人工知能はゲーム翻訳をどのように変化させるのか？
ローカライズとは、様々な文化や国家に属する個人の需要や好みに合わせ、あるコンテンツを現地の文化圏に適した形に変えて提供する一連の過程を指します。ゲーム産業においてローカライズは様々な海外市場を切り開き、より多くのユーザーにゲームを届けるための鍵となっています。 従来は主にゲームを作った会社やローカライズエージェンシー、または現地のパブリッシャーがローカライズ作業を行っていましたが、現在は人工知能(AI)の助けを借りて、以前より簡単にローカライズを進められるようになりました。今回はAIがゲームのローカライズをどのように変化させているのかについてお話します。 伝統的かつ一般的なローカライズは、翻訳者と編集者(レビュアー、チェッカーなど)を経て行われてきました。この過程には、テキスト原文の翻訳、文化的差異を考慮した翻訳文の修正、そしてゲーム内の画像やグラフィックに含まれるテキストを一つ一つ確認して修正する作業が含まれます。ローカライズの参加者にはゲームの世界観はもちろん、テキストの文脈をしっかり理解して文化特有のニュアンスを活かしたり、ジョークやスラングなどを目標言語に適切に訳すことが求められます。 一般に専門家の言うローカライズは一次翻訳(Translation)、専門家のレビュー(Review)、ネイティブの最終チェック(Proofreading)まで行うことを指しますが、このような伝統的ローカライズは多くの時間と費用がかかり、複数の人間が携わる分、一貫性の維持や各種ヒューマンエラー(Human Error)を最小に抑えるのが最も重要とされていました。 AIベースのゲームローカライズは機械学習(Machine Learning, LM)と自然言語処理技術(Natural Language Processing, NLP)を利用して翻訳のスピードと効率を高めています。AI翻訳システムは大量のデータを学習し、特定のジャンルやスタイルに合わせた訳を生成する能力を持っています。このシステムは自動化された翻訳メモリ(Translation Memory, TM)を構築することで一貫性のある翻訳を提供し、作業をリアルタイムで行うことで開発を素早くサポートすることができます。また、完璧なレベルには至らずとも、ゲーム内の様々な要素を読み取り、文脈に合った訳を提案することもできます。
ゲームローカライズの際、LQATは必要ですか？
ゲームローカライズはテキストローカライズとLQATに分かれます。過去ではテキストローカライズだけを行い、LQATは考慮しない場合が多々ありました。リリース前まで開発日程の確保が難しい場合が多く、翻訳されたテキスト品質の重要度が相対的に低かったからです。 しかし時間が経つとともに、ローカライズの完成度が高いほどゲームの売り上げが上昇するという有意味な統計が登場し、ユーザーが直接ローカライズやローカライズ品質に関する要求をするようにもなり、ローカライズテスト、つまりLQATへの需要も増えてきました。本日はLQATが必要な具体的な理由を説明させていただきます。 LQATとはLinguistic Quality Assurance Testの略字で、ゲームをプレイ(テスト)しながら言語的な誤りを探し出し、修正する作業です。ゲームには他のメディア(一般文書、映像の字幕、ウェブ漫画、図書)とは異なる特殊性がありますが、それは「ゲーム内で散発的に表れるテキスト」です。 他のメディアは大体テキストが順次に現れるので、前後の文章を読んでどう翻訳し、どのような口調を使うべきかを判断しやすいです。しかし、ゲームは違います。一直線のストーリーやビジュアルノーベルのようなジャンル以外は、基本的にテキストが散発的に現れます。オープンワールドのような複雑なゲームのほど、そういう傾向がさらに強いです。テキストが順次的に現れないのは、ゲームというメディアの特殊性がその理由ですが、事例とともにさらに詳しく見ていきたいと思います。 まずはオープンワールドゲーム画面に出てくるテキストを見てみましょう。オープンワールドゲームを実行し、画面を見ると多数のテキストが様々なところから出力されることを確認できます。 一つの画面に出てくるテキストですが、参考できる内容が他になく、テキストだけがあるとしたら相互の関連性がないので、文脈を正確に把握しづらくなります。特にUIテキストや変数の場合は大方一つや二つぐらいの単語で書かれています。テキストが使われる場所によって翻訳を変えることで自然な表現になることが多いです。 今回は詳しい例を挙げてみます。 多数のキャラクターが登場する場合、キャラクター名がローテーションで出力される変数を作り、その変数を含めて文章を作成することがあります。これはキャラクター名だけでなく、アイテ
