گوگل ترنسلیت (Google Translate) برای بسیاری از کاربران ابزاری پیش‌فرض و رایگان است، اما یک تجربه عملی نشان می‌دهد که می‌توان ترجمه را کاملاً محلی و بدون اتصال به اینترنت روی رایانه شخصی اجرا کرد. در این روش، متن و پردازش ترجمه از دستگاه کاربر خارج نمی‌شود و کنترل بیشتری روی لحن، اصطلاحات و حریم خصوصی به دست می‌آید.
چرا ترجمه محلی جای بررسی دارد؟
نویسنده مقاله، گوگل ترنسلیت را برای ترجمه سریع منو، تابلو یا متن‌های عمومی کافی می‌داند؛ اما سه محدودیت را مطرح می‌کند: وابستگی به اتصال اینترنت، پردازش متن حساس در سرویس ابری و انعطاف محدود در اعمال دستورهای زبانی. بسته‌های زبان آفلاین گوگل وجود دارند، ولی تجربه آن‌ها با نسخه آنلاین متفاوت است. در مقابل، استنتاج محلی (Local Inference) امکان می‌دهد متن روی همان ماشین بماند و کاربر بتواند درباره لحن و اصطلاحات خاص راهنمایی بدهد.
راه‌اندازی با llama.cpp، مدل محلی و افزونه مرورگر
چیدمان این آزمایش سه بخش دارد: چارچوب llama.cpp برای اجرای مدل، خود مدل‌های زبانی و یک افزونه کروم (Chrome) برای اتصال همه‌چیز به مرورگر. نویسنده llama.cpp را به‌جای Ollama انتخاب کرده، چون سرور آن یک نقطه پایانی (Endpoint) در اختیار می‌گذارد که با یکپارچه‌سازی مرورگر موردنظرش کار می‌کند.
محدودیت ۱۲ گیگابایت VRAM و انتخاب مدل‌ها
با توجه به ۱۲ گیگابایت حافظه ویدئویی (VRAM) کارت RTX 4070 Ti، نویسنده مدل‌های Gemma 4 12B (Q4_K_M) و Qwen3.5-9B (Q5_K_M) را برای آزمایش انتخاب کرده است. هدف این بوده که مدل‌ها بدون سرریز به حافظه رم سیستم و کند شدن پاسخ‌ها، روی GPU باقی بمانند. با فعال‌سازی بارگذاری پردازش روی GPU (GPU Offloading)، مدل‌ها فقط روی کارت گرافیک اجرا شده و از طریق رابط وب (Web UI) llama.cpp در مرورگر سرو می‌شوند.
ترجمه صفحات وب در لحظه با Margin
پس از آماده شدن مدل در سرور، افزونه Margin Chrome نصب شده تا از سرور محلی llama.cpp به‌عنوان مدل ترجمه استفاده کند. در این حالت کاربر لازم نیست متن را کپی کند و در رابط وب قرار دهد؛ افزونه صفحات وب را در لحظه با مدل زبانی محلی ترجمه می‌کند. به گفته نویسنده، برای زبان‌های اروپایی Gemma نتایج طبیعی و رضایت‌بخشی داده و برای زبان‌هایی مانند ژاپنی، چینی یا کره‌ای، Qwen3.5 در حفظ دقت دستوری توانمندتر بوده است.
این روش برای چه کسانی مناسب است؟
نویسنده توصیه نمی‌کند همه کاربران یک بعدازظهر را صرف راه‌اندازی مدل ترجمه محلی کنند؛ گوگل ترنسلیت برای ترجمه‌های سریع همچنان راحت‌تر است. اما برای کسانی که به‌طور منظم با مستندات فنی، پژوهش به زبان خارجی یا قراردادهای محرمانه و اسناد تحت ممنوعیت انتشار (مانند مواد مشمول NDAs) سروکار دارند و از نظر قانونی نمی‌توانند از ترجمه ابری شخص ثالث استفاده کنند، نگه‌داشتن ترجمه روی سخت‌افزار خودی مزیت روشنی دارد.
کنترل بیشتر بر لحن و اصطلاحات تخصصی
مزیت اصلی یک مدل زبانی محلی فقط ترجمه کلمه‌به‌کلمه نیست. کاربر می‌تواند از آن بخواهد لحن مشخصی را حفظ کند، ظرافت‌های فرهنگی را توضیح دهد، اصطلاحات فنی را نگه دارد یا جمله را طبیعی‌تر کند. همچنین می‌توان ترجمه را به‌صورت گفت‌وگویی اصلاح کرد و تا رسیدن به عبارت دلخواه، از مدل خواست بازنویسی کند. این انعطاف در پیام‌های حساس یا مکاتباتی که طبیعی به نظر رسیدن مهم است، کاربرد دارد.
جمع‌بندی: جایگزین محلی، نه حذف گوگل ترنسلیت
این تجربه نشان می‌دهد که ترجمه محلی و آفلاین با ابزارهای متن‌باز به نقطه‌ای رسیده که می‌تواند برای برخی کاربران حرفه‌ای جایگزین مناسبی باشد. با این حال، گوگل ترنسلیت منسوخ نشده و برای استفاده روزمره همچنان گزینه ساده‌تری است. مزیت دیگر این روش، استفاده بیشتر از سخت‌افزار موجود است؛ همان رایانه بازی می‌تواند علاوه بر اجرای بازی‌ها، یک سرویس ترجمه خصوصی و قابل تنظیم را نیز اجرا کند. llama.cpp یک چارچوب متن‌باز (Open-Source) برای اجرای مدل‌های زبانی بزرگ به‌صورت محلی است.