多言語Badoo：「翻訳の難しさ」

優れたローカライズ、つまり、さまざまな国のユーザーにアプリケーションを適合させることで、視聴者の心をつかむことができます。 それどころか、悪い人は本当の痛みになります。 たとえば、Google Playのナビゲーターの1つは「更新しないでください、商用地図を購入しませんでした」と提案し、「一部のデバイスではインストールフォルダーを選択するように求められます。」



ローカライズの目的は、アプリケーションを他の言語で簡単にアクセスできるようにすることではなく、各ユーザーに、そのネイティブ言語の特性を考慮して開発されたと感じさせることです。



この記事では、そもそも注意を払う必要のあるローカリゼーションの側面について簡単に説明し、Badooを46言語に翻訳する際に得た経験を共有します。 これは非常に広範なトピックであり、これらまたはこれらのツールをどのように実装したかを詳細に説明し続けます。 記事の最後で、投票して、最初に学習することに興味のある側面を選択できます。

はじめに

複数の言語標準のサポートは、アプリケーションコードの調整から始まる複雑なマルチステップタスクです。 ユーザーに送信されるテキスト（技術コンポーネントでない場合）のほとんどは、一部の言語の変更が必要になる場合があります。



翻訳済みテキストと翻訳不可テキストを分離し、致命的な欠陥なしに翻訳システムを整理できるようにする多くのソリューションがあります。 既製のソリューションを使用せず、独自のシステムを構築および開発し、すべてのレーキを独立して踏んで自転車を発明することにしました。 しかし、私たちのシステムは本当に柔軟で、すべての点で私たちに適していることがわかりました。 まず、用語と作業の一般原則から始めましょう。



翻訳システムの重要な要素は、操作に便利なほどコンパクトであるが、論理的整合性を維持するのに十分な大きさの特定のテキストです。 このようなフラグメントトークンを呼び出します。 たとえば、Badooメッセンジャーを考えてみましょう。 これは良い例です。このようなインターフェイスは、モバイルアプリケーションとWebアプリケーションの両方で十分です。





このスクリーンショットではっきりと見えるいくつかの重要な点に注意してください。 さまざまなトークンがあります。

• 繰り返し使用できるもの（「検索」、「未読」、「匿名チャット」）;
• 変数を含む（「プロフィールと16枚の写真を表示」）;
• フロアに応じて（「最初の一歩を踏み出して、彼に手紙を書いてください！」）;
• 数値パラメータに依存し、赤緯を含みます（「2370人の女の子がここであなたに会います」）。

「検索」、「未読」、「女の子」など、頻繁に使用されるトークン Badooは他のものとは分離されており、モバイルおよびWebアプリケーション用の単一の翻訳を含む、大規模で汎用性の高いアーキテクチャのさまざまなサブシステムで再利用できます。 このアプローチの主な利点：

• 翻訳者の作業量の削減。
• 統一されたテキストスタイル。
• トークンの追加処理の可能性（数と偏角に応じて変化します）。

変数を含むトークン（「プロファイルの表示と{{number}}写真」）を使用すると、すべてが簡単になります。データを入力することを忘れないでください。



数字と赤緯に依存しているため、すべてがより複雑になります（「{{number}}女の子がここであなたに会います」）。このトピックについては別のセクションで説明します。



翻訳を準備して表示するプロセスは、特に1秒あたり2万回を超える必要がある場合（Badooのピーク負荷が高くなる可能性があります）、システムパフォーマンスの点で深刻な頭痛の種になります。



次に、注意すべき点を詳しく見ていきましょう。

方言と多段階の「フェイラバー」

一部の言語には方言があります。 たとえば、英語はイギリスとアメリカ、スペイン語はコロンビア、アルゼンチン、メキシコです。 また、翻訳が99％同一であっても、同じフレーズが完全に異なるように聞こえる場合があります。 この小さなニュアンスを無視すると、大きな恥ずかしさが生じる可能性があります。 たとえば、ポルトガル語のラパリガは「女の子」を意味しますが、ブラジルではこの言葉は「夜行性蝶」という意味で使用されます。 ブラジルの方言では、「ガロタ」という言葉が使用されますが、これはポルトガルでは「小さな女の子」を意味するため適用されません。



Badooでは、言語をツリー形式で構築しました。 ルート要素は「ユニバーサル英語」です。 他の言語（イギリス英語およびアメリカ英語を含む）が分岐しており、そのうちのいくつかは方言を持っています。



翻訳者は上から下に向かって作業します。最初にユニバーサル英語が翻訳され、次に第2レベルの言語、そしてその方言だけが翻訳されます。 つまり、スペイン語への翻訳は普遍的な英語から行われ、メキシコ語への翻訳はスペイン語から行われます。



翻訳がユーザーに表示されると、検索は下から順に実行されます。 たとえば、メキシコ語の場合、メキシコ語の翻訳が最初に検索されます。 見つからない場合-スペイン語。 そうでない場合、ユニバーサル英語。

文章と句読点の方向

ほとんどの言語では、テキストを翻訳するだけで十分であり、アプリケーションの外観とテキストを囲む要素は変更されません。 ただし、特定の言語があります。

• 逆スペル（例えば、アラビア語とヘブライ語の右から左へ）;
• 特別な句読点規則（スペイン語、日本語）。

逆スペルの言語では、テキストを翻訳するだけでなく、インターフェイスをミラー化することも必要です。テキストの方向だけでなく、情報の認識の方向も変更します。





句読点では、より単純なケースがあります。 たとえば、アジア言語（日本語、韓国語）は、ピリオド、感嘆符、疑問符に独自のUTF-8文字を使用します（これらはほとんど私たちのものに似ていますが、私たちのものには似ていません）。

。？！

。？！



そして、より複雑なケースがあります。 たとえば、スペイン語では、疑問符と感嘆符が文の先頭で上下逆に複製されます。





また、句読点をトークンから除外することはできません！

フォーマットと単位

日付と数値の書式設定には微妙ではありますが非常に重要な違いがあり、国ごとにまったく異なる意味を与えることができます。

たとえば、2013年7月3日は、現地の基準に応じて、7月3日または3月7日を示す場合があります。 これは、同じ言語を話すが異なる日付形式を使用する米国と英国の間の混乱の一般的な原因です。 2つの国が同じ言語を話す場合、それらがすべて同じ方法で確実に理解することを前提とする必要はありません。



同じことは数字でも起こります。 数字の1.000は、小数部分を分離するために使用されるセパレータに応じて、「1」または「千」として読み取ることができます。 たとえば、韓国ではドットは小数点区切り文字ですが、ドイツでは数千を区切るために使用されます。



測定システムには特別な注意を払う必要があります。 最も簡単な解決策は、ユーザーの身長をフィートとセンチメートルで同時に表示することですが、不自然に見えます。 ユーザーが便利な値を選択できるスイッチを作成し、選択した言語に基づいてデフォルト値を設定できます。 これは、長さ（高さ）、重量、温度スケールなどの尺度に適用されます。

文体

さまざまなBadooコンポーネントは、さまざまなスタイルのテキストを使用できます。よりフォーマルな場所と、より若々しい場所です。 たとえば、サービスやその他の公式文書を使用する条件では、「あなた」と翻訳する方が良いですが、面白い性質のインターフェースでは、「あなた」がよく使用されます。



さらに、用語を混同しないで、確立された単語やフレーズをどこでも同じように翻訳することが非常に重要です。 たとえば、英語でのBadooのランダムデートサービスはEncountersと呼ばれます。 この単語はさまざまな方法で翻訳できますが、「デート」という翻訳に準拠しています。 これは非常に重要です。そうしないと、ユーザーが何らかのアクションを促すプロモーションテキストやエラーメッセージを理解できない可能性があります。 この問題を解決するために、2つのメカニズムを使用します。 最初は短いトークンの別個のグループで、非常に頻繁に使用されるか、性別と数に依存します。 このグループについては、次のセクションで詳しく説明します。



TranslationMemoryと呼ばれる2番目のメカニズム。 一度に2つの機能を実行します。

• 翻訳者の作業量を削減します（その結果、展開を高速化します）。
• 1つのスタイルで同様のトークンの翻訳に耐えるのに役立ちます。

TranslationMemoryのロジックは非常に単純ですが、実装は興味深いトピックになる可能性があります。これについては、今後さらに詳しく説明します。 つまり、トークンを翻訳するときは、元のテキストを解析し、句読点、タグ、改行、その他の区切り文字を使用して、小さな「文字列」（フレーズの一部と文全体）に翻訳します。 なぜスレッドなのか？ それらは交差し、絡み合って、任意の数の他のスレッドを含むことができるためです。 トークン内のすべてのスレッドのコレクションは、トークンの構造と呼ばれます。



元のスレッドの構造と翻訳のスレッドの構造を明確に比較できる場合は、スレッドのペアを保存します。 将来、翻訳システムに新しいトークンが表示されると、各スレッドの翻訳を見つけようとします。 見つかったオプションを組み合わせて、最も完全な翻訳を選択します。 翻訳者は、新しい翻訳の基礎として、いくつかの最も完全な翻訳のいずれかを、異なるスレッドから分割して組み立てることができます。

たとえば、2つの異なるHello worldとMy name is John tokensを翻訳すると、翻訳者はHello worldトークンに対してほとんど何もできません！ 私の名前はジョンです。 TranslationMemoryはすぐに翻訳を提供します。 翻訳者は、句読点が言語に対応していることを確認するだけです。

セックス中毒

異なる言語では、性別は異なって示されます：どこかで記事と前置詞が使われ、どこかで終わり、どこかですべてが一度に。 たとえば、スラブ言語では、ほとんどすべての品詞が性別に依存します。 さらに、複雑なフレーズは、オブジェクトの性別だけでなく、対象の性別にも依存する場合があります。 一部の言語のルールは非常に複雑なため、性別の異なるオブジェクトや主題のいくつかの組み合わせに対して英語のテキストを複製し、それに応じてアプリケーションを変更しなければならない場合があります。



このような状況は、多声にならずに予測することはほとんど不可能です。 さらに、開発者はそれについて考えるべきではないと考えています。 そのため、翻訳者の翻訳インターフェースには、性別によるトークンの分割を「注文」できる特別なツールがあります。問題の説明が記載された開発チケットが自動的に作成されます。

数と偏角への依存

ほとんどの言語では、数の依存関係には単数形と複数形の2つの形式しかありません。 ロシア語は、1人のユーザー、2人のユーザー、5人のユーザーという、数に依存する複雑なルールの優れた例です。 さらに、21（31、41、101）ユーザーですが、11ユーザーです。 ルール自体はそれほど複雑ではありませんが、より深く掘り下げます。



通常、アプリケーションは自分にとって何が重要かを考慮します。 ソーシャルネットワークは、ユーザー、写真、投稿、いいね！をカウントします。 金融セクターでは、取引、通貨、顧客が考慮されます。 GPSナビゲーターは、分とキロメートル（またはマイル）をカウントします。 これらの数量は計算され、その名前と測定単位はアプリケーションの至る所にあります。 これらは、この記事で繰り返し言及されている最も一般的に使用されるトークンです。 数への依存は、そのようなトークンを操作するための別のツールを作成した理由の1つです。



2番目の理由は、「おむつを引きずるように命じられた少女、イワンボア」です。 偏角。 興味深い事実：ハンガリー語では、サイトとアプリケーションを翻訳する言語の中で17の偏差が記録保持者です。 まれな単語やフレーズについては、ソフトウェアのバインドなしで通常のテキスト翻訳を行うことができます。 頻繁に発生する単語やフレーズの場合、文法的に正しいバージョンを取得するツールがあると便利です。 たとえば、「2人の女の子があなたを好きだった」というフレーズは、来たる知り合いの楽しい事実だけでなく、明確で理解可能なロシア語でも魂を温めます。



当社のツールを使用すると、2つの重要な操作を実行できます。 開発者向け-文法的に正しい形式（より正確には、ユニバーサルコンテナ）で完成した単語またはフレーズを取得します。 翻訳者は、通常のトークンの翻訳にこれらの通常のフォームを使用してください。 たとえば、ロシア語の翻訳システムの上記のトークンは、「{{users_num}} {{users_word＃Dative}}が好きですか」のようになります。 これにより、一定の自由が与えられます。翻訳者は、彼の裁量で、トークンを言い換え、ケースを変更できます。



これは非常に優れたソリューションですが、翻訳者と開発者の間の対話が必要です。 現在、開発者が参加することなく、翻訳者のみが使用可能な変数に基づいてトークンのすべてまたは一部を変更できるシステムに取り組んでいます。

トークンのコンテキストと長さ

多くの場合、同じフレーズ（個々の単語は言うまでもありません）は、コンテキストに応じて異なる方法で翻訳できます。 短い検索は、名詞「検索」または動詞「検索」のいずれかです。 同一のトークンと翻訳の再利用を追求するために、コンテキストに注目することが重要です。 翻訳者がフレーズのコンテキストを正しく理解できるように、通常はトークンの使用例のスクリーンショットを使用します。 タスクのテスト段階でスクリーンショットを自動的に収集するシステムも作成しましたが、その詳細については別の記事で説明します。



モバイルプロジェクトを使用する場合は、線の長さに特に注意する必要があります。 画面上のスペースが不足しているため、割り当てられたスペースにテキストフラグメントが収まるようにする必要があります。 多くの場合、英語の1つの単語である用語は、他の言語の文全体になる場合があります。 行の長さは、文字とピクセルの両方で制限できます（フォントのサイズと種類が事前にわかっていて、めったに変更されない場合）。



原則として、翻訳の長さの制限は助言的なものです。 制限を超えた場合、翻訳者には警告が表示されますが、翻訳を保存できます。

マルチバージョンと復元力

チームに100人以上の開発者がいる場合、翻訳を扱う際には注意が必要です。翻訳済みテキスト（およびモバイルアプリケーションの辞書）を含む同じテンプレートは、異なるタスクで変更できます。 翻訳システムは、異なるバージョンのファイルを区別し、ユーザーにどの翻訳を提供する必要があるかを理解できる必要があります。



大規模なチームでは、翻訳システムをできるだけ便利で耐障害性のあるものにすることも重要です。 利便性により、新しいチームメンバーはできるだけ早く仕事に取りかかることができます。 ヒューマンファクターの影響を減らすには、フォールトトレランスが必要です。システムは、ヒューマンエラーに独自に対処し、可能な限り修正するか、大声で誓ってショックを受ける必要があります。

ユーザーに翻訳させます

スタッフまたはフリーランスの翻訳者を長期間、苦労して検索し、翻訳の品質管理システムを考え、新しい言語のサポートを追加するたびにあらゆる面で苦しむことができます。 しかし、アプリケーションが本質的に面白いものであり、視聴者が十分に多い場合、翻訳にユーザーを引き付けることは完全に受け入れられます。 これがFacebookとWhatsAppの翻訳方法であり、最近ではBadooが翻訳されました。

私たちは翻訳の品質を非常に重視しており、そのようなスキームを実行することを恐れていました。 ただし、このアプローチにはいくつかの長所があります。

• 州内のすべての言語の翻訳者を探す必要はありません。
• ネイティブスピーカー自身が翻訳の品質を制御します。
• 無料です。

最も積極的な参加者をお勧めしますが、ほとんどの場合、ユーザーは母国語でBadooを利用できるようにするために努力しています。 現在、ユーザーは7つの言語で作業していますが、そのうち3つ（フィンランド語、マレー語、ベトナム語）はすでにBadooコミュニティ全体で利用可能です。 残りの4つ（バスク語、ベンガル語、アイスランド語、スワヒリ語）への翻訳は、すべてのユーザーのサポートに含めるにはまだ十分ではありませんが、時間の問題です。

おわりに

ローカライズの目的は、言語や居住地に関係なく、ユーザーがアプリケーションを快適に感じるようにすることです。 多くの場合、これには非自明で複雑なソリューションが必要ですが、7年間の経験に基づいて、価値があると安全に言うことができます。

Badooの翻訳システムはここ数年構築されており、進化を続けています。 将来的には、当社の技術的および組織的ソリューションについてさらに詳しく説明するよう努めます。 次の記事は何になるでしょう-あなたが決める！



Gleb Deikalo、PHP開発者