Skip to content
Published on

AI 翻訳 & ローカライゼーションツール 2026 完全ガイド - DeepL · Lilt · Smartling · ModernMT · Crowdin · Phrase · Google 翻訳 · Claude · GPT · NMT 徹底解剖

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

プロローグ — なぜ翻訳市場がまた揺れているのか

2014 年にニューラル機械翻訳(NMT)が統計的 MT を置き換え、2017 年に Transformer が標準になってからしばらく市場は安定期に入っていた。Google・DeepL・Microsoft が大きな三本柱で、エンタープライズは Lilt・Smartling・Phrase・Crowdin といった TMS(翻訳管理システム)に自分のワークフローを任せていた。ところが 2023 年に GPT-4 が登場した後、風景が再び変わった。単純な文章レベルの翻訳だけを見れば DeepL は今も強いが、文書全体のコンテキスト・トーンマニュアル・用語集適用・コードスニペット保存が必要な瞬間には LLM が圧倒的に有利になる。2024 年の Claude 3.5 Sonnet、2025 年の GPT-4o は BLEU 基準で DeepL とほぼ同じスコアを出し、COMET・MQM のような人手評価ベースの指標では一部ドメインでより良いという報告も出ている。

2026 年の本当の問いはもう「DeepL か Google か」ではなく、**「自分のワークフローのどの位置に何を差し込むか」**である。1 億文字の製品マニュアルなら DeepL Pro + TMS の組み合わせが依然として最も速く、安い。しかし 100 個のマーケティングコピーのトーンを一つのガイドラインに揃える必要があるなら、LLM の一行プロンプトの方が正確だ。医療・法務のようにドメイン適応が必要なら、Lilt や ModernMT の人間介入型適応 MT が答えである。音声・リアルタイム通訳なら、KUDO・Interprefy のような専門サービスが別に存在する。

この記事は 30 近い翻訳・ローカライゼーションツールを一か所に集めて整理する。比較軸は七つ — 翻訳品質、ドメイン適応、コンテキスト長、対応言語数、価格、プライバシー・データレジデンシー、TMS 統合。その後、i18next・react-intl・Next.js i18n といったフレームワークの位置、ICU MessageFormat と TMX・TBX・XLIFF などのフォーマット、COMET・BLEURT・MQM などの品質評価指標までまとめる。一度読めば、2026 年 5 月時点のローカライゼーションスタックの全体地形が掴める。

価格や機能の数値は 6 か月単位で変わる。この記事のすべての数字は 2026 年 5 月 18 日基準であり、具体的な数字よりも意思決定のフレームに焦点を当てる。1 年後に価格が変わっても、「どの位置にどの種類のツールを置くか」という骨格は有効でなければならない。

第 1 章 · 機械翻訳の進化 — SMT・NMT・LLM 時代

機械翻訳の歴史は三つの時代にきれいに分かれる。

第 1 世代 · 統計ベース翻訳(SMT、2007 年頃) Google 翻訳が 2007 年から約 10 年間使用していた方式。巨大な並列コーパスから単語・句・文レベルのアラインメントを学習し、出力文の各区間を確率で組み合わせる。短い文章や日常表現ではそこそこ機能したが、長い文章で語順が壊れ、意味が混ざる弱点が大きかった。韓国語・日本語・アラビア語のように語順が英語と異なる言語ペアでは特に弱かった。

第 2 世代 · ニューラル機械翻訳(NMT、2014 年〜) 2014 年の Sutskever 等による Seq2Seq 論文が出発点。2016 年に Google が自社翻訳エンジンを丸ごと NMT(GNMT)に置き換え、その年の秋には一気に BLEU スコアが 10 点近く跳ね上がった。2017 年の Transformer 論文以降はエンコーダー・デコーダーモデルが標準となり、DeepL が同年 8 月に登場してすぐに市場上位を占めた。NMT 時代の強みは文単位の自然さだが、弱点も残った。コンテキストウィンドウが短く段落・文書全体の一貫性が弱く、ドメイン語彙適応には別途学習が必要である。

第 3 世代 · LLM ベース翻訳(2023 年〜) GPT-4 が 2023 年初頭に公開された直後に人々が最初に発見したサプライズ能力の一つが翻訳だった。専用の翻訳学習なしに、GPT-4 が DeepL・Google NMT と肩を並べた。2024 年には Claude 3.5 Sonnet、2025 年に Claude 4 と GPT-4o が登場し、差はさらに縮まった。LLM 翻訳の強みは三つ — (a) 長いコンテキスト、10 万〜100 万トークンまで文書を丸ごと見る。(b) プロンプトでドメイン・トーン指示が可能、別途ファインチューニングなしに「法務トーンで」「マーケティングコピーとして」のような指示が効く。(c) コード・表保存が自然。

LLM 翻訳の弱点は二つ — コスト(文字あたり単価が NMT の 5〜50 倍)と遅延(NMT は 100ms 未満、LLM は数秒)。そのため 2026 年の実戦ワークフローでは、NMT が一次で素早く回し、LLM が二次でトーン・一貫性・ドメイン補正するハイブリッドが多い。

三世代の共存 — 2026 年でも SMT は一部の組み込み機器で生き残り、NMT は量的ワークロードの主力であり、LLM は品質が決定的な位置に挟まる。どれか一方が他をすべて置き換えるわけではない。

第 2 章 · DeepL — 欧州・韓・日言語のチャンピオン

ドイツ・ケルンで 2017 年に始まった DeepL は NMT 時代の決定的な勝者だ。リリース直後に BLEU 基準で Google・Microsoft・Amazon を同時に上回り、その差は英・独、英・仏、英・西のような欧州言語ペアで最も大きい。韓国語と日本語が 2020 年に追加され、2026 年 5 月時点で 32 言語をサポートする。DeepL Translator 無料版、DeepL Pro 有料版、DeepL API、そしてライティング補助ツール DeepL Write の四つの製品ライン。

価格構造 — DeepL Pro 2026 年基準

  • Starter: 月 9 USD、月 50 万文字
  • Advanced: 月 33 USD、無制限文字 + CAT 統合
  • Ultimate: 月 60 USD、無制限 + 優先処理
  • API Free: 月 50 万文字無料
  • API Pro: 使用量ベース、100 万文字あたり 25 USD から

DeepL の強み 韓国語・日本語の自然さで Google・Microsoft より一段上だという評価が支配的。文中の語彙一貫性、助詞・接続詞処理、敬語認識が良い。箇条書き・Markdown・HTML タグを保存するオプションが安定しており、文書翻訳ワークフローに差し込みやすい。

DeepL Write 別製品。英語・ドイツ語ライティングのトーン・文法補助。Grammarly に似ているが、トーン変換(親しみ調、ビジネス、学術)の深さが深い。2025 年に韓国語ベータが開かれ、2026 年に正式リリースされた。

限界 — 正直な評価 コンテキストウィンドウが短い。文単位で切って送るのが安全で、段落・文書全体の一貫性は弱い。ドメイン語彙を強制するには**用語集(Glossary)**機能を使う必要があるが、無料にはなく Pro の一部プランのみサポート。LLM のように「この文書のトーンは〜」「この用語は〜」のような自由形式の指示は効かない。

第 3 章 · Google 翻訳 & Cloud Translation API — 最も広いカバレッジ

Google 翻訳は 2006 年に SMT で出発し、2016 年に NMT に切り替わり、2020 年にゼロショット多言語モデルへ移行して130 以上の言語をサポートする。市場のどこも追いつけない数字だ。英・西のようなメジャーペアでは DeepL と同等だが、スワヒリ語・ウズベク語のようなリソースの少ない言語では Google がはるかに強い。

製品構成

  • Google 翻訳ウェブ・アプリ: 無料、一般ユーザー向け
  • Cloud Translation API v3: エンタープライズ向け NMT API
  • Cloud Translation Advanced (v3): 用語集、モデルカスタマイズ、バッチ翻訳、AutoML
  • Google 翻訳カメラ・音声: モバイルアプリ機能

価格 — Cloud Translation 2026

  • NMT 基本: 100 万文字あたり 20 USD
  • AutoML Translation: 100 万文字あたり 80 USD(カスタムモデル)
  • 無料枠: 月 50 万文字

Google 翻訳アプリ — モバイルの強者 カメラをかざすとリアルタイム OCR + 翻訳。音声会話モード(Conversation)で 2 人が母国語で話せば双方向翻訳。Lens 機能はメニュー・標識のような自由形式テキストで特に強い。

Cloud Translation API の立ち位置 多言語チャット、UGC 翻訳、ユーザーが入力した検索ワードの翻訳のように大量・リアルタイム・多様なドメインワークロードのデフォルト。DeepL が 32 言語しかサポートしないため、ベトナム語・インドネシア語・タイ語のような東南アジア市場進出が必要なら Google が第一候補。

限界 韓国語・日本語の自然さでは DeepL に劣るという評価が多い。用語集統合は可能だが、DeepL より微調整が難しい。

第 4 章 · Microsoft Translator & Amazon Translate — クラウド統合型

Microsoft Translator (Azure AI Translator) Azure エコシステムの翻訳 API。100 以上の言語サポート、NMT v3 ベース。Office 365・Teams・SharePoint 統合が一級である。価格は 100 万文字あたり 10 USD から — Google より少し安い。Custom Translator 機能で社内コーパスをアップロードしドメイン適応モデルを作れる。医療・法務・金融のようなドメインでよく使われる。データレジデンシーオプションが強く、EU・UK・日本のデータ主権要求を満たしやすい。

Amazon Translate AWS 側の翻訳 API。75 言語。価格は 100 万文字あたり 15 USD、Active Custom Translation は 60 USD。強みは AWS エコシステム統合 — S3 でバッチ翻訳、Lambda トリガー、Comprehend(エンティティ抽出)とのパイプライン。単独翻訳品質だけ見れば Google・DeepL・MS より少し落ちるという評価が一般的だが、AWS にすでに全インフラがある場合、データ移動コストが 0 という点が決定的。

選定基準

  • Microsoft 365 · Azure 中心の企業 → Microsoft Translator
  • AWS 中心のインフラ → Amazon Translate
  • マルチクラウド、もしくはクラウド非依存 → DeepL · Google · LLM 直接呼び出し

この二つのどちらも NMT 品質の絶対的頂点ではないが、すでにそのクラウドを使っているチームにとっては統合コストが圧倒的に低い。

第 5 章 · ModernMT — 適応型 NMT の元祖

イタリアの Translated.com が作った ModernMT は、適応型(adaptive)MT という概念を市場に定着させたツールだ。何が適応型なのか — 翻訳者がポストエディット(post-editing)した結果が即座にモデルにフィードバックされ、同じセッション・同じプロジェクト内で次第にその翻訳者のスタイルや用語に近づいていく。一般 NMT は学習が終わるとそこに固定されているが、ModernMT は使用中に学び続ける。

コアメカニズム 翻訳メモリ(TM)と用語集を推論時にモデルに注入する方式。ファインチューニングではなく、検索拡張推論(retrieval-augmented inference)と見るのが正確。だからモデル自体は変わらないが、コンテキストが豊かになる。結果としてドメイン適応コストがほぼ 0 に近い。

製品ライン

  • ModernMT Enterprise: オンプレ配備可能
  • ModernMT Translate: SaaS API
  • Lara: 2024 年発表の次世代モデル、LLM ベース + 適応型の結合

Lara — 2026 年の主力 GPT-4・Claude・Gemini と似た LLM ベースでありつつ、使用中の TM と用語集を自動的に引っ張ってくる。ユーザー評価で標準 NMT より一貫性が大幅に改善されたというデータがある。

価格 公開価格表はなくエンタープライズ見積もり。一般に 100 万文字あたり 30〜60 USD の範囲とされており、オンプレはより高い。医療・法務・技術マニュアルのようにドメインが狭く、一貫性が決定的な位置に合う。

第 6 章 · Lilt — 人間介入型適応の頂点

カリフォルニアの Lilt は ModernMT と似た適応型哲学を持ちながら、もう一歩踏み込んでいる。翻訳者がキーを一つ叩くたびにモデルが次の単語を予測して提示し、翻訳者は採用するか却下するかを決める。これを Lilt は「Contextual AI」と呼ぶ。結果として、翻訳者のキー入力数が半分近くまで減り、時間あたりの処理量が約 2 倍になるという報告がある。

ビジネスモデル Lilt は単純な API ではなく、翻訳サービス + プラットフォームの組み合わせ商品。自社の翻訳者プールを持ち、顧客がコンテンツをアップロードすると人間介入型適応ワークフローで処理する。価格は高い — 通常月 1,500 USD 以上のエンタープライズ契約。単語あたり価格は市場平均だが、プラットフォーム利用料が別途。

誰が使うか Intel、Canva、Airbnb、Asics などの大企業が顧客名簿にある。共通点はコンテンツボリュームが大きく、品質が決定的で、社内 LSP(言語サービスプロバイダー)運営負担を外部化したい会社。

vs ModernMT ModernMT はツールを売り、Lilt はツール + サービスを売る。社内に翻訳者がいてツールだけ必要なら ModernMT、翻訳者まで外部に委託したいなら Lilt が自然な選択。

限界 価格の参入障壁が高く中小企業・個人は使えない。また英語を軸にした言語ペアに強みが集中しており、韓国語・日本語のペアでは DeepL や LLM の方が自然というのが一般的な評価。

第 7 章 · Smartling — エンタープライズローカライゼーションプラットフォーム

ニューヨークの Smartling は 2009 年発足のベテラン。翻訳ではなくローカライゼーションプラットフォームとして自社を定義する。つまり、一文を翻訳するのではなく、コンテンツが生成される地点から配信までのすべての段階を自動化する。CMS 統合、自動コンテンツ抽出、翻訳メモリ・用語集管理、翻訳者ワークフロー管理、QA、配信まで一か所で完結する。

コア機能 — Global Delivery Network これが Smartling のシグネチャー。CDN のように動作する翻訳プロキシ — 英語ウェブサイトの URL を多言語ドメインにルーティングすると、Smartling がコンテンツを自動抽出・翻訳・キャッシュ・配信する。サイトコードを修正することなく多言語サイトが出来上がる。

価格 公開価格はなく、エンタープライズ見積もり。一般に年数万 USD から。ROI 計算が難しく、中小企業の参入は難しい。

誰が使うか British Airways、Uber、Slack、Affirm など。グローバルコンテンツボリュームが大きく、マーケティング・製品・法務コンテンツが一つのプラットフォームで流れる必要のある会社。

翻訳エンジン Smartling 自身は翻訳エンジンを作らない。DeepL・Google・MS・ModernMT などを統合して使え、LLM 統合も 2024 年からサポート。真の価値はワークフロー・メモリ・ガバナンスにある。

第 8 章 · Phrase(旧 Memsource)— TMS のチャンピオン

チェコ出身の Memsource が 2021 年にドイツの Phrase を買収しブランドを統合した。2026 年時点で TMS 市場シェア上位。翻訳メモリ、用語集、プロジェクト管理、翻訳者協業、機械翻訳統合をすべて SaaS で提供する。

Phrase の立ち位置 DeepL と Google が「エンジン」なら、Phrase はそれらのエンジンを束ねてワークフローにするレイヤー。一文書を一次で DeepL に回し、ポストエディットは翻訳者が Phrase エディタで行い、結果は TM に蓄積される。次に似た文に出会うと TM が自動で引っ張ってくる。

製品ライン

  • Phrase TMS(旧 Memsource): エンタープライズ翻訳管理
  • Phrase Strings: 開発者向け i18n キー管理
  • Phrase Analytics: 翻訳 KPI 追跡
  • Phrase Custom AI: ドメイン別 LLM 翻訳(2024 年リリース)

価格

  • Phrase TMS Team: 月 27 USD/ユーザー
  • Business: 月 65 USD/ユーザー
  • Enterprise: 見積もり

Phrase Strings の立ち位置 i18n キー管理に特化した別製品。JSON・YAML・gettext・iOS・Android ファイルを一か所で管理。Lokalise・POEditor と競合。価格はキー数に応じて変動し、200 キーまで無料プランあり。

限界 UI が複雑 — 初めて入ると何をどこですべきか戸惑う。学習曲線が急なのは事実。しかし一度内在化すれば、最も豊富な機能を提供する。

第 9 章 · Crowdin — 協業中心のローカライゼーション

ウクライナ出身の Crowdin はオープンソースプロジェクトとスタートアップで最も愛されている TMS。GitHub 統合が深く、翻訳メモリ・用語集・機械翻訳統合・翻訳者コミュニティ管理が一か所にある。

Crowdin の差別化点

  • GitHub · GitLab · Bitbucket 一級統合 — PR がマージされるたびにソース文字列が自動更新され、翻訳が完了した結果は自動 PR で戻る
  • クラウドソース翻訳 — オープンソースプロジェクトがボランティア翻訳者を募集して管理しやすい
  • In-Context Editor — 翻訳者が実際のサイト・アプリ上で翻訳をプレビューしながら作業

価格

  • Free: 60,000 文字制限、1 プロジェクト(オープンソース向けは別途無料プラン)
  • Pro: 月 50 USD から、30 プロジェクト
  • Team: 月 200 USD から
  • Enterprise: 見積もり

オープンソース無料 Crowdin は認定 OSS プロジェクトに無料プランを提供する。Discord、Minecraft、Telegram、Privacy Badger、Hugging Face のようなプロジェクトが Crowdin を使う。

Phrase vs Crowdin Phrase がエンタープライズガバナンス・コンプライアンス中心なら、Crowdin は開発者フレンドリー・コミュニティフレンドリー。スタートアップまたは OSS プロジェクトなら Crowdin がより自然な出発点。

第 10 章 · Lokalise · Transifex · POEditor · Weblate — TMS 競合たち

Lokalise イスラエル出身、モバイル・ウェブ i18n に強み。iOS · Android · Flutter SDK が強く、デザイナー向け Figma プラグインがある。価格は月 120 USD から(Start)、230 USD(Essential)、Pro・Business は見積もり。Phrase Strings · Crowdin と直接競合。

Transifex カリフォルニア出身、かつて OSS のデフォルトだった。現在の価格は月 70 USD から(Starter)、200 USD(Growth)、Premium は見積もり。Drupal、Mozilla、Coursera などが顧客。最近数年 Phrase · Crowdin · Lokalise に市場を一部譲ったが、依然として現役。

POEditor ルーマニア出身、価格が最も安いオプション。無料 1,000 文字列、月 14.99 USD(Start)、49.99 USD(Pro)、119.99 USD(Business)。小さなスタートアップ・インディー開発者に人気。

Weblate チェコ出身、オープンソース(GPLv3)。セルフホスト可能。Phabricator · GitLab 統合が深い。Fedora、openSUSE、MariaDB、LibreOffice のような OSS が使う。ホスティングサービスは月 19 USD(Basic)から。

選定ガイド — 一行要約

  • エンタープライズガバナンス + 多様なコンテンツ → Phrase TMS
  • OSS · スタートアップ · GitHub ワークフロー → Crowdin
  • モバイルアプリ i18n + Figma 統合 → Lokalise
  • 低コスト + シンプル → POEditor
  • セルフホスト + 無料 + OSS → Weblate

第 11 章 · CAT ツール — OmegaT · memoQ · SDL Trados · Wordfast

CAT(Computer-Assisted Translation) は TMS に似て見えるが異なる。TMS はクラウド協業プラットフォームであり、CAT は翻訳者が自分の PC で使うデスクトップツールだ。プロ翻訳者の作業環境。

SDL Trados Studio(現 RWS Trados Studio) プロ翻訳者市場の約 70% シェアを持つ絶対王者。Windows デスクトップ。価格は 695 EUR(Freelance、永久ライセンス)から。翻訳メモリ + 用語集 + 機械翻訳統合がすべて深い。学習曲線が急だが、一度内在化すれば生産性が決定的に高い。

memoQ ハンガリー出身。Trados の最大の競合。クラウド(memoQ cloud)とデスクトップ両方提供。価格は 770 USD(translator pro、永久ライセンス)から。Trados より UI がシンプルとの評価が一般的で、協業機能がより良い。

Wordfast フランス出身。Trados の低価格代替。Wordfast Pro(2024 年時点 540 USD 永久ライセンス)、Wordfast Anywhere(クラウド無料)。小さな LSP · フリーランスに人気。

OmegaT オープンソース(GPL) デスクトップ CAT。Java ベース、Windows · macOS · Linux すべて可能。無料で TM · 用語集 · 機械翻訳統合すべてサポート。UI は荒いが実用的。社内 LSP なしに始めるスタートアップ、学生、社会活動家にとって自然な選択。

CAT vs LLM 2026 年の本当の問い — CAT ツールは消えるのか? 結論から言うとノー。プロ翻訳者の精密作業、翻訳メモリ活用、セキュア環境(オフライン)作業で CAT は依然絶対的。しかし量的ワークロードの一次翻訳は NMT や LLM に持っていかれており、CAT の立ち位置は人間介入型ポストエディットの精密ツールへと狭まっているのが事実。

第 12 章 · LLM ベース翻訳 — Claude, GPT, Gemini, DeepSeek

2023 年 GPT-4 登場以降、LLM 翻訳は急速に成熟した。2026 年 5 月時点の主力モデルは次の通り。

Claude 3.7 · Claude 4 (Anthropic) 長いコンテキスト(20 万トークン、100 万ベータ)とトーン・ニュアンス処理に強み。韓国語・日本語の自然さで非常に良い評価。法務・医療のように正確性が決定的なドメインでよく選ばれる。

GPT-4o · GPT-4.5 · GPT-5 (OpenAI) 速いレスポンスと多言語幅に強み。130 以上の言語を安定処理し、関数呼び出しと組み合わせるとツールとしての翻訳パイプラインを組みやすい。

Gemini 1.5 Pro · 2.0 (Google) 100〜200 万トークンのコンテキストが差別化点。本一冊を丸ごと入れて一貫した翻訳が可能。PDF · 画像 · 動画入力処理に強い。

DeepSeek V3 · R1 (DeepSeek) 中国出身、価格が非常に安い。100 万トークンあたり 0.14 USD レベルで、GPT-4 の 30 分の 1。英中ペアが特に強い。

LLM 翻訳のプロンプトパターン — 実戦

  • システムプロンプトにドメイン・トーン・禁止語・用語集を明示
  • ユーザーメッセージに原文 + 「出力形式は翻訳文のみ」と指示
  • 長文書はチャンク単位で切って送るが、コンテキストとして直前チャンクの最終段落を一緒に添付
  • 出力後に別の LLM が QA(品質検証)をもう一度回すパターンが効果的

LLM 翻訳の限界 — 正直な評価

  • コスト — DeepL · Google NMT 比 5〜50 倍。大量ワークロードでは重い
  • 遅延 — 100ms 未満の NMT に対して数秒〜数十秒
  • 再現性 — 同じ入力に同じ出力を保証することが難しい(temperature=0 でも)
  • データレジデンシー — 米国 · 中国クラウド経由、EU GDPR · 韓国個人情報保護法の検討が必要

ほとんどの 2026 年実戦ワークフローは、NMT が量を、LLM が品質を担うハイブリッドである。

第 13 章 · オープンソース NMT — NLLB, M2M-100, MADLAD, OPUS-MT, Argos

商用製品が及ばない位置 — オフライン、データレジデンシー、組み込み — でオープンソース NMT が輝く。

NLLB-200 (Meta、2022) No Language Left Behind。200 言語サポート、リソースの少ない言語 — キニヤルワンダ語、ケチュア語、シンディ語 — まで含む。モデルサイズは 600M から 54B まで。Hugging Face にすべて公開。リソース少ない言語サポートが絶対的に必要な時、ほぼ唯一の選択肢。

M2M-100 (Meta、2020) Many-to-Many — 100 言語の間を英語経由なしに直接翻訳。英語迂回なしの韓国語→スワヒリ語のようなペアで品質が決定的に良い。

MADLAD-400 (Google、2023) 400 言語 — 市場最多。10.7B パラメータまで。Apache 2.0 ライセンスで商業利用可能。

Helsinki-NLP / OPUS-MT ヘルシンキ大学が OPUS コーパスで学習した小さなモデル群。Hugging Face に 1,000 以上の言語ペアモデル公開。モデルあたり 100〜300MB と軽く、エッジデバイス · 組み込み · オフラインワークロードによく使われる。

Argos Translate OPUS-MT を束ねてデスクトップ GUI · CLI · Python ライブラリにしたオープンソースツール。完全オフライン、無料。個人情報の絶対外部流出禁止が必要な位置(法務 · 医療 · 政府)で魅力的。

選定ガイド

  • リソース少ない言語 → NLLB-200、MADLAD-400
  • 英語迂回なしの直接翻訳 → M2M-100
  • エッジ · 組み込み → OPUS-MT
  • デスクトップオフライン → Argos Translate

オープンソース NMT の限界は明確 — 品質が DeepL · Google より一段下。しかし無料 + オフライン + データレジデンシー 0 という強みが決定的な位置がある。

第 14 章 · 音声翻訳 — Google Live, Apple Live Translation, Galaxy AI

音声翻訳は二つのモジュールの組み合わせ — (a) 音声→テキスト(ASR、Automatic Speech Recognition)、(b) テキスト→テキスト翻訳。2024 年以降、二つのモジュールが統合された end-to-end モデルも出てきている。

Google 翻訳 Live · Conversation Google 翻訳アプリの音声会話モード。2 人が自分の母国語で話せば双方向翻訳。マイク一つで二話者を自動区別する。無料。最も成熟したオプションであり、最も多くの言語をサポート。

Apple Live Translation (iOS 18.4、2025) 2025 年 4 月の iOS 18.4 で正式リリース。AirPods Pro 2 · 3 と組み合わせるとイヤホンでリアルタイム通訳が聞こえる。英語・スペイン語・フランス語・ドイツ語・中国語など 8 言語からスタートし、2026 年 5 月時点で 19 言語へ拡大。韓国語・日本語サポート。

Samsung Galaxy AI Live Translate 2024 年 Galaxy S24 と共に登場。通話中のリアルタイム通訳。通話相手の電話が Galaxy でなくても動作。13 言語サポート、2026 年時点で 17 まで拡大。

Pixel Recorder transcribe + translate Google Pixel スマホの録音アプリ。会議録音を文字起こしし、翻訳まで一か所で。強みは**オンデバイス(スマホ内)**処理 — データが外部に出ない。

OpenAI Whisper translate Whisper は ASR モデルだが、translate モードを使えば入力言語を英語に翻訳する。英語のみ出力という制約。オープンソース · セルフホスト可能。韓国語音声→英語テキストのようなワークフローによく使われる。

限界 — 正直な評価 音声翻訳はテキスト翻訳より本質的に難しい。話者の意図 · トーン · 非公式表現 · ノイズ · 発音バリエーションすべてが ASR 段階でエラーとして入ってくるため。フォーマルなプレゼン環境ではよく機能するが、非公式会話 · 方言 · 群衆環境では依然として限界が大きい。

第 15 章 · リアルタイム通訳 — KUDO, Interprefy, AppTek

KUDO 2017 年発足の仮想通訳プラットフォーム。Zoom · Teams · Webex のようなビデオ会議に組み込んで使う。人間通訳者プールと AI 通訳の両方を提供。2024 年に AI Speaker — 一人の発話を別言語で同時通訳して聴衆に届ける — を正式リリース。UN、国際機関、グローバルカンファレンスが主要顧客。

Interprefy スイス出身。KUDO の直接競合。仮想 + 現場ハイブリッド通訳に強み。ダボス会議、FIFA のような大規模行事で採用。

AppTek 米国出身、より技術志向の会社。ASR · 翻訳 · TTS を一つのスタックで連結した end-to-end 音声通訳。米国政府 · 軍 · グローバルメディアが顧客。自社データセンターに配備可能。

Translate.com / Mirror Pro 一般ユーザー向け通訳アプリ。ホテル · 観光 · 日常会話に適合。価格は月 14.99 USD から。

リアルタイム通訳の立ち位置 この市場はテキスト翻訳と使用ケースが完全に異なる。カンファレンス · ビデオ会議 · 多国籍ミーティングのように即時性が決定的な位置。精度と遅延がトレードオフだが、2026 年時点で人間通訳者は依然として精度で優位、AI 通訳はコストと拡張性で優位。二つのオプションが共存する。

第 16 章 · 韓国語翻訳 — Papago, Kakao i 翻訳, Genie Talk

韓国語は語順 · 助詞 · 敬語のため一般 NMT が苦手な言語。韓国の会社が自社 NMT エンジンを作って運営する理由。

Naver Papago Naver の NMT。韓・英 · 韓・日 · 韓・中で強み。無料ウェブ · アプリ · API。カメラ · 音声 · 会話モードすべてサポート。学校 · 日常 · 観光で圧倒的シェア。API は NCP(Naver Cloud Platform)に統合。

Kakao i 翻訳 Kakao の翻訳エンジン。KakaoTalk チャットボット · Kakao i スピーカーに統合。韓・英で Papago と競合。一般ユーザー向け単独製品というよりは Kakao エコシステムの機能として定着。

Genie Talk (Hancom、SYSTRAN ベース) SYSTRAN の NMT ベース。政府 · 軍 · 公共機関でよく採用。韓国語と英語 · 日本語 · 中国語のペアで強み。

韓国語 vs DeepL · LLM

  • 日常会話 → Papago · Kakao
  • ビジネス文書 → DeepL Pro
  • ドメイン · トーン · 一貫性 → Claude · GPT(プロンプトで適応)
  • 政府 · セキュリティ → Genie Talk(セルフホスト)または社内 LLM

韓国語は市場特殊性が強く、グローバルツールだけでは不足な位置が明確にある。

第 17 章 · 日本語翻訳 — Mirai Translator, DeepL JP, T-4OO

日本語は韓国語と似た語順 + 漢字 + ひらがな + カタカナ混用のため、NMT のもう一つの難題。日本の会社も自社エンジンを作る。

Mirai Translator (NTT-AT) NTT アドバンステクノロジが作った日本市場 1 位エンタープライズ NMT。社内配備(オンプレ)オプションが強い。日本の大企業 · 政府 · 金融が主要顧客。

DeepL Japan DeepL は日本語の自然さで評価が非常に高い。日本東京に支社を運営し、DeepL Voice など日本市場特化機能もリリースした。

T-4OO (Rozetta) Rozetta が作った日本 NMT。医療 · 法務 · 金融ドメインに強み。

Google · Microsoft · Amazon vs 日本エンジン 公開 BLEU 評価で日本語→英語ペアは DeepL が一般に最高で、日本語→中国語のような東アジアペアでは Mirai · T-4OO のような日本エンジンがドメインで強み。

選定ガイド

  • 日常 · 学校 → Google · DeepL 無料
  • ビジネス一般 → DeepL Pro
  • 日本社内システム統合 → Mirai Translator(オンプレ)
  • 医療 · 法務 · 金融 → T-4OO

日本市場の特徴は社内配備 · データレジデンシー要求が強いこと。クラウド SaaS を使えない位置が韓国より多く、オンプレオプションが決定要因となる。

第 18 章 · i18n フレームワーク — i18next, react-intl, Next.js i18n

ツールの次 — 開発フレームワークの位置。翻訳された文字列をどのようにコードに差し込むか。

i18next JavaScript エコシステムの事実上の標準。2011 年から生き残った。週 200 万 + ダウンロード。React · Vue · Angular · Svelte すべてにアダプター。JSON · YAML キーファイル + t('key') 呼び出しが基本パターン。ICU MessageFormat · 複数形 · 性別 · コンテキストすべてサポート。

react-intl (FormatJS) ヤフーが作って FormatJS に移った React 専用ライブラリ。ICU MessageFormat 一級サポート。i18next より軽いが React に縛られる。

Next.js i18n Routing Next.js 自身のルーティング i18n。App Router ではミドルウェア + [locale] セグメントでルーティング。コンテンツ自体は i18next · react-intl または next-intl で処理。

next-intl Next.js App Router に特化した i18n ライブラリ。サーバーコンポーネントと自然に結合。2024 年以降 next-intl が Next.js プロジェクトのデフォルト選択になりつつある傾向。

Vue: vue-i18n · nuxt-i18n Vue / Nuxt エコシステムの i18n。i18next と似た API。

モバイル: iOS Localizable.strings, Android strings.xml プラットフォーム標準。iOS は .xliff エクスポート、Android は strings.xml。Crowdin · Lokalise · Phrase Strings すべて直接サポート。

選定ガイド — シンプル化

  • React · Vue · Angular 一般 → i18next
  • React 単独 + ICU 重い → react-intl
  • Next.js App Router → next-intl
  • Vue / Nuxt → vue-i18n / nuxt-i18n
  • モバイル → プラットフォーム標準 + Lokalise

第 19 章 · ICU MessageFormat — 複数形 · 性別 · コンテキスト

ICU(International Components for Unicode)MessageFormat はメッセージ内で複数形、性別、選択肢を表現する標準。ほぼすべての真剣な i18n ライブラリがこれをサポートする。

基本形態 複数形例 — 「1 message」vs「5 messages」— は英語では単/複数の二つしかないが、ポーランド語 · ロシア語 · アラビア語のように 4〜6 形態がある言語がある。ICU はこれを one、few、many、other のようなカテゴリに抽象化する。

例 — i18next のキーファイルで 一つのメッセージを英語で単/複の二通り、ポーランド語で one、few、many、other の四通り別々に書いておく。ライブラリがカウント値を受け取り自動的に適切な形態を選ぶ。

性別処理 ドイツ語 · フランス語 · スペイン語では名詞 · 形容詞の性別一致が必要。ICU select 構文で処理 — 「彼は行った」vs「彼女は行った」を一つのキーの中に束ねておき、コンテキストで選択。

日付 · 数値 · 通貨フォーマット 日付や通貨型の数値プレースホルダーのような構文でロケール別自動フォーマット。韓国語は「2026 年 5 月 18 日」、英語は「May 18, 2026」と自動。

ICU の限界 文法が複雑で、翻訳者が直接編集するとミスが頻発。そのため Phrase Strings · Lokalise · Crowdin は ICU メッセージをビジュアルエディタで見せる — 翻訳者はカード形式の UI でバリアントを埋め、ライブラリは ICU 文法を自動生成。

なぜ重要か 「5 messages」を単純文字列として処理すると「1 messages」が不自然になる。ICU なしに真剣に i18n をすると、結局文法的不自然さが累積してユーザー体験を削る。

第 20 章 · TMX, TBX, XLIFF — 業界標準フォーマット

翻訳ワークフローでツール間のデータをやり取りする標準フォーマットが三つ。

TMX (Translation Memory eXchange) 翻訳メモリ交換フォーマット。XML ベース。Trados メモリを memoQ に移す時、Phrase から Lilt に移す時、すべて TMX が橋となる。LISA(Localization Industry Standards Association)が 1998 年に標準化。2026 年現在 1.4 が最も広く使われる。

TBX (TermBase eXchange) 用語集交換フォーマット。ISO 30042 標準。社内用語集を一つのツールから別のツールに移す時。TMX が文単位なら TBX は用語単位。

XLIFF (XML Localization Interchange File Format) 進行中の翻訳作業自体を移すフォーマット。OASIS 標準。原文 + 翻訳文 + メタデータ + ワークフロー状態すべて一つのファイルに収まる。Trados · memoQ · Phrase · Crowdin がすべてインポート/エクスポートサポート。iOS の .xliff エクスポートも同じ標準。

なぜこのフォーマットが重要か ベンダーロックイン防止。会社が 5 年後に Trados から memoQ に変えられる理由。また社内データ(翻訳メモリ)は会社の資産 — ツールが変わっても資産は維持されなければならない。

現実 — 正直な評価 標準と言ってもツールごとに実装の差がある。TMX エクスポート→別ツールにインポートが 100% スムーズなケースは稀で、メタデータの一部損失は一般的。だから大きなマイグレーションは事前検証が必要。

第 21 章 · 品質評価 — BLEU, chrF, COMET, BLEURT, MQM

翻訳品質をどう測るか。自動評価指標と人手評価の両方が存在する。

BLEU (BiLingual Evaluation Understudy) 2002 年に IBM が作った最初の標準。n-gram 重複を測定。速く再現可能だが、意味は同じでも単語が違う翻訳にペナルティを課す。2026 年でも依然として最もよく使われるが限界も明確。

chrF 文字単位 F スコア。BLEU の単語依存性を緩和。韓国語 · 日本語のように単語境界が曖昧な言語により適合。

TER (Translation Edit Rate) 翻訳者が結果を修正するのに必要な編集数。低いほど良い。ポストエディットコストを直接推定でき、業界でよく使われる。

COMET 2020 年に Unbabel が発表したニューラルネットワークベースの評価指標。原文 · 参照 · 候補をすべて受け取り、人手評価と高い相関を示す。BLEU より人手評価に近い。

BLEURT Google が発表した BERT ベース評価。COMET と似た哲学。

MQM (Multidimensional Quality Metrics) 人手評価の業界標準。エラーを種類別(正確性 · 流暢性 · スタイル · 技術)に分類し重みづけする。ASTM F2575 標準。大型 LSP がほぼ標準として採用。

実戦 — どう組み合わせるか

  • モデル開発段階 → BLEU · chrF(速く再現可能)
  • モデル選定段階 → COMET(人手評価に近い)
  • プロダクション QA → MQM(人が直接評価、コスト大)
  • ポストエディット効率 → TER

LLM が登場した後、LLM を評価者として使うパターンも増えた。Claude · GPT に二つの翻訳を見せてより良い方を選ばせる。速く人手評価に近いが、評価者 LLM のバイアスが結果に入る短所。

第 22 章 · ドメイン適応 — 法務、医療、技術、マーケティング

同じ NMT モデルでもドメインによって品質が大きく異なる。ドメイン適応の四つのパターン。

1) 用語集 / グロサリー(最も軽い) すべての主要 NMT がサポート。「この用語はこう翻訳されるべき」というマッピングを NMT に渡せば結果に反映。DeepL Pro · Google Cloud Translation · MS Translator すべてグロサリーを一級サポート。

2) Custom Translator モデル(中間) Microsoft Custom Translator、Google AutoML Translation、Amazon Active Custom Translation。社内コーパス(並列文 1 万対以上)をアップロードして社内モデルを作る。学習コスト · 時間がかかるが、一般 NMT よりドメイン精度が明確に高い。

3) 適応型 NMT (Lilt · ModernMT) 翻訳者のポストエディットが即座にモデルにフィードバックされ、セッション内で次第に適応。ドメイン適応コストが 0 に近いのがメリット。しかし人間介入が必要で量的ワークロードには不向き。

4) LLM プロンプト適応(最も柔軟) LLM のシステムプロンプトにドメイン · トーン · 禁止語 · 用語集をすべて入れる。別途学習なしに即座に適応。短所はコスト · 遅延。

ドメイン別推奨組み合わせ

  • 法務 — Custom Translator または LLM(高い精度優先)
  • 医療 — Custom Translator + 人手ポストエディット(命に直結、フェイルセーフ)
  • 技術マニュアル — DeepL Pro + Phrase TMS + グロサリー(反復多、TM が大きな資産)
  • マーケティング — LLM(トーンと創造性が決定的)
  • UI · マイクロコピー — LLM + 人手ポストエディット(短いが精密)
  • 法律 · 政府 — オンプレ NMT + 人手(データレジデンシー + 精度)

第 23 章 · 価格 · ROI — 100 万単語を翻訳する時のコスト比較

仮想シナリオ — 英語 100 万単語(約 500 万文字)を韓国語に翻訳する必要がある。オプション別コスト見積もり。

オプション A — DeepL Pro API 500 万文字 × 25 USD/100 万文字 = 125 USD。最も安い。ただしトーン一貫性とドメイン適応は弱い。

オプション B — Google Cloud Translation 500 万文字 × 20 USD/100 万文字 = 100 USD。DeepL より少し安いが韓国語品質は一段下という評価。

オプション C — Claude (LLM) 入力約 130 万トークン · 出力約 130 万トークン = 3.25 USD + 19.5 USD ≈ 23 USD。非常に安い(2026 年 5 月基準)。トーン · ドメイン適応可能。しかし遅延が大きく一貫性検証が別途必要。

オプション D — GPT-4o (LLM) 入力 1.30M × 2.5 USD/M + 出力 1.30M × 10 USD/M ≈ 16 USD。より安く速い。

オプション E — Phrase TMS + DeepL Pro + 人手ポストエディット DeepL 125 USD + Phrase 利用料 + 人手ポストエディット 5,000〜15,000 USD = 5,000〜15,000 USD。二桁高いが品質が決定的に高い。

オプション F — Lilt(人間介入型適応) プラットフォーム + 翻訳者 = 単語あたり 0.15〜0.25 USD × 100 万 = 150,000〜250,000 USD。最も高いが最も精密。

結論 — コスト vs 品質曲線

  • 一回限り · 内部利用 → LLM 直接(20 USD)
  • 量的 · 定型 → DeepL Pro · Google(100〜125 USD)
  • 精密外部公開 → DeepL + TMS + 人手(5,000〜15,000 USD)
  • ミッションクリティカル(法務 · 医療 · ブランド) → Lilt · 専門 LSP(15 万 USD+)

隠れたコスト ツール選定コストよりTM マイグレーション、ワークフロー再設計、翻訳者教育が実は大きなコスト。1 年に 1 回の一回作業ではなく 5 年累積コストで見れば、初期に高くても自動化の深いツールが結局安くなる場合が多い。

第 24 章 · プライバシー · データレジデンシー — GDPR, K-PIPA, オンプレ

企業翻訳でますます重くなる軸がデータレジデンシー。

GDPR (EU) EU 市民データは EU 内に留まる必要がある。米国クラウド経由 NMT は SCC(Standard Contractual Clauses)または Data Privacy Framework で処理可能だが、個人識別情報を含むテキストは追加検討が必要。

韓国個人情報保護法 (PIPA) 2024 年改正で海外移転規制が強化。EU と類似標準。医療 · 金融ドメインは特に厳しい。

日本 APPI EU と類似。日本市場がオンプレオプションを強く好む理由の一つ。

オプション別データレジデンシー

  • DeepL — EU ホスティング、米国データセンターオプション。オンプレ(DeepL Enterprise)可能
  • Microsoft Azure Translator — 60+ リージョン、データレジデンシーオプション強い
  • Google Cloud Translation — リージョン選択可能
  • Amazon Translate — リージョン選択可能
  • OpenAI · Anthropic · Google AI — データレジデンシーオプション制限的、エンタープライズ協約必要
  • 社内 NMT (NLLB · OPUS-MT) — 100% 社内、データ外部流出 0
  • Argos Translate — デスクトップオフライン、外部流出 0

Enterprise LLM の立ち位置 2025 年以降、Anthropic · OpenAI · Google がエンタープライズ協約で**顧客データを学習に使わない + 保持期間 0(zero retention)**を保証するオプションを正式化。韓国 · 日本 · EU 企業が LLM を導入できる道が開かれた。

現実 — どう決定するか

  • 一般コンテンツ(マーケティング · ブログ) → クラウド NMT/LLM 自由に
  • 個人情報を含む → オンプレまたは zero retention エンタープライズ LLM
  • 医療 · 金融 · 法務 · 政府 → オンプレ NMT または社内 LLM が第一候補
  • 軍 · 情報 → Argos · NLLB 社内配備

第 25 章 · 意思決定ツリー — どのツールをどこに

最後に一章でまとめる決定ガイド。

シナリオ 1 — 個人 · 学生 無料枠で完結。Papago · Google 翻訳 · DeepL Free + ChatGPT/Claude 無料。コスト 0。

シナリオ 2 — インディー開発者 · 小さな SaaS の i18n

  • ツール → POEditor または Crowdin 無料プラン
  • エンジン → DeepL Pro Starter(9 USD)または LLM 直接呼び出し
  • フレームワーク → next-intl / i18next
  • コスト → 月 10〜50 USD

シナリオ 3 — スタートアップ · 中規模 SaaS

  • ツール → Crowdin Pro または Phrase Strings
  • エンジン → DeepL Pro + LLM ポストエディット
  • フレームワーク → next-intl + Phrase Strings 統合
  • コスト → 月 100〜500 USD

シナリオ 4 — エンタープライズ · グローバルコンテンツヘビー

  • ツール → Phrase TMS または Smartling
  • エンジン → DeepL Pro · Google · MS + 人手ポストエディット
  • 適応 → グロサリー + Custom Translator
  • コスト → 年 10 万 USD+

シナリオ 5 — ドメイン精密(医療 · 法務 · 技術)

  • ツール → Lilt または社内 TMS
  • エンジン → ModernMT/Lara または Custom Translator
  • 人手 → LSP または社内専門翻訳者
  • コスト → 年数万〜数十万 USD

シナリオ 6 — 政府 · 軍 · セキュリティ(オンプレ)

  • ツール → 社内ワークフロー
  • エンジン → NLLB / OPUS-MT / Mirai オンプレ / DeepL Enterprise オンプレ
  • LLM → 社内ホスティング Llama · DeepSeek
  • コスト → 自前インフラ

シナリオ 7 — リアルタイム音声 · 通訳

  • 日常 → Google 翻訳 Conversation、Apple Live Translation
  • ビジネス → Galaxy Live Translate、Whisper
  • カンファレンス · ミーティング → KUDO、Interprefy
  • 政府 → AppTek 社内

原則 どのツールもすべての位置を完璧にこなすことはない。ハイブリッドが正解だ — NMT が量を、LLM が品質を、TMS がワークフローを、人手が最後を担う。

第 26 章 · エピローグ — 2026 年の翻訳者、2030 年の翻訳者

最後に人の位置について。2014 年 NMT 登場直後に「翻訳者が消える」というパニックが一度来た。消えなかった。2023 年 LLM 登場直後にも同じパニックが再び来た。消えないだろう。しかし職業の形は明らかに変わる。

2016 年の翻訳者 すべての文章を手で書いた。CAT ツールでメモリを活用したが NMT は補助だった。時間あたり 250〜400 単語が標準。

2026 年の翻訳者 MT が一次翻訳を終える。翻訳者は**ポストエディット(MTPE、Machine Translation Post-Editing)**を行う。時間あたり 500〜1,000 単語で処理量は 2〜3 倍。単価は単語あたり 30〜50% 下落。結果として時間あたり収入は同等か若干増えた。

2030 年の翻訳者 — 予想 直接翻訳する時間はほぼ 0 になり、言語コンサルティング · トーンレビュー · ドメイン専門性 · 文化適応が主業務となる。量的翻訳の仕事は減るが、コンテンツ量自体が爆発するため絶対的な仕事数は維持されるというのが LSP 業界団体の予想。

**創作翻訳(詩 · 文学 · マーケティング)**は依然として人の位置。AI は意味を移すが文化 · 韻律 · 含意は移せない。ハン・ガン作家のノーベル文学賞受賞時、デボラ・スミスの翻訳が核心だったという事実 — それは AI ができない。

開発者視点の結論

  • 一般コンテンツ → 自動化でコストを下げる
  • ドメイン精密 → ツール + 人手ハイブリッド
  • 文化 · 創作 → 人手に委ねる
  • コンプライアンス → オンプレ
  • 一つのツールを信仰にしないこと。6 か月ごとに風景が変わる

翻訳はもう単一モデルの戦いではない。ワークフローの戦いだ。どの位置にどのツールを差し込むかが品質とコストの両方を決める。この記事がその決定の出発点になることを。

参考資料 — 2026 年翻訳 · ローカライゼーションレファレンス

機械翻訳一般

商用ツール公式

オープンソース NMT

LLM 翻訳ガイド

i18n フレームワーク

標準フォーマット

品質評価指標

業界動向

Discuss on Twitter • View on GitHub