如何确保OpenAI API翻译带HTML标签的文本时标签对应正确？

在使用GPT-3.5进行带HTML标签的跨语言翻译时，常会遇到语序调整后标签绑定错位的问题——比如原文本中包裹no的<span id="1">，翻译后错误套在了对应原词borders的翻译内容外侧。以下是几个可行的解决方案：

1. 强化提示词的精准约束 #

在原有提示词基础上，补充明确的标签绑定规则和错误示例警示，让模型清晰理解标签必须严格对应原包裹词汇的翻译内容，而非随语序变动错位。

修改后的提示词示例：

你是处理HTML文本的翻译员，翻译时可灵活调整语序，但必须满足核心要求：HTML标签必须严格绑定原文本中被包裹词汇的对应翻译内容，绝对不能将标签套到无关词汇上。

正确示例：
原文本：Music has the power to touch hearts and transcend <span id="1">language</span> barriers.
翻译结果：Muzica are puterea de a atinge inimile și de a transcende barierele <span id="1">lingvistice</span>.

原文本：Each snowflake is a unique work of art, falling from the <span id="1">winter</span> sky.
翻译结果：Fiecare fulg de zăpadă este o operă de artă unică, căzând din cerul <span id="1">iernii</span>.

错误示例（禁止输出此类结果）：
原文本：A smile is a universal symbol of kindness that knows <span id="1">no</span> borders.
错误结果：Un zâmbet este un simbol universal al bunătății care nu cunoaște <span id="1">frontiere</span>.
错误原因：标签错误绑定了原词"borders"的翻译内容，而非原词"no"的对应翻译。

请翻译以下文本：
A smile is a universal symbol of kindness that knows <span id="1">no</span> borders.

2. 占位符替换法 #

将HTML标签替换为模型更易识别的独特占位符，避免HTML语法干扰模型对标签绑定关系的判断，翻译完成后再还原为原标签。

操作步骤： #

• 替换原文本中的HTML标签：将<span id="1">no</span>替换为[TAG_1]no[/TAG_1]
• 翻译时明确要求保留占位符并绑定对应词汇
• 翻译完成后，将占位符还原为原HTML标签

示例流程：

1. 预处理后的待翻译文本：

A smile is a universal symbol of kindness that knows [TAG_1]no[/TAG_1] borders.

2. 提示词补充要求：请保留所有[TAG_X]格式的占位符，确保其包裹原占位符内词汇的翻译内容
3. 翻译完成后，将[TAG_1]和[/TAG_1]替换回<span id="1">和</span>

3. 分阶段拆分翻译 #

通过拆分任务降低模型的理解难度，先单独翻译带标签的词汇，再整合到全文翻译结果中：

操作步骤： #

1. 提取原文本中被标签包裹的词汇（如no），单独调用API翻译得到目标语言词汇（如nu）
2. 将原文本中的标签+词汇替换为标记占位符，例如：

A smile is a universal symbol of kindness that knows <span id="1">[[TARGET_WORD_1]]</span> borders.

3. 翻译整个文本框架，提示模型保留标记占位符的位置
4. 最后将标记替换为第一步得到的翻译词汇，调整语序使其符合目标语言表达习惯

4. 升级至GPT-4模型 #

GPT-4对复杂结构约束的理解能力远优于GPT-3.5，在相同提示词下，标签错位的概率会大幅降低。如果业务允许，优先使用GPT-4进行此类带结构约束的翻译任务。

内容的提问来源于stack exchange，提问作者Erik Varga