以最小的代价部署系统——也就是说,不需要“划出任何工程资源来构建和维护自定义API集成。”

根据Smolnikov的说法,“我们的系统就像乐高积木一样,通过插件和配置模块,可以实现版本控制系统集成、自定义文件解析、文件预处理和后处理、多个代码分支等等。”

Smartcat还为企业客户提供了一个定制的门户,在这里他们可以根据需要在翻译供应商之间切换,并根据需要扩大规模。门户基本上是“一个简化的用户界面,允许内部团队(如市场团队、产品团队或法律团队)快速发送要翻译的文件,而无需在登录TMS系统”。

当问及Smartcat平台的优先开发哪些部分时,Smolnikov回答说,所有不同的组件都是相互补充的,将在未来一年继续改进所有的模块。

他说:“例如,付款可以通过我们的自动计费功能实现自动化,它可以访问所有集中的资产(翻译记忆库),从而自动计算出发票和付款的明细账单和金额。项目管理是仅次于翻译的第二大成本,如果你不能从市场上找到供应商并自动分配任务,或者在项目完成后自动计费和付款,那么项目管理就无法实现自动化。”

选择性的(而不是预测性的)MT

到目前为止,任何称职的翻译管理平台都将拥有集成的持续本地化。而且,正如Smolnikov和他的团队所设计的那样,Smartcat的持续本地化设置实现了他所说的“选择性MTPE”(机器翻译后编辑)——“这种方法通常需要大量管理工作,导致传统的自动化解决方案不切实际。”

与预测性或自适应MT相比,选择性MTPE本质上更注重工作流程:只需发布MT翻译后的内容,然后在内容发布后根据需要进行编辑。根据Smolnikov的说法,纯MT和MTPE的混合,选择性MTPE“提供速度和质量”。

他进一步解释道:“我们的想法是,MT预翻译可以瞬间完成,通过MT预翻译的内容自动集成到客户的产品、网站或知识库中。但是,整个预翻译的内容可以在任何时候进行后期编辑。根据有选择性的QA结果,或者外部信号,比如帮助中心文章的重要性程度、流量或用户反馈,审校人员可以选择编辑任何需要修改的部分。”

选择性的MTPE,据Smolnikov说,允许用户“通过有选择地分配资源——无论是资金还是人力——来提高他们的翻译质量,而不是一揽子的MTPE。”这种选择性的MTPE方法对行业来说并不是全新的,但是如果没有持续的本地化,从历史上看,它就不实用,因为需要大量的管理开销。”

作为工作流程的一部分,我们还请Smartcat的首席执行官就公众引擎和定制引擎的受欢迎程度进行了评价。他的回答是:“除了通用MT引擎,我们已经看到客户对定制训练MT引擎兴趣越来越大。应大众需求,我们最近增加了对谷歌定制MT模型和术语表的支持。

无座位政策和疫情的影响

Smartcat的一个不同之处在于,他们不按用户收费——Smolnikov称之为“我们的无座位政策”——这种定价模式在SaaS中相当罕见。

根据Smolnikov的说法,按用户收费“限制了软件的价值,阻碍了业务的增长。”此外,因为用户“在邀请同事合作之前需要三思”,这也会扼杀创新和产品改进。

最后,鉴于在2020年的采访不提及疫情几乎是不完整的,我们询问了这位Smartcat的创始人,新冠疫情对翻译业务有什么影响。Smolnikov说,积极的一面是,人们对Smartcat的兴趣增加了,因为更多的甲方客户需要自动化他们的流程和LSP,实现完全远程化;但“消极方面是,我们看到业务量下滑或被推迟,因为人们对支出更加谨慎。”

但整体是乐观的,Smolnikov说他们主要地区(如美国,亚太和欧洲)的业务已经稳定增长,“当然,这没有阻止我们的免费用户增长。”

附:名词解释

TMS:翻译项目管理系统

LSP:语言服务提供商

CAT:计算机辅助翻译

MT:机器翻译

MTPE:机器翻译后编辑

SDK:软件开发工具包

QA:质量检查

本文原文转自Slator,中文全文由公众号@机器翻译观察翻译并发布。英文版请点击阅读原文。
-End-

【往期精选】

机器翻译产品全景图

AI时代:2030年的译者会是什么样子

2019西湖机器翻译论坛的几点杂感

2020语言服务展望之七|李光华:神经网络翻译时代,我们需要一款什么样的笔译工具?

2020语言服务展望之一|蒙永业:2020中国语言服务行业发展趋势

2020语言服务展望之二|吴永波:5G元年开启语言数字世界新十年

2020语言服务展望之三|王民杰:2020年同声翻译市场展望

2020语言服务展望之四|崔启亮:中国语言服务40年回顾与展望

2020语言服务展望之五|韦忠和:全球语言服务行业2019回顾

2020语言服务展望之六|韦忠和:全球语言服务行业2020展望

2020全球语言技术全景图

2019中国语言服务业发展报告摘录

机器翻译什么时候跟人工翻译一样好

机器翻译全球市场观察|Lilt获英特尔2500万美元B轮融资

机器翻译全球市场观察|Unbabel获6000万美元C轮融资

机器翻译全球市场观察|语言技术全球版图

机器翻译全球市场观察|语料平台Flitto翻易通近日上市

机器翻译全球市场观察|日本Rozetta公司加码机翻投入

机器翻译全球市场观察|Videolocalize发布多语配音平台

机器翻译全球市场观察|金融机器翻译公司Lingua Custodia

机器翻译全球市场观察|德国Lengoo获投660万美元A轮

2019机器翻译“胡说”系列之八|周兴华

2019机器翻译“胡说”系列之七|蔺伟

2019机器翻译“胡说”系列之六|江伟

2019机器翻译“胡说”系列之五|邹剑宇

2019机器翻译“胡说”系列之四|袁行远

2019机器翻译“胡说”系列之三|李光华

2018机器翻译“胡说”系列之二|娄东来、黄国平、魏勇鹏

2018机器翻译“胡说”系列之一|朱靖波、崔启亮、韦忠和

2019全球语言服务业的一组关键数据

2019全球语言服务供应商名录

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存