Transeptの工房だより
Transeptの開発と、翻訳する人たちの仕事ぶりから学んだこと。
最新記事
AI検出ツールはAI翻訳を見抜けるか？ PangramとGPTZeroで検証しました
小説の文章をAIでウクライナ語、英語、中国語の間で翻訳し、PangramとGPTZeroで検証しました。その結果、手を加えていないChatGPTによる翻訳を含め、すべてのサンプルが「人間による執筆」と判定されました。その理由と、それでもAI翻訳であることを申告すべき理由を解説します。
過去の記事
機械翻訳ポストエディット（MTPE）とは？仕組みとより良い実践方法
機械翻訳ポストエディット（MTPE）の実践ガイド。ライトポストエディットとフルポストエディットの違い、機械翻訳（生MT）に人の手が欠かせない理由、品質の測定方法から、従来の「一括生成してから全体を修正する」モデルが抱える課題、そして品質とコストの両面でそれを上回る、翻訳メモリを活用した反復型ワークフローまでを解説します。
3日間で10言語に対応：AI翻訳ツールのローカライズ実践記録
私たちは、ある週末の3日間でTranseptをドイツ語、ウクライナ語、中国語、ポルトガル語、フランス語、スペイン語、チェコ語、イタリア語、ポーランド語、トルコ語にローカライズしました。機械翻訳は、日頃ユーザーにお勧めしているとおりに使いました。文脈を添え、用語を決め、人の手でポストエディットするやり方です。この記事では、その過程で集めた複数形のルール、丁寧さの度合い（レジスター）の切り替え、言語によって正反対になるタイポグラフィの規則、hreflangの教訓を紹介します。
エージェントとしてのLiteress：判断を記憶し、自ら動く編集者
翻訳ツールに搭載されているAIの多くは、単に画面の片隅へ後付けされたチャットボットにすぎません。私たちはLiteressを、そうしたものではなく「エージェント」として構築しました。製品の根幹を支える「判断の文脈」メモリを基盤とし、必ず確認を取ったうえで、実際に作業を代行します。
翻訳メモリとは？仕組みと、AIローカライズで重要になる理由
翻訳メモリには、チームが承認済みの訳文が蓄積されます。翻訳者がLLMとなった今、TMに求められる役割とは何なのか。既存のツールはどのように記憶し（あるいは忘れ）、Transeptはどのような答えを出したのか。「判断の文脈としてのメモリ」というアプローチを紐解きます。
AI翻訳は実際にどれほど「思考」しているのか？
Gemini 2.5と同じ方法でGemini 3の思考予算を制御しようと試みましたが、もはやその方法は通用しませんでした。そこで実際に測定した結果と、それがAI翻訳の品質やコストにどう影響するのかを解説します。
The Journalへようこそ
このブログを始めた理由、ここで読める内容、そしてまた来ていただくための、ささやかなお誘い。
執筆者
新しい記事はおよそ月に一度お届けします。
RSS