1.082 vertalingen hadden een woord in het verkeerde alfabet. Onze controles lieten ze allemaal door.
Talen
Op 31 oktober vonden we een Hongaarse zin op een van onze sites met Chinese woorden erin. We doorzochten de opgeslagen vertalingen van elke site die we beheren op letters die niet bij hun taal horen en vonden 1.082 vertalingen zoals deze, waarvan 581 op gepubliceerde pagina's. Ze hadden allemaal onze controles doorstaan.
Wat we vonden
Het was allemaal geschreven door de lokale modellen die onze sites vertalen, en het is allemaal dezelfde fout: een woord of twee in een andere taal. Uit de opgeslagen vertalingen, en uit diegene die sindsdien zijn geweigerd:
- Chinees in andere talen: "they are" als 它们是 midden in een Thaise zin; het Chinese voor "track", 跟踪, met een Hongaarse uitgang ("támadók跟踪ására"); vergelijkbare woorden in het Pools en Grieks.
- Russisch in Grieks, Armeens, Hebreeuws en Sloveens: "full house" in het Grieks kwam eruit als "φουλ хаус", waarbij het tweede woord in het Cyrillisch was.
- Verwarrende letters: een Cyrillische "о" of "а" aan het einde van een Fins of Tsjechisch woord. Niemand die de pagina leest, zou het merken; een zoekmachine of een schermlezer wel.
- Aangrenzende schriften: een Bengaalse letter in een Kannada-woord, Devanagari in Kannada.
- Hele regels in het Thai op Khmer-pagina's: titels, labels en tabelcellen op de Khmer-pagina's van twee sites waren gewoon in het Thai geschreven.
Onze winkel had zelf zeven van zulke regels. In één daarvan kwam "planted values" in het Roemeens eruit als "valori植入".
Waarom de controles ze doorlieten
De schriftcontrole vroeg of minstens 45% van de letters van een vertaling in het schrift van die taal stond. Dat vangt Engels dat is blijven staan, waarvoor het is gebouwd. Twee Chinese letters in een Hongaarse zin van honderd letters veranderen het percentage niet, en een enkele Cyrillische letter verandert het nog minder.
Korte tekst had een andere regel. Onder de 25 letters Engels controleerde de check alleen of het antwoord niet in het Engels was gebleven. Een Khmer-tabelcel die in het Thai is geschreven, bevat geen Engels, dus die kwam erdoor.
De regel die ze vangt
Een letter die bij een schrift hoort dat de taal niet gebruikt, en die niet in de Engelse bron staat, is een fout. Drie uitzonderingen voorkomen dat de regel te vaak alarm slaat:
- Latijnse letters zijn altijd toegestaan: merknamen, code en eenheden komen in elke taal voor.
- Chinees, Japans en Koreaans worden niet gecontroleerd, omdat Japans kana en kanji mengt en Koreaans hanja kan gebruiken.
- Servisch en Punjabi, elk in twee schriften geschreven, worden alleen gecontroleerd op Chinese, Japanse en Koreaanse letters.
We hebben de regel over alles wat onze sites hadden opgeslagen laten lopen, en elke regel die hij markeerde en die we lazen, was fout. Sinds 31 oktober heeft hij 1.652 vertalingen geweigerd terwijl ze werden gemaakt, waarvan 1.549 Khmer: het model is niet gestopt met Thais schrijven voor Khmer, maar wordt nu opnieuw gevraagd in plaats van gepubliceerd.
Opschonen
Opgeslagen vertalingen worden alleen opnieuw gecontroleerd wanneer hun taal opnieuw wordt vertaald, dus elke getroffen taal werd opnieuw vertaald: 61 ervan over elf sites. Twee regels kwamen een tweede keer met dezelfde fout terug: de Roemeense "valori植入" en een Griekse regel met 面向 erin. Die twee hebben we met de hand geschreven. Op 2 november had geen enkele gepubliceerde pagina van ons een letter van een ander schrift.
Waar de regel nu staat
Hij staat in translation-checks 1.1.0, gratis op GitHub, naast een nieuwe controle dat elk getal terugkomt en weet dat "3 million" 300万 is in het Japans. Uitgevoerd tegen de 568.574 geaccepteerde vertalingen van onze sites, gaven de nieuwe controles geen vals alarm. Polyglot 1.1.0 bevat ze ook. De eerste keer dat onze controles het probleem waren, staat in een eerdere notitie.