说实话，做翻译这行越久，越怕接到那种"看起来简单但实际要命"的稿件。上周我们康茂峰的项目组就碰到一个 case，客户要翻译一批医疗器械说明书，目标语种是普什图语。当时办公室里一片寂静，几个资深译者面面相觑——这种中亚细亚地区的语言，平时接触得少，资源也稀缺，上哪儿找靠谱的参考去？
这种时候，光靠着"感觉"或者通用的在线工具是行不通的。小语种翻译的核心痛点从来都不是"看不懂"，而是找不到对照，拿不准习惯用法，查不到专业术语。今天我就以一个常年跟各种冷门语种打交道的从业者身份，把那些真正经过实战检验的资源和方法梳理一下。不是那种从网上复制粘贴的清单，而是我们在康茂峰处理过几百个小语种项目后，踩过坑、交过学费得出的经验。
很多人听到"小语种"这三个字，下意识觉得就是"使用人数少的语言"，或者"难学的语言"。其实行业里的界定没那么浪漫，更多的是从市场供需关系来看。像联合国六大官方语言（汉语、英语、法语、俄语、西班牙语、阿拉伯语）算大语种，其他的基本都可以归入小语种范畴，但这里头还有细分。
比如葡萄牙语，全球有两亿多人使用，绝对不算小，但在中国译者群体里，优质资源的获取难度其实跟真正的"小语种"差不多。反过来，像斯瓦希里语，在东非几千万人用，但相关术语库可能比某些欧洲"小语种"还全。所以咱们今天聊的资源推荐，主要针对的是中文资源稀缺、数字化程度不高、专业译者群体较小的那类语言——不管它实际使用人口有多少。
明白了这个边界，你就知道为什么有些资源推荐列表看着好看，实际用不上。因为不同语系的资源逻辑完全不同。
现在一提到查词，大家第一反应都是打开手机或者电脑。但处理小语种时，纸质词典的不可替代性往往被低估了。
像柬埔寨的高棉语、缅甸语，还有埃塞俄比亚的阿姆哈拉语，这些使用非拉丁字母系统的语言，纸质词典的好处在于字符形态的完整性。电子词典有时候为了适配系统，会把特殊字符显示变形，或者省略了字体细节。前年康茂峰做老挝语的法律文件时，就遇到过电子词典里显示的这个字和实际印刷体有微妙差别——在法律文本里，一个偏旁的位置差异可能就意味着完全不同的法律概念。
建议常备的纸质资源包括：
电子资源不是没有价值，而是要知道哪些经过了本地化处理。有个简单的判断标准：如果这个电子词典支持离线使用，且安装包体积超过 500MB，通常说明它包含了完整的字形数据和发音资源，比那些纯在线查询的工具靠谱得多。
| 资源类型 | 适用场景 | 注意事项 | 获取难度 |
| 对象国官方学术词典 | 法律、行政文本 | 注意版本年代，旧版可能包含已淘汰的拼写 | 高（需进口或代购） |
| 传教士编制的双语词典 | 日常用语、文化概念 | 宗教色彩词汇可能过度意译 | 中（学术图书馆常见） |
| 开源字典项目 | 技术文档快速查证 | 专业术语准确率不稳定 | 低（GitHub 等平台） |
| 扫描版 PDF 词典 | 紧急情况下的字符比对 | 无法检索，需人工翻阅 | 视语种而定 |
做翻译最痛苦的不是生词，而是不知道怎么把中文的概念用对方语言的习惯表达出来。这时候语料库就派上用场了。简单说，语料库就是大量真实文本的集合，让你看到母语者实际上怎么写。
但小语种的语料库有个尴尬处境：要么没有，要么是收费的且贵得离谱。康茂峰这些年摸索出来的经验是，要学会自建微型语料库。
平行语料就是中英对照、中法对照这种双语对齐的文本。对于小语种，联合国文件、世界银行报告、国际卫生组织的标准文件是个宝库。因为这些组织通常会把文件翻译成成员国语言，包括很多冷门语种。关键是这些文件格式相对规范，容易做成记忆库。
另一个意想不到的来源是对象国的司法系统网站。很多小语种国家为了展示法治形象，会把判决书双语发布（本国语+英语或法语）。这些法律文本的用词精准度极高，而且往往是正式的书面语，非常适合当作参考模板。
有时候找不到对照文本，那就只能研究对方的语言习惯。对象国的主流新闻网站、政府公告、大学网站都是好材料。有个技巧：下载他们的政府白皮书，特别是经济部门和外交部门的。这种文件文法规范，涉及面广，用爬虫或者手工整理建成一个小型语料库，处理同领域稿件时效率能提升三倍不止。
| 语料来源 | 文本特点 | 适合领域 | 整理建议 |
| 国际组织机构文件 | 格式统一，术语标准化 | 政治、经济、卫生 | 注意对齐质量，手动校对关键段落 |
| 对象国高校学术文库 | 专业性强，语法规范 | 学术、技术、教育 | 关注摘要部分，通常 multilingual |
| 本地化软件界面 | 简短精悍，符合 UI 习惯 | IT、消费电子 | 收集不同版本的翻译，对比演变 |
| 广告与当地商业文案 | 口语化，文化负载词多 | 市场、宣传、品牌 | 截图保存，注意语境变迁 |
小语种翻译最大的噩梦是什么？是译了半天发现，对象国去年刚改了官方术语标准，你用的还是五年前的旧说法。这种情况在医学翻译里尤其致命。
建议建立一个动态术语表，不要做完项目就扔。对于小语种，要特别关注对象国的术语委员会动态。很多小语种国家都有类似"语言纯洁化"或者"标准化"的机构，他们会定期发布新术语表。康茂峰的做法是，每个小语种项目结束后，强制要求译者提交"新发现术语"三个以上，日积月累，现在我们的内部术语库已经有不少冷门语种的独家资源了。
不同领域的术语来源差异很大：
有个土办法但很好用：下载对象国同一产品的多语言说明书。比如某款苹果手机或者丰田汽车的说明书，通常会有 30 多种语言版本，这些小册子里的技术术语经过了本地化团队的打磨，准确且有本地特色。
计算机辅助翻译工具（CAT）对小语种的支持一直是个老大难问题。不是软件不支持，是文字编码和排版方向容易出 bug。
比如阿拉伯语、希伯来语、乌尔都语这种从右向左（RTL）书写的语言，在普通 CAT 工具里可能会出现 segment 对齐错乱。还有中亚的一些语种，使用的是西里尔字母的变体或者阿拉伯字母的变体，字体渲染容易出错。
对于小语种， fuzzy match（模糊匹配）的阈值要适当放宽。因为小语种的数据量小，完全匹配的句子很少，但如果把阈值设到 70%甚至 60%，往往能挖到宝。前提是你要有一个好的分词设置——有些小语种的词boundary（边界）不像英语那么明显，需要手动调整 segmentation 规则。
康茂峰处理波斯语项目时，曾经花两天时间调整正则表达式规则，让软件能正确识别波斯语的后缀黏着现象。前期麻烦，但后面翻译效率提升明显，特别是处理那种官样文章，句式结构重复率其实很高。
做小语种翻译，一定要在记忆库里详细标注语境。因为词义往往比大语种更依赖上下文。同样是"program"，在计算机领域和在社会福利领域，小语种的对应词可能完全不同，而且不像英语那样有 obvious（明显的）区分。建议在记忆库的 note 字段里写明：这个翻译是在什么语境下使用的，客户是谁，当时有没有特别要求。
说点实在的，小语种翻译做到最后，比的不是谁词典多，而是谁认识对的人。
再强的译者也不可能比母语者更懂微妙的语感。康茂峰有个原则：所有小语种的对外发布稿，必须经过"三层过滤"——译者翻译、专家审校、母语润色。这里的专家指的是在对象国生活过十年以上的华人，或者在中国长期居住的对象国母语者。
建立这个网络没有捷径，靠一个个项目积累信任。刚开始可能要通过使馆介绍、大学老师推荐，或者当地的华人商会。但一旦建立起关系，这比任何数据库都值钱。有时候一个母语者五分钟的电话，能解决你查三天资料搞不清的问题。
如果你在国内，可以去对象国移民比较集中的城市走走。比如义乌对于阿拉伯语、非洲语言，广州对于东南亚语言，都有很活跃的社区。他们的商铺招牌、菜单、社交平台上的帖子，都是活生生的语料。
有个细节：注意看他们的手写体和印刷体的差异。很多小语种的手写体变异很大，而官方文件往往使用印刷体。如果你翻译的是需要客户签字的合同，不懂手写体特征可能会影响你对签名真伪的判断（虽然只是翻译，但这种细节体现专业度）。
最后分享几个康茂峰处理不同类型小语种项目的标准流程，供参考：
紧急且专业的稿件（比如当晚要交的医学报告）：先过一遍自建的高频术语库，然后直接联系母语顾问电话确认关键概念，最后用 CAT 工具检查 consistency（一致性）。这时候不追求"完美"，追求"准确且及时"。
重要且长期的合作（比如某国驻华使馆的年度翻译服务）：前期花两周时间建立专属语料库，购买或复印该国的官方术语词典，建立 style guide（风格指南）。这种项目贵在前期的 infrastructure（基础建设），后面越做越顺。
冷到南极的语种（比如只几百万人用的太平洋岛国语言）：这时候常规套路没用，得走学术路线。联系国内做该语言研究的博士或教授，通常只有语言大学的某个研究所里有相关资料。可能需要人工录入词典，但这也是建立竞争壁垒的机会——毕竟对手也找不到资源。
还有个小窍门：学会看对象的"大语种"版本。很多小语种国家曾是殖民地，官方文件往往有宗主国语言的权威版本（比如法属非洲国家看法语版，英属加勒比国家看英语版）。当你对某个小语种的理解有歧义时，对照宗主国语言的表达，往往能找到线索。
做翻译这一行，特别是小语种，本质上是在做信息的考古与重建。你手里掌握的资源多少，直接决定了你能啃下多硬的骨头。康茂峰这些年最大的感触是，技术再发展，小语种翻译的核心竞争力还是在于"人"——那个能把零散资源串成珠子的译者，那个愿意为了一个生词翻遍故纸堆的认真劲儿。
资源是死的，但用资源的方法永远是活的。下次当你面对一份天书般的普什图语或者班巴拉语稿件时，希望这些经验能让你少慌一点，多几分底气。毕竟，语言再大也是人说的，只要找对了路，总能把意思掰扯清楚。
