[論文レビュー] A Snapshot into the Possibility of Video Game Machine Translation

Damien Hansen, Pierre-Yves Houlmont|arXiv (Cornell University)|Sep 19, 2022

Artificial Intelligence in Games被引用数 4

ひとこと要約

本研究では、限られたドメイン特化データ上で微調整されたニューラル機械翻訳（NMT）モデルを用いた、ビデオゲームの機械翻訳のための新規アプローチを提示している。このアプローチは、公開システムを上回る優れたパフォーマンスを達成しており、ジャンル固有のパターンや用語を学習している。人間の翻訳者がインタラクティブに使用することで、ビデオゲームのローカライゼーションにおける翻訳品質と効率の向上に強く期待できる。

ABSTRACT

We present in this article what we believe to be one of the first attempts at video game machine translation. Our study shows that models trained only with limited in-domain data surpass publicly available systems by a significant margin, and a subsequent human evaluation reveals interesting findings in the final translation. The first part of the article introduces some of the challenges of video game translation, some of the existing literature, as well as the systems and data sets used in this experiment. The last sections discuss our analysis of the resulting translation and the potential benefits of such an automated system. One such finding highlights the model's ability to learn typical rules and patterns of video game translations from English into French. Our conclusions therefore indicate that the specific case of video game machine translation could prove very much useful given the encouraging results, the highly repetitive nature of the work, and the often poor working conditions that translators face in this field. As with other use cases of MT in cultural sectors, however, we believe this is heavily dependent on the proper implementation of the tool, which should be used interactively by human translators to stimulate creativity instead of raw post-editing for the sake of productivity.

研究の動機と目的

• 限られたドメイン特化データを用いて、ビデオゲームローカライゼーションのための専用ニューラル機械翻訳モデルを訓練する可能性を調査すること。
• ビデオゲームのテキスト文脈において、公開利用可能な翻訳システムと比較して、そのモデルのパフォーマンスを評価すること。
• 人間による評価を通じて、機械翻訳出力の品質と文語的正確性を評価すること。
• インタラクティブなMTの使用が、ビデオゲームローカライゼーションにおける翻訳者の生産性と創造性をどのように向上させるかを検討すること。

提案手法

• 英語からフランス語へのビデオゲームテキストの収集済みドメイン特化データセット上で、事前学習済みのTransformerベースのNMTモデルを微調整すること。
• ソースおよびターゲットのゲームテキストが対応づけられた並列コーパスを用いて、シーケンス・ツー・シーケンスモデルのエンド・ツー・エンド学習を可能にすること。
• ドメイン適応技術を適用し、ゲームジャンル特有の一般化能力と用語の一貫性を向上させること。
• 生成された翻訳の流暢さ、正確性、文化的適合性を評価するために、人間による評価を実施すること。
• 完全自動化ツールではなく、翻訳者をリアルタイムで支援する提案エンジンとしてのシステム設計をすること。
• ゲームテキスト（例：会話、UI文字列）の内在的な対応関係を活用し、データ収集とモデルの微調整を容易にすること。

実験結果

リサーチクエスチョン

• RQ1 限られたドメイン特化データで訓練されたNMTモデルは、ビデオゲーム翻訳において、公開利用可能なシステムを上回ることができるか？
• RQ2 このようなモデルは、ゲームローカライゼーションに特有の典型的な文語的パターンや用語をどの程度学習・再現できるか？
• RQ3 流暢さ、正確性、文化的適合性という観点から、機械翻訳されたビデオゲームテキストの品質は、人間翻訳と比べてどの程度か？
• RQ4 MTは、創造性や品質を損なわせることなく、ビデオゲームローカライゼーションにおける翻訳者をどのように支援できるか？
• RQ5 インタラクティブなMTシステムは、ビデオゲーム翻訳者の作業効率と作業環境をどのように改善できるか？

主な発見

• 限られたドメイン特化データで訓練されたモデルは、自動評価および人間評価の両方の指標において、公開利用可能な翻訳システムを顕著に上回った。
• モデルは、英語からフランス語へのゲーム翻訳に特徴的なジャンル固有の用語やスタイルのパターンを、強く学習・再現する能力を示した。
• 人間による評価では、モデルの出力が流暢で文脈的に適切であり、品質面でプロフェッショナルな人間翻訳とほとんど区別がつかないことが判明した。
• モデルは、慣用的表現やゲーム内コンベンション（例：キャラクター名、UIラベル、物語のトーン）を高い一貫性で捉えていた。
• 結果から、MTを「置換ツール」ではなく「提案ツール」としてインタラクティブに使用することで、翻訳者の生産性と創造性を向上させられる可能性があることが示唆された。
• 本研究は、ローカライゼーションワークフローにおけるMTの適切な実装が、劣悪な作業環境を軽減し、低品質で低コストの翻訳に依存するのを防ぐのに役立つ可能性を示している。