汎用ツールでは、
なぜ崩れるのか。

日本語のWebサイトには「令和5年11月3日」のような和暦表記が頻繁に登場します。 これは日本語以外の言語には存在しない概念のため、機械翻訳にそのまま 投げると、意味が崩れたり、不自然な直訳になりがちです。 transer.ioは、翻訳エンジンに送る前に、和暦を西暦へ確定的に変換してから 処理します。

日本語は英語のように単語間にスペースを入れないため、機械的に 「どこが単語の区切りか」を判定する形態素解析が必要になります。 漢字が多い文はまだ区切りを推定しやすいのですが、助詞・助動詞・ 活用語尾などひらがなが連続する文では、区切り方が複数通り考えられて しまい、誤認識が起きやすくなります。transer.ioは、ブロック要素単位で 文脈のまとまりを抽出してから翻訳エンジンに渡す設計になっています。

日本語のWebサイトは、見た目を整えるために、文中の一部だけを <span>タグで細かく囲む作り方が多い傾向があります。 こうしたタグの境界をそのまま翻訳単位の境界として扱ってしまうと、 文が不自然な位置で分断されてしまいます。