1 082 prekladov malo slovo v nesprávnej abecede. Naše kontroly ich všetky prepustili.
Jazyky
31. októbra sme na jednej z našich stránok našli maďarskú vetu s čínskymi slovami uprostred. V uložených prekladoch všetkých stránok, ktoré prevádzkujeme, sme hľadali písmená, ktoré do ich jazyka nepatria, a našli sme 1 082 takýchto prekladov, z toho 581 na publikovaných stránkach. Každý jeden prešiel našimi kontrolami.
Čo sme našli
Všetko napísali lokálne modely, ktoré prekladajú naše stránky, a vždy išlo o tú istú chybu: jedno alebo dve slová v inom jazyku. Z uložených prekladov a z tých, ktoré boli od tej doby zamietnuté:
- Čínština v iných jazykoch: „they are“ ako 它们是 uprostred thajskej vety; čínske slovo pre „track“, 跟踪, s maďarskou koncovkou („támadók跟踪ására“); podobné slová v poľštine a gréčtine.
- Ručtina v gréčtine, arménčine, hebrejčine a slovinčine: „full house“ v gréčtine vyšlo ako „φουλ хаус“, druhé slovo v cyrilike.
- Podobne vyzerajúce písmená: cyrilické „о“ alebo „а“ na konci fínskeho alebo českého slova. Čitateľ stránky si toho nevšimne; vyhľadávač alebo čítačka obrazovky áno.
- Susediace písma: bengálske písmeno v kannadskom slove, dévanágarí v kannadčine.
- Celé riadky v thajčine na khmérske stránkach: nadpisy, popisky a bunky tabuliek na khmérske stránkach dvoch stránok boli jednoducho napísané v thajčine.
Náš obchod mal sedem takýchto riadkov. V jednom z nich vyšlo „planted values“ v rumunčine ako „valori植入“.
Prečo ich kontroly prepustili
Kontrola písma zisťovala, či aspoň 45 % písmen prekladu je v písme daného jazyka. To zachytí ponechanú angličtinu, na čo bola kontrola stavaná. Dve čínske písmená v stopísmenovej maďarskej vete podiel nezmenia a jediné cyrilické písmeno ho zmení ešte menej.
Pre krátky text platilo iné pravidlo. Pri menej ako 25 písmenách angličtiny kontrola len overovala, či odpoveď nezostala v angličtine. Kmérska bunka tabuľky napísaná v thajčine neobsahuje žiadnu angličtinu, preto prešla.
Pravidlo, ktoré ich zachytí
Písmeno, ktoré patrí do písma, ktoré daný jazyk nepoužíva, a ktoré sa nevyskytuje v anglickom zdroji, je chyba. Tri výnimky zabraňujú tomu, aby pravidlo kŕkalo na prázdno:
- Latinkové písmená sa vždy pripúšťajú: názvy značiek, kód a jednotky sa vyskytujú v každom jazyku.
- Čínština, japončina a kórejčina sa nekontrolujú, pretože japončina mieši kaku a kandži a kórejčina môže používať hanču.
- Srbčina a paňdžábčina, každá písaná v dvoch písomných systémoch, sa kontrolujú iba na prítomnosť čínskych, japonských a kórejských znakov.
Prebehli sme pravidlo všetkým, čo naše stránky uložili, a každý riadok, ktorý označilo a ktorý sme si prečítali, bol chybný. Od 31. októbra odmietlo 1 652 prekladov pri ich vytvorení, z toho 1 549 v khmérčine: model neprestal písať thajčinu pre khmérčinu, ale teraz sa ho znova opýta, namiesto toho, aby preklad publikoval.
Čistenie
Uložené preklady sa znova kontrolujú iba vtedy, keď sa ich jazyk znova prekladá, takže každý postihnutý jazyk sa znova preložil: 61 z nich na jedenástich stránkach. Dva riadky sa vrátili s rovnakou chybou druhýkrát: rumunský „valori植入“ a grécky riadok obsahujúci 面向. Tie dva sme napísali ručne. Dňa 2. novembra žiadna naša publikovaná stránka neobsahovala znak iného písma.
Kde pravidlo teraz žije
Je v translation-checks 1.1.0, zadarmo na GitHube, vedľa novej kontroly, či sa každé číslo vráti a či vie, že „3 million“ je v japončine 300万. Pri behu na 568 574 prijatých prekladoch našich stránok nové kontroly nevyvolali žiadny falošný poplach. Polyglot 1.1.0 ich obsahuje tiež. Prvý prípad, keď boli problémom naše kontroly, je v predchádzajúcej poznámke.