1082 tłumaczenia zawierały słowo w niewłaściwym alfabecie. Nasze kontrole przepuściły każde z nich.
Języki
31 października znaleźliśmy na jednej z naszych stron węgierskie zdanie z chińskimi słowami w środku. Przeszukaliśmy zapisane tłumaczenia wszystkich obsługiwanych przez nas stron pod kątem liter, które nie należą do danego języka, i znaleźliśmy 1082 takie tłumaczenia, w tym 581 na opublikowanych stronach. Każde z nich przeszło nasze kontrole.
Co znaleźliśmy
Wszystko to zostało napisane przez lokalne modele tłumaczące nasze strony i wszystko to jest tym samym błędem: jedno lub dwa słowa w innym języku. Z zapisanych tłumaczeń oraz z tych odrzuconych od tamtej pory:
- Chiński w innych językach: „they are” jako 它们是 w środku tajskiego zdania; chińskie słowo na „track”, 跟踪, z węgierską końcówką („támadók跟踪ására”); podobne słowa w polskim i greckim.
- Rosyjski w greckim, ormiańskim, hebrajskim i słoweńskim: „full house” w greckim wyszło jako „φουλ хаус”, gdzie drugie słowo jest cyrylicą.
- Podobne litery: cyryliczna „о” lub „а” na końcu fińskiego lub czeskiego słowa. Nikt czytający stronę by tego nie zauważył; wyszukiwarka lub czytnik ekranu tak.
- Sąsiadujące pisma: litera bengalska w środku kannada, dewanagari w kannada.
- Całe linie w tajskim na stronach khmerskich: tytuły, etykiety i komórki tabel na stronach khmerskich dwóch witryn były po prostu napisane po tajsku.
Nasz sklep miał siedem takich linii we własnym zakresie. W jednej z nich „planted values” wyszło w rumuńskim jako „valori植入”.
Dlaczego kontrole je przepuściły
Kontrola pisma sprawdzała, czy co najmniej 45% liter tłumaczenia należy do pisma danego języka. To wyłapuje pozostawiony angielski, do czego została stworzona. Dwie chińskie litery w stuliterowym węgierskim zdaniu nie zmieniają udziału, a pojedyncza litera cyrylicy zmienia go jeszcze mniej.
Krótkie teksty miały inną regułę. Poniżej 25 liter angielskiego kontrola sprawdzała tylko, czy odpowiedź nie pozostała w języku angielskim. Komórka tabeli khmerskiej napisana po tajsku nie zawiera w ogóle angielskiego, więc przeszła.
Reguła, która je wyłapuje
Litera należąca do pisma, którego dany język nie używa, a której nie ma w angielskim źródle, jest błędem. Trzy wyjątki chronią tę regułę przed fałszywymi alarmami:
- Litery łacińskie są zawsze dozwolone: nazwy marek, kod i jednostki występują w każdym języku.
- Chiński, japoński i koreański nie są sprawdzane, ponieważ w japońskim mieszają się kana i kanji, a w koreańskim mogą być używane hanja.
- Serbski i pendżabski, każdy zapisywany dwoma alfabetami, są sprawdzane tylko pod kątem znaków chińskich, japońskich i koreańskich.
Przepuściliśmy przez tę regułę wszystko, co nasze strony przechowywały, i każdy przez nią oznaczony wiersz, który przeczytaliśmy, był błędny. Od 31 października odrzuciła ona 1652 tłumaczenia w momencie ich tworzenia, w tym 1549 w języku khmerskim: model nie przestał pisać po tajsku dla khmerskiego, ale teraz jest o to pytany ponownie, zamiast publikowany.
Porządki
Zapisane tłumaczenia są sprawdzane ponownie tylko wtedy, gdy ich język jest tłumaczony ponownie, więc każdy dotknięty tym język został przetłumaczony od nowa: 61 z nich na jedenastu stronach. Dwa wiersze wróciły z tym samym błędem po raz drugi: rumuńskie „valori植入” i grecki wiersz zawierający 面向. Te dwa napisaliśmy ręcznie. 2 listopada żadna opublikowana przez nas strona nie zawierała znaku z innego alfabetu.
Gdzie teraz mieszka ta reguła
Znajduje się w translation-checks 1.1.0, dostępna za darmo na GitHubie, obok nowej kontroli sprawdzającej, czy każda liczba wraca poprawnie i wie, że „3 million” to po japońsku 300万. Uruchomione na 568 574 zatwierdzonych tłumaczeniach z naszych stron, nowe kontrole nie dały żadnego fałszywego alarmu. Polyglot 1.1.0 również je zawiera. Pierwszy przypadek, gdy to nasze kontrole były problemem, opisano w wcześniejszej notatce.