統計機器翻譯（SMT）是一種機器翻譯范例，其中翻譯是根據統計模型生成的，統計模型的參數來自對雙語文本語料庫的分析。統計方法與基于規則的機器翻譯方法以及基于示例的機器翻譯方法形成對比。

沃倫·韋弗（Warren Weaver）于1949年提出了統計機器翻譯的最初思想，包括應用克勞德·香農（Claude Shannon）的信息論的思想。IBM的Thomas J. Watson研究中心的研究人員在1980年代末和1990年代初重新引入了統計機器翻譯，并且近年來，機器翻譯的興趣重新興起。 在引入神經機器翻譯之前，它是迄今為止研究最廣泛的機器翻譯方法。

與基于規則的方法相比，統計機器翻譯最常被引用的好處是：

• 更有效地利用人力和數據資源
  • 有許多機器可讀格式的并行語料庫，甚至還有更多的單語數據。
  • 通常，SMT系統不適合任何特定的語言對。
  • 基于規則的翻譯系統需要手動開發語言規則，這可能成本很高，而且通常無法推廣到其他語言。
• 由于使用語言模型，翻譯更加流暢。

• 創建語料庫的成本可能很高。
• 特定錯誤很難預測和修復。
• 結果可能具有表面的流利性，從而掩蓋了翻譯問題。
• 對于詞序明顯不同的語言對，統計機器翻譯通常效果較差。
• 由于較小的訓練語料庫和較大的語法差異，西歐語言之間的翻譯所獲得的好處不能代表其他語言對的結果。

• Google翻譯（從2016年開始過渡到神經機器翻譯）
• 微軟翻譯器（2016年開始過渡到神經機器翻譯）
• Omniscien Technologies
• SYSTRAN（從2016年開始過渡到神經機器翻譯）
• Yandex.Translate（在2017年轉換為結合了神經機器翻譯的混合方法）