本研究以量化和质化评估理论为框架,分别从量化和质化两个层面探讨了人工口译和机器口译在中国特色表达中的口译质量。以杨承淑的量化和质化评估理论为基础,结合研究材料特点和研究目的,作者将具体评估标准划分为忠实、表达、语言这三个层面的七个指标,包括漏译、误译、逻辑、连贯性、表意等。研究选取2018“互联网+”数字经济论坛的演讲节选为案例,将其中出现的中式表达分为传统文化负载词、四字词、中国政策相关表达、口语类表达及中国特色修辞类表达。作者以科大讯飞3.0翻译机为机器口译的代表,分别收集科大讯飞3.0翻译机及8位译员的口译产出并进行语音转写,由专家根据量化和质化评估理论制定的具体指标对口译质量进行打分和全面评估,重点探讨机器和人工在处理中国特色表达类文本时具有的优劣势以及所采取的口译策略。研究得出了以下结论:首先,人工口译在忠实、表达、语言三个层面的总体表现优于机器口译,在忠实和表达层面的漏译、误译、重复停顿冗余三个小指标上机器口译得分略高。机器口译在语音识别正确的前提下可以保证一定忠实度,与中国政策相关的基本术语翻译准确度高,对其它四类中式表达的准确度低。其次,从质化层面上看,机器在语音识别正确的前提下有一定灵活度,偶尔能运用脱壳等口译技巧,在发言人表达流畅的前提下可保证一定流畅性;而译员使用了大量的信息整合、意译、增译等策略来传达中式表达中的文化内涵,实现了表意。另外,研究发现语音识别仍然是影响机器口译质量的最重要因素,无法过滤非必要信息、在线语料库的不稳定性等都造成了机器口译的表现差于人工口译。研究结果也为人工和机器口译在未来的发展提供了一些启示,如译员应夯实英语基础,提高在语法指标上的得分,并加强口译过程中的自我监测,提高在重复、停顿、冗余等指标上的得分等。机器应改进语音识别的准确度,提升划分语流、过滤非必要信息等能力,加强平行语料库的建设,改善在线语料库的不稳定性,提高机器在口译场合的可应用性,探索机辅口译的可能性。