站内那篇独立游戏多语言本地化指南 讲的是去哪找译员、怎么谈价、有哪些行业惯例，本节不重复这些采购流程，只做一件它不做的事：把「做几个语种」这件事算成一个可复算的数——每种语言要花多少、要排多久，整个项目一共多少、卡在哪条路径上。这是「本地化决策」的量化那一半：第 7.1 节伪本地化与溢出检测 保证排版不炸，第 7.2 节语言 QA 与母语审校 保证内容过关，本节回答钱与时间。
三种计价方式
本地化的钱不是一种算法，而是三种叠在一起：
- 按字数翻译：译员按源词数报价，不同语种有难度系数（日、阿通常贵于英、葡）；
- 按小时审校：审校按工时计费，每千词要几个工时，多语种可能还要多轮；
- 按键重排：翻译改动会撑长文案，UI 需要重排，按「改动的键数 × 单价」算。
三者相加才是该语种的变量成本；再叠一笔一次性管线成本（i18n 框架、抽取工具、伪本地化脚本——这部分与语言数无关，做 1 种和做 5 种一样贵）。工期同理：翻译周数由「词数 ÷ 单译员周产能 ÷ 并行译员数」决定，审校、重排、QA 各占固定周数，最后加一段缓冲。
一份 config 说清所有单价
把上面所有参数写进 config/g07_cost.json：顶部是全局单价与产能，locales 里每种语言给词数、键数、难度系数、审校轮数。改一个数，全盘重算：
{
"version": 1,
"game": "merge-island",
"observedAt": "2026-10",
"note": "本地化成本与排期模型。口径是「公开可观察机制」的建模假设：把「按字数翻译 + 按小时审校 + 按键重排」三种计价方式整理成可复算的整数模型，不是任何供应商的报价实测。translateFenPerWord=每词翻译基价（分）；localeFactorPermille=语种难度系数（千分比，基准=1000）；reviewFenPerHour=审校人时价（分）；reviewHoursPer1000Words=每千词审校工时；layoutFenPerKey=每键重排价（分）；layoutKeysChangedPermille=需重排的键占比（千分比）；pipelineFenOnce=一次性 i18n 管线工程成本（分，与语言数无关）；wordsPerTranslatorWeek=单译员每周产能；translators=并行译员数；prepWeeks/layoutWeeks/qaWeeks=固定阶段周数；bufferPermille=缓冲占比（千分比）。真实报价、真实产能与真实交付周期需真实业务环境，命令行不可复现（X）。全整数，无浮点。",
"translateFenPerWord": 80,
"reviewFenPerHour": 15000,
"reviewHoursPer1000Words": 3,
"layoutFenPerKey": 500,
"layoutKeysChangedPermille": 600,
"pipelineFenOnce": 800000,
"wordsPerTranslatorWeek": 5000,
"translators": 2,
"prepWeeks": 1,
"layoutWeeks": 1,
"qaWeeks": 1,
"bufferPermille": 200,
"locales": [
{ "id": "en-US", "name": "英语(美国)", "words": 3200, "keys": 420, "localeFactorPermille": 900, "reviewPasses": 1 },
{ "id": "de-DE", "name": "德语(德国)", "words": 3450, "keys": 440, "localeFactorPermille": 1200, "reviewPasses": 2 },
{ "id": "ja-JP", "name": "日语(日本)", "words": 3100, "keys": 440, "localeFactorPermille": 1400, "reviewPasses": 2 },
{ "id": "ar-SA", "name": "阿拉伯语(沙特)", "words": 3100, "keys": 470, "localeFactorPermille": 1500, "reviewPasses": 2 },
{ "id": "pt-BR", "name": "葡萄牙语(巴西)", "words": 3200, "keys": 420, "localeFactorPermille": 950, "reviewPasses": 1 }
]
}
S 层：把三种计价折算成成本与工期
下面这段是 S 层（数值仿真层）脚本 sim/g07_cost.py。它读上面这份 config，对每种语言算出三段成本与总工期，再汇总项目总额与关键路径。所有除法都是整数下取整，上取整统一用 (a+b-1)//b——没有浮点，所以结果在任何机器上都一样：
#!/usr/bin/env python3
# file: sim/g07_cost.py
# tier: S
# verify: /opt/homebrew/bin/python3 sim/g07_cost.py --config config/ --out out/
"""本地化成本与排期仿真：读 config/g07_cost.json，把「按字数翻译 + 按小时审校 + 按键重排」
三种计价方式折算成每种语言的成本与工期，并给出项目总额与关键路径。
translate_fen = words * translateFenPerWord * localeFactorPermille // 1000
review_fen = ceil(words * reviewHoursPer1000Words / 1000) * reviewFenPerHour * reviewPasses
layout_fen = keys * layoutKeysChangedPermille // 1000 * layoutFenPerKey
locale_total = translate_fen + review_fen + layout_fen
base_weeks = prepWeeks + ceil(words / (wordsPerTranslatorWeek*translators)) + reviewPasses
+ layoutWeeks + qaWeeks
buffer_weeks = ceil(base_weeks * bufferPermille / 1000)；total_weeks = base_weeks + buffer_weeks
project_total = pipelineFenOnce + Σ locale_total；critical_path = max(total_weeks)
口径：单价、产能与工期是「公开可观察机制」的建模假设，不是任何供应商的报价实测。真实
报价与真实交付周期需真实业务环境，命令行不可复现（X）。产出 out/g07_cost.json + .csv + .svg。
全整数、上取整用 (a+b-1)//b，无浮点，无随机。
"""
from __future__ import annotations
import argparse
import csv
import json
import os
import xml.etree.ElementTree as ET
def ceil_div(a: int, b: int) -> int:
return (a + b - 1) // b
def cost_of(cfg: dict, loc: dict) -> dict:
words, keys = loc["words"], loc["keys"]
translate = words * cfg["translateFenPerWord"] * loc["localeFactorPermille"] // 1000
hours = ceil_div(words * cfg["reviewHoursPer1000Words"], 1000)
review = hours * cfg["reviewFenPerHour"] * loc["reviewPasses"]
layout = keys * cfg["layoutKeysChangedPermille"] // 1000 * cfg["layoutFenPerKey"]
total = translate + review + layout
trans_weeks = ceil_div(words, cfg["wordsPerTranslatorWeek"] * cfg["translators"])
base = cfg["prepWeeks"] + trans_weeks + loc["reviewPasses"] + cfg["layoutWeeks"] + cfg["qaWeeks"]
buffer = ceil_div(base * cfg["bufferPermille"], 1000)
return {"id": loc["id"], "name": loc["name"], "words": words, "keys": keys,
"translateFen": translate, "reviewFen": review, "layoutFen": layout,
"totalFen": total, "fenPerWord": total // words,
"transWeeks": trans_weeks, "bufferWeeks": buffer, "totalWeeks": base + buffer}
def draw_svg(path: str, rows: list) -> int:
"""每种语言一根堆叠横条：翻译 / 审校 / 重排三段，标注总价与工期。"""
W, PAD, ROW = 780, 240, 46
H = 100 + ROW * len(rows)
svg = ET.Element("svg", {"xmlns": "http://www.w3.org/2000/svg", "width": str(W),
"height": str(H), "viewBox": f"0 0 {W} {H}"})
ET.SubElement(svg, "rect", {"width": str(W), "height": str(H), "fill": "#ffffff"})
ET.SubElement(svg, "text", {"x": "16", "y": "30", "font-size": "15",
"fill": "#111827"}).text = "各语言本地化成本（翻译 + 审校 + 重排，单位：分）"
span = W - PAD - 170
hi = max(r["totalFen"] for r in rows) or 1
for i, r in enumerate(rows):
y = 56 + i * ROW
wt = span * r["translateFen"] // hi
wr = span * r["reviewFen"] // hi
wl = span * r["layoutFen"] // hi
ET.SubElement(svg, "text", {"x": "16", "y": str(y + 18), "font-size": "12",
"fill": "#374151"}).text = r["id"]
ET.SubElement(svg, "rect", {"x": str(PAD), "y": str(y + 4), "width": str(wt),
"height": "20", "rx": "3", "fill": "#2563eb"})
ET.SubElement(svg, "rect", {"x": str(PAD + wt), "y": str(y + 4), "width": str(wr),
"height": "20", "rx": "3", "fill": "#f59e0b"})
ET.SubElement(svg, "rect", {"x": str(PAD + wt + wr), "y": str(y + 4), "width": str(wl),
"height": "20", "rx": "3", "fill": "#10b981"})
ET.SubElement(svg, "text", {"x": str(PAD + wt + wr + wl + 8), "y": str(y + 18),
"font-size": "11", "fill": "#6b7280"}).text = (
f'{r["totalFen"]} 分 · {r["totalWeeks"]} 周')
os.makedirs(os.path.dirname(path), exist_ok=True)
ET.ElementTree(svg).write(path, encoding="utf-8", xml_declaration=True)
return len(ET.tostring(svg))
def main() -> int:
ap = argparse.ArgumentParser()
ap.add_argument("--config", default="config/")
ap.add_argument("--out", default="out/")
a = ap.parse_args()
with open(os.path.join(a.config, "g07_cost.json"), encoding="utf-8") as f:
cfg = json.load(f)
rows = [cost_of(cfg, loc) for loc in cfg["locales"]]
variable = sum(r["totalFen"] for r in rows)
project = cfg["pipelineFenOnce"] + variable
critical = max(r["totalWeeks"] for r in rows)
digest = ";".join(f'{r["id"]}:{r["totalFen"]}:{r["totalWeeks"]}' for r in rows)
os.makedirs(a.out, exist_ok=True)
svg = draw_svg(os.path.join(a.out, "g07_cost.svg"), rows)
with open(os.path.join(a.out, "g07_cost.csv"), "w", encoding="utf-8", newline="") as f:
w = csv.writer(f)
w.writerow(["locale", "words", "keys", "translateFen", "reviewFen", "layoutFen",
"totalFen", "fenPerWord", "transWeeks", "bufferWeeks", "totalWeeks"])
for r in rows:
w.writerow([r["id"], r["words"], r["keys"], r["translateFen"], r["reviewFen"],
r["layoutFen"], r["totalFen"], r["fenPerWord"], r["transWeeks"],
r["bufferWeeks"], r["totalWeeks"]])
rep = {"version": cfg["version"], "game": cfg["game"], "observedAt": cfg["observedAt"],
"localeCount": len(rows), "pipelineFenOnce": cfg["pipelineFenOnce"],
"variableFen": variable, "projectFen": project, "criticalPathWeeks": critical,
"rows": rows, "digest": digest, "csv": os.path.join(a.out, "g07_cost.csv"),
"svg": os.path.join(a.out, "g07_cost.svg"), "svgBytes": svg}
with open(os.path.join(a.out, "g07_cost.json"), "w", encoding="utf-8") as f:
json.dump(rep, f, ensure_ascii=False, indent=2)
print(json.dumps({"digest": digest, "variableFen": variable, "projectFen": project,
"criticalPathWeeks": critical,
"rows": [(r["id"], r["totalFen"], r["fenPerWord"], r["totalWeeks"])
for r in rows]}, ensure_ascii=False, indent=2))
return 0
if __name__ == "__main__":
raise SystemExit(main())
在本机跑 /opt/homebrew/bin/python3 sim/g07_cost.py --config config/ --out out/，5 种语言的成本与工期是（同机相对量级，绝对数值不可移植）：
digest = en-US:506400:6;de-DE:793200:8;ja-JP:779200:8;ar-SA:813000:8;pt-BR:519200:6
variableFen = 3411000 # 5 语种变量成本合计（分）
projectFen = 4211000 # + 一次性管线 800000 分
criticalPathWeeks = 8
逐语言读成本
把每条记录拆开看，钱花在哪里一目了然：
| 语言 | 总成本(分) | 每词成本(分) | 工期(周) |
|---|---|---|---|
| en-US | 506400 | 158 | 6 |
| pt-BR | 519200 | 162 | 6 |
| ja-JP | 779200 | 251 | 8 |
| de-DE | 793200 | 229 | 8 |
| ar-SA | 813000 | 262 | 8 |
两处值得注意。第一，最贵的不一定是最难的：de-DE 总价比 ja-JP 高（词更多、难度系数 1200），但每词成本反而更低（229 < 251）——因为日语难度系数 1400 更高，词少而单价贵。看总价要配着看单价，否则会把「量大」误判成「价高」。第二，工期并不随成本线性走：英、葡是 6 周，其余 3 种都是 8 周——差在审校轮数（1 轮 vs 2 轮），一轮审校就是一周。
拆开看：钱花在哪一段
把每种语言的三段成本拆开（单位：分），才能看清成本结构：
| 语言 | 翻译 | 审校 | 重排 | 合计 |
|---|---|---|---|---|
| en-US | 230400 | 150000 | 126000 | 506400 |
| pt-BR | 243200 | 150000 | 126000 | 519200 |
| ja-JP | 347200 | 300000 | 132000 | 779200 |
| de-DE | 331200 | 330000 | 132000 | 793200 |
| ar-SA | 372000 | 300000 | 141000 | 813000 |
翻译永远是最大的一段（约占 42%~47%），但审校的占比波动最大：英、葡只审 1 轮，审校约占 29%；德、日、阿审 2 轮，审校占比升到 37%~42%。这说明「审校轮数」是仅次于翻译量的成本杠杆——加一轮审校，往往比多翻几百词还贵。重排那段则相对稳定，因为它是按「键数 × 固定比例」算的，和语种难度无关。
关键路径不是最贵的那条
项目总额 4211000 分里，一次性管线占了 800000 分（约 19%），剩下才是按语种走的变量成本 3411000 分。这个拆分有直接的决策含义：管线是沉没的，做第 1 种语言最贵（要摊整条管线），从第 2 种起边际成本骤降——这正是「要么不做，要么多做几个」的经济学依据。
而 criticalPathWeeks = 8 取的是所有语言里最长的工期，不是最贵的那条。成本上 ar-SA 最高，工期上和 ja-JP、de-DE 一样是 8 周；如果只盯着钱，很容易误以为「砍掉最贵的语种就能提前」，其实砍掉 ar-SA 工期一秒不减。成本看总和，工期看最大值——两个口径不能混。
X 层：真实报价不可复现
最后划清边界。上面算的是模型侧：给定一套单价、产能与工期假设，成本与排期是什么。而下面这些属于 X 层，需真实业务环境，命令行不可复现：
- 真实的译员 / 审校报价（不同地区、不同语对、不同交期，价格差几倍，没有可复现的单价表）；
- 真实的产能与交付周期（译员档期、返工、节假日都影响实际周数）；
- 真实的谈判结果（批量折扣、长期合作价，都是个案）。
工程上正确的做法是：把可复算的模型层与不可复现的商务层分开——模型层让你在谈判前就知道「这套假设下要花多少、卡在哪」，商务层再拿真实报价替换假设。本节把「做几个语种」算成了一个能重算的数；下一章我们离开工程侧，去看每个语种上线后表现怎么样——度量口径与事件创意。
阅读导航：上一节：7.2 语言 QA 与母语审校 · 下一节：8.1 分语种度量口径 。
继续阅读
探索更多技术文章
浏览归档，发现更多关于系统设计、工具链和工程实践的内容。