利益:
- NMT と LLM ベースの翻訳の長所と短所を区別し、ビジネスの種類に応じて適切なエンジンを選択する能力
- マシンに対するテキストの適合性を事前に分類し、現実的な時間と価格に基づいて事前評価する機能
- 滑らかさと精度を混同することなく、生のマシン出力の品質を 5 次元で迅速に測定し、リスクにフラグを立てる機能
翻訳者として最も強力なアクセラレータは機械翻訳 (MT) ですが、ツールを意識的に使用するということは、そのツールを適切な仕事に、適切な言語ペアで、適切な期待のもとで適用することを意味します。この単元では、MT の 2 つの主要なファミリー (NMT および LLM ベースの翻訳) について理解し、どのジョブにどちらが適しているか、納品前に翻訳の生の出力品質を迅速に測定する方法、およびジョブに応じてエンジンを選択する方法を学びます。目標は、「とにかく貼り付けて翻訳する」という考えから脱却し、どのテキストが機械に適しており、どのテキストが人間の労力を必要とするかを予測できる専門家になることです。
2 つのファミリー: NMT および LLM ベースの変換
NMT (ニューラル機械翻訳) は、数百万のバイリンガル文から学習し、文全体を翻訳するシステムです。 Google 翻訳、DeepL、Microsoft Translator などがその例です。長所: 非常に速く、一貫性があり、短い文章を流暢に話すことができます。弱点: 文の境界を越えた文脈 (テキスト全体の意味) が見えないことがよくあります。 「bank」という単語が銀行を意味するのか川岸を意味するのかを段落だけで判断するのは難しく、提供されている用語のリストに当てはまらない場合があります。
LLM ベースの翻訳 (大規模言語モデル) は、ChatGPT、Claude、Gemini などの命令駆動型モデルを翻訳に使用することです。強み: 指示を受け入れる — 「堅苦しい口調を使用する」、「この用語リストに従ってください」、「対象読者は子供です」などの指示を理解します。より広い文脈を捉えます。イディオムとトーンをよりよく捉えます。短所: 時々「クリエイティブになりすぎて」ソースが追加される可能性があります (幻覚のリスク)、長いテキストでは一貫性が失われ、コスト/スピードは仕事によって異なります。
経験則: 単刀直入で反復的な専門的な文章では、NMT は通常高速で適切です。 LLM は、口調、文脈、語彙、指導の規律が必要なテキストに対してより柔軟です。今日、ほとんどのプロフェッショナルは、NMT からのクイック ドラフト、LLM からの口調/用語修正の両方を併用しています。
ヒント: 言語ペア (例: トルコ語→英語) のマシンの品質は、反対方向 (英語→トルコ語) とは異なる場合があります。トルコ語などの膠着的で柔軟な構文を持つ言語は、一般に MT にとってより困難です。いくつかのサンプル テキストを使用して、自分のペアでどのエンジンが優れているかを自分で判断してください。
テキストのマシン互換性: 最初に問い合わせてください
すべてのテキストが同じようにマシンに適しているわけではありません。翻訳を開始する前に、テキストを「適合性」フィルターに通過させます。
- 機械に最適: 技術マニュアル、製品説明、反復的なインターフェイステキスト、標準対応、表/リスト。言葉遣いは平易で、用語は固定されており、創造性は乏しい。
- 適切な媒体: ニュース、企業コンテンツ、教育資料。このマシンは良好な輪郭を生成しますが、トーンと流れについては本格的なポスト編集が必要です。
- 機械には適していません (リスクが高い): 法律契約書、医療文書、広告/スローガン、文学文書、ユーモア、詩。ここでは機械はアイデアを与えるだけです。仕事は主に人にかかっています。
最初からこの区別をしておけば、顧客に適切な時間/価格を提供できると同時に、生の出力を盲目的に信頼することから身を守ることができます。
生の出力品質を迅速に測定
MT の出力を見ると、「良いのか悪いのか」と考えてしまいます。直感ではなく、簡単なチェックリストを使用して質問に答えてください。これらの 5 つの側面を見てください: 正確さ (意味はソースに忠実ですか?)、完全性 (文は省略されているか追加されていますか?)、用語法 (正確で一貫性がありますか?)、流暢さ (ターゲット言語では自然ですか?)、形式 (タグ、数字、書式設定は保持されていますか?)。次の品質単元では、これらの側面をさらに深めていきます。今のところは、出産前の反射神経としておきましょう。
注意: MT 出力の最も危険なエラーは、「流暢だが不正確」なエラーです。この文は完璧なトルコ語ですが、ソースの「15% 割引」が「50% 割引」に変更されている可能性があります。流暢だからといってがっかりしないでください。常に数字、否定名、固有名詞を別々に見てください。
ミニケース3個
ケース 1 — 適切なエンジンにより時間が半分に短縮されました。ある翻訳者は、12,000 ワードのソフトウェア インターフェイスを NMT で翻訳し、同ボリュームのマーケティング小冊子を LLM で翻訳することにしました。 NMT のインターフェイスでの一貫性により、作業が高速化されました。 LLM のブックレットの色調の柔軟性により、書き直しの負担が 40% 軽減されました。両方のジョブを同じエンジンに与えると時間の無駄になります。
ケース 2 — 事前評価により価格が節約されました。ある事務所が「機械で作れるから安い」という理由で法文を提供しようとしていた。事前評価では、500 ワードのサンプルが翻訳されました。マシンは、間違ったシステムの同等の法的用語を 2 つ返しました。事務所はこの作品を「大量のポストエディット」として価格設定し、現実的な期限を与えた。彼は間違った申し出のせいでお金を失うことを避けた。
ケース 3 — 言語ペアの違い。あるチームは、英語→ドイツ語でうまく動作するエンジンは、トルコ語→アラビア語でも同じ品質であると考えました。 300 語のテストでは、アラビア語の出力にはさらに多くの修正が必要であることがわかりました。チームは、言語ペアに応じて、異なるエンジンと異なるポストエディット予算を割り当てました。
コピー可能な 4 つのテンプレート
1) テキストの適合性評価:
あなたの役割: 上級 MTPE スペシャリスト。次のテキストを機械翻訳に適しているかどうか評価してください: 文字通り/技術的ですか、それとも創造的/文脈的ですか? (1) 非常にマシンに優しい、(2) 中程度、(3) 高リスクに分類し、その理由を書いてください。予想される編集後の負荷を軽/中/重として見積もります。テキストの例: [200 ～ 300 語を貼り付け]
2) 指示された LLM 翻訳 (用語とトーンコントロール付き):
このテキストを [ソース]→[ターゲット] に翻訳します。対象者: [誰]。口調: [例:正式]。フィールド: [例: Finance]。用語のリスト (必ず使用してください): [A→a、B→b]。ルール: ソースにないものは追加しない、番号/日付/名前を保持する、各文を文に置き換える。不明な箇所には[?]を付けてください。テキスト: [...]
3) 2 つのエンジンの比較:
以下は、同じ原文の 2 つの異なる翻訳です (A と B)。正確さ、専門用語、自然さの点でそれぞれを比較し、どちらの修正が少なくて済むかを理由とともに教えてください。出典: [...] |翻訳A: [...] |翻訳B: [...]
4) 生出力の迅速な検査:
以下はソースと機械翻訳です。次の点にマークを付けてください:(1) 情報の省略/追加、(2) 番号/日付/名前の誤り、(3) 否定の誤り、(4) 用語の矛盾。修正内容は書かず、危険な領域のみを列挙してください。出典: [...] |翻訳: [...]
弱いプロンプト / 強いプロンプト
弱者: 「このテキストを翻訳すればうまくいきます。」 (エンジンの場合、「良い」という言葉は定義されていません。トーンも用語も質量もありません。)
Güçlü: 「この製品説明を英語からトルコ語に翻訳してください。分野: e-コマース。対象者: 若い消費者。口調: フレンドリーだが安心感があります。「チェックアウト」→「チェックアウトステップ」、「ウィッシュリスト」→「ウィッシュリスト」。番号とブランド名を変更してください。翻訳臭のない流暢なトルコ語。」
違い: 強力なプロンプトはエンジンに測定可能な目標を与えます。出力は編集後のドラフトに直接近似します。
NMT と LLM の比較表
サイズ
NMT (Google、DeepL)
LLM (ChatGPT、クロード)
速度
とても速い
中程度
指示・トーン受信
弱い
強い
用語リストの遵守
限られた
良い (プロンプト付き)
幅広い文脈
弱い
良い
幻覚の危険性
低い
中（制御が必要）
最適な仕事
ストレート/テクニカル/繰り返し
トーン/コンテキスト/クリエイティブ
よくある間違い
- すべてのジョブに同じエンジンを使用します。作業内容に応じてエンジンを選択しないと、時間と品質のロスが発生します。
- 事前評価なしで価格/時間を提示します。 200～300単語のテストでは、最初から驚きの結果が明らかになります。
- 流暢さを正確さと誤解する。美しい文章が正しい文章であるとは限りません。
- 言語ペアと方向の違いは無視します。あるペアでは優れたエンジンでも、別のペアでは弱い可能性があります。
- LLM の追加に気づきませんでした。 LLM は、「役立つように」ソースにない文を追加することがあります。これをチェックしてください。
コンテキストウィンドウと一貫性
LLM を使用して長いテキストを翻訳する場合、技術的な制限の 1 つを知っておく必要があります。それはコンテキスト ウィンドウ、つまりモデルが一度に「認識」して記憶できるテキストの量です。テキストがこのウィンドウより大きい場合は、テキストをいくつかのチャンクに分割する必要があり、モデルは、前のチャンクで行った用語の決定やトーンを次のチャンクで「忘れる」可能性があります。したがって、長い本や文書を 1 つの部分として翻訳するのではなく、用語ベースとスタイルの概要を各部分に思い出させることで、一貫性が維持されます。この問題は短いテキストでは発生しません。ただし、小説やマニュアルなどの長い作品では、さらに文章の整合性を確認する必要があります。実際的な解決策: 「プロジェクトの記憶」 (用語 + 文字 + 語調の決定) を準備し、それを各部分の先頭に追加し、翻訳の最後に部分間の一貫性をスキャンします。 NMT では、この問題は別の方法で発生します。NMT は文ごとに翻訳するため、段落の長さの一貫性がすでに弱いため、用語ベースが用語の規律を引き受けます。
要約すれば
機械翻訳には 2 つのファミリーがあります。1 つは高速で一貫性のある NMT、もう 1 つは指示を受けて文脈とトーンをより適切に認識する LLM です。マスター翻訳者は、機械に対するテキストの適合性を事前に評価し、ジョブに応じてエンジンを選択し、納品前に生の出力の品質を迅速に測定し、流暢さと正確さを決して混同しません。この事前評価の反射により、現実的な時間/価格を与えることができ、盲目的な信頼から身を守ることができます。
アプリケーションタスク
同じ 200 ワードのテキストを NMT ツールと LLM の両方を使用して翻訳します。 2 つの出力を 5 つの側面 (正確さ、完全性、用語、流暢さ、形式) で比較し、どちらの方がこのテキストの後編集が少なくて済むかの理由を書きます。次に、「生の出力クイック チェック」テンプレートを使用して、両方の問題/不測の事態/期間リスクにフラグを立てます。
チェックリスト
- [ ] テキストのマシンへの適合性 (低リスク/中リスク/高リスク) を分類しました。
- [ ] 職種に応じて、NMT を使用するか LLM を使用するかを決めました。
- [ ] 少数のサンプルで事前評価を行い、それに応じて期間と価格を決定しました。
- [ ] 生の出力を 5 次元で簡単に検査しました。
- [ ] 流暢さに騙されず、番号、日付、名前、ネガを個別に確認しました。