TranslatedがLara 3を発表、専門翻訳AIの必要性を示す

翻訳は美しく読めても、仕事を間違えることがあります。製品用語がマニュアルの途中で変わったり、サポートメッセージが文脈を失ったり、キャンペーンが元の声を失ったまま別の言語で届いたりします。これらが、Translated がLara 3の一般リリースとその専門的AI翻訳モデルで対象としている問題です。

10月7日に発表されたこのリリースにより、Lara API、TranslationOS、Lara Translate を通じて、Lara 3 が企業、プロの翻訳者、個人ユーザーに提供されます。7月に選択されたパートナーへの導入に続き、汎用AIモデルがますます混み合う市場に、特化した翻訳システムを投入します。

見出しの主張は重要です。Translated のブラインド評価では、プロの翻訳者が Lara 3 の翻訳の 82% を完璧と評価し、修正が不要としました。同社はテストした一般的なAIおよび専用翻訳ツールのスコアはそれより低いと報告しています。より興味深いのは、翻訳が実際のプロダクションワークフローの一部になる際、専門化がどのように寄与するかという点です。

ベンチマークが測定するもの

リリースによると、評価は英語から21のエンタープライズローカリゼーション言語への16,800件の翻訳を対象としました。書籍、ニュース、ユーザー会話を含むWMT25の資料と、旅行、技術、金融分野の独自エンタープライズコンテンツを組み合わせています。

21の言語ペア全体で平均すると、Translated は以下の完璧と評価された翻訳の割合を報告しています。

• Lara 3: 82%
• GPT-5.6 Sol: 69%
• Claude Fable 5: 67%
• DeepL: 57%
• Google Translate: 53%

リリースによると、Lara は21の言語ペアのうち20で第1位を獲得しました。Lara の 公開ベンチマーク手法ノート では、3人のプロ翻訳者のうち少なくとも2人による多数決が記述されています。これらは、すべての言語、領域、文書に対する普遍的な正確性評価ではなく、定義されたテストセットに基づく会社報告の結果です。

この区別は重要です。英語から対象言語へのパフォーマンスは、すべての翻訳方向で同じ順位を示すわけではなく、総合スコアが高くても言語やコンテンツタイプ間の差異を隠すことがあります。ローカリゼーションチームにとって、重要なのは自社の用語、資料、レビュー基準に基づくテストです。

展開前に練習するモデル

Translated の Lara 3 の技術的導入 では、「実践的学習」と呼ばれるトレーニング手法が説明されています。模倣が基盤でありながら、モデルは代替翻訳の生成を練習します。プロのレビューアの専門知識で形作られた自動ジャッジがこれらの試みを評価し、モデルは成功した選択を強化し、弱いものを修正します。

同社によれば、このサイクルはトレーニング中に何百万回も実行されます。その結果得られる挙動はデプロイされたモデルに組み込まれ、すべての顧客リクエストが新たなトレーニングプロセスを起動するわけではありません。

このアプローチは翻訳におけるよくある課題に対処します。文の複数のバージョンが有効であっても、周囲の文脈に合うものは限られます。代替案を評価することを学ぶことで、単に参照回答を再現するだけとは異なる目的が得られます。

リリースでは、共同創業者兼CEOの Marco Trombetti が、翻訳品質は問題を深く理解することに依存すると主張しています。曖昧なフレーズや誤った技術用語、見落とされた文化的手がかりが読者の理解を変える場合、流暢さだけでは不十分です。

コンテキストはワークフローの一部

トレーニングは単なる一層に過ぎません。Lara の 開発者向けドキュメント では、個々の文を翻訳する際にシステムが関連する文書コンテキストをどのように利用するかが説明されています。長い入力に対しては、周囲のテキストを追加のモデル入力として提供しながら、文を並列に翻訳できます。

開発者は、翻訳に情報を提供すべき外部コンテキストを、翻訳対象自体にせずに提供することもできます。例えば、ブログのタイトルに記事本文を添える、あるいは新しいチャットメッセージに前の会話を付加することが可能です。これは、プロの翻訳ツールがすでに文書を別々のセグメントに分割している場合に特に有用です。

エンタープライズユーザーにとって、この機能は実用的な目的があります。小さなコンテンツ片をそれらに意味を与える情報と結びつけて保持することです。用語集や承認済みの翻訳メモリは、特に同じ製品用語がウェブサイト、ドキュメント、カスタマーサポート全体に出現する場合に、一貫性の別の層を追加します。

品質スコアから生産経済性へ

リリースでは、別個の速度とコストのベンチマークも報告されています。シングルスレッドテストでは、Translated が、Lara 3 が Claude Fable 5 の23倍のスループットを実現し、同じ予算で3.75倍の文字数を翻訳したと述べています。これらの比較は品質評価とは別であり、テスト環境内で理解すべきです。

Lara の API プラットフォーム は、プレーンテキストだけでなく HTML や XLIFF のローカリゼーションコンテンツ、文書、画像、音声にも対応しています。製品ページでは、レイアウトを保持したまま 70 種類以上の文書フォーマットをサポートし、さらに用語集と翻訳メモリの統合が可能と説明されています。対応範囲は入力タイプによって異なるため、テキスト言語のサポートが音声や画像にも同様に適用されるとは限りません。

Translated は 1999 年に言語学者 Isabelle Andrieu とコンピュータ科学者 Marco Trombetti によって設立されました。同社のローンチリリースによれば、200 言語と 40 以上の分野にわたり、300,000 人以上の顧客にサービスを提供しているとのことです。この歴史は、Lara がローカリゼーションのあまり華やかでない要件、すなわち一貫した用語、文脈的な正確性、そして意図された用途に合致した出力に重点を置く理由を説明しています。

Lara 3 の一般提供は、専門化の議論を製品選択の決定へと変えます。報告されたベンチマークでのリードは調査の理由となりますが、より重要な検証は実際のコンテンツにおいて編集や統合作業を削減できるかどうかです。大規模に翻訳を行うチームにとって、意味を確実に保持できることが、最初の印象的な文を超えてモデルを有用にする要因です。