1.082 terjemahan memiliki kata dalam alfabet yang salah. Pemeriksaan kami meloloskan semuanya.
Bahasa
Pada 31 Oktober, kami menemukan sebuah kalimat berbahasa Hungaria di salah satu situs kami yang mengandung kata-kata berbahasa Mandarin di tengahnya. Kami mencari terjemahan yang tersimpan di setiap situs yang kami kelola untuk mencari huruf yang tidak termasuk dalam bahasanya, dan menemukan 1.082 terjemahan seperti itu, 581 di antaranya ada di halaman yang sudah dipublikasikan. Semuanya telah lolos pemeriksaan kami.
Temuan kami
Semuanya ditulis oleh model lokal yang menerjemahkan situs kami, dan semuanya adalah kesalahan yang sama: satu atau dua kata dalam bahasa lain. Dari terjemahan yang tersimpan, dan dari yang ditolak sejak saat itu:
- Mandarin di dalam bahasa lain: "they are" menjadi 它们是 di tengah kalimat berbahasa Thai; kata Mandarin untuk "track", 跟踪, diberi akhiran Hungaria ("támadók跟踪ására"); kata-kata serupa dalam bahasa Polandia dan Yunani.
- Rusia di dalam bahasa Yunani, Armenia, Ibrani dan Slovenia: "full house" dalam bahasa Yunani muncul sebagai "φουλ хаус", dengan kata kedua dalam alfabet Kiril.
- Huruf yang mirip: huruf Kiril "о" atau "а" di akhir kata berbahasa Finlandia atau Ceko. Pembaca halaman tidak akan menyadarinya; mesin pencari atau pembaca layar akan menyadarinya.
- Skrip yang berdekatan: huruf Bengali di dalam kata berbahasa Kannada, Devanagari di dalam Kannada.
- Baris lengkap dalam bahasa Thai di halaman Khmer: judul, label, dan sel tabel di halaman Khmer dari dua situs ditulis dalam bahasa Thai.
Toko kami memiliki tujuh baris seperti itu. Dalam satu baris, "planted values" muncul dalam bahasa Rumania sebagai "valori植入".
Mengapa pemeriksaan meloloskannya
Pemeriksaan skrip menanyakan apakah setidaknya 45% huruf dalam sebuah terjemahan menggunakan skrip bahasanya. Ini menangkap bahasa Inggris yang dibiarkan tetap ada, yang memang tujuan pembuatannya. Dua huruf Mandarin dalam kalimat Hungaria yang terdiri dari seratus huruf tidak mengubah proporsinya, dan satu huruf Kiril mengubahnya lebih sedikit lagi.
Teks pendek memiliki aturan yang berbeda. Di bawah 25 huruf bahasa Inggris, pemeriksaan hanya memastikan bahwa jawaban tidak tetap dalam bahasa Inggris. Sel tabel Khmer yang ditulis dalam bahasa Thai tidak mengandung bahasa Inggris sama sekali, sehingga lolos.
Aturan yang menangkapnya
Huruf yang termasuk dalam skrip yang tidak digunakan oleh bahasa tersebut, dan yang tidak terkandung dalam sumber bahasa Inggris, adalah kesalahan. Tiga pengecualian mencegah aturan ini terlalu sering menandai kesalahan:
- Huruf Latin selalu diizinkan: nama merek, kode, dan satuan muncul di setiap bahasa.
- Bahasa Tionghoa, Jepang, dan Korea tidak diperiksa, karena bahasa Jepang mencampurkan kana dan kanji, serta bahasa Korea dapat menggunakan hanja.
- Bahasa Serbia dan Punjabi, yang masing-masing ditulis dalam dua skrip, hanya diperiksa untuk huruf Tionghoa, Jepang, dan Korea.
Kami menjalankan aturan tersebut pada semua yang tersimpan di situs kami, dan setiap baris yang ditandai ternyata memang salah. Sejak 31 Oktober, sistem menolak 1.652 terjemahan saat dibuat, 1.549 di antaranya bahasa Khmer: model tidak berhenti menulis bahasa Thai untuk bahasa Khmer, tetapi kini diminta ulang alih-alih langsung dipublikasikan.
Pembersihan
Terjemahan yang tersimpan diperiksa ulang hanya ketika bahasanya diterjemahkan ulang, sehingga setiap bahasa yang terdampak diterjemahkan ulang: 61 bahasa di sebelas situs. Dua baris kembali dengan kesalahan yang sama untuk kedua kalinya: "valori植入" dalam bahasa Rumania dan satu baris bahasa Yunani yang mengandung 面向. Kami menulis ulang kedua baris tersebut secara manual. Pada 2 November, tidak ada halaman publik kami yang memiliki huruf dari skrip lain.
Tempat aturan tersebut berada sekarang
Aturan tersebut ada di translation-checks 1.1.0, gratis di GitHub, berdampingan dengan pemeriksaan baru yang memastikan setiap angka kembali dan mengetahui bahwa "3 million" adalah 300万 dalam bahasa Jepang. Dijalankan terhadap 568.574 terjemahan yang diterima di situs kami, pemeriksaan baru tersebut tidak menimbulkan peringatan palsu. Polyglot 1.1.0 juga menyertakannya. Catatan pertama kali pemeriksaan kami menjadi masalah ada di catatan sebelumnya.