機械翻訳(Machine translation)
機械翻訳は、テキスト、音声、画像内の文字をある言語から別の言語へ訳すソフトウェアです。今日のオープンモデルは、汎用モデルを出発点に翻訳専用に学習したものが主流です。
古い翻訳システムは当初から翻訳専用に作られました。本カタログのオープン翻訳モデルは、汎用言語モデルから出発して翻訳の学習を加えたものです。TranslateGemma は Gemma 3 から、Index-Translate は Qwen3.5 から、PLaMo 3 Translate は PLaMo 3 NICT から派生しました。TranslateGemma は人間の翻訳と Gemini の書いた翻訳でファインチューニングされ、翻訳品質を評価する報酬モデルを相手にした強化学習でさらに学習されました。PLaMo 3 Translate は Gemma 4 で合成した翻訳を使い、その後 2 段階の選好最適化を行いました。
どのモデルカードにも登場する用語があります。ソース言語とターゲット言語が翻訳対象の言語ペアを作り、モデルはペアによって得意・不得意があります。TranslateGemma は 55 言語で評価され、Hy-MT2 は 33 言語、PLaMo 3 Translate は 53 言語、Index-Translate は 150 言語を挙げています。低資源言語は学習テキストが少なく、最も難しい領域です。オフターゲット出力とは、モデルが指定された言語以外で答えてしまうことです。これらのモデルの多くは翻訳専用なので、それ以外の用途には汎用モデルを使ってください。モデルの入力長を超えるテキストは分割が必要です。たとえば TranslateGemma の入力は 2K トークン、PLaMo は入出力合わせて 32,768 トークンです。モデルは内容を付け足したり落としたりすることもあるので、重要なテキストは必ず人の目で確認してください。
関連用語
- 翻訳評価指標(Translation metrics) 翻訳評価指標は、モデルカードが翻訳の質を示すために使うスコアです。人間の参考訳文との重なりを数えるものもあれば、訓練済みモデルや人間のレビュアーを使うものもあり、その尺度は相互に比較できません。
- ファインチューニング(Fine-tuning) ファインチューニングは、事前学習済みモデルの学習を自分のサンプルで続けることで、特定のタスク、スタイル、分野でより良い振る舞いをさせます。
- 強化学習(RL) 強化学習は、正解やテスト合格のような良い結果に報酬を与えることでモデルを訓練します。例文を模倣させるのとは違う方法です。
- コンテキストウィンドウ(Context window) コンテキストウィンドウとは、モデルが一度に考慮できるテキスト量の上限で、トークン単位で測られます。あなたのプロンプトとモデル自身の回答の両方が含まれます。