1,082 รายการแปลมีคำที่ใช้อักษรผิดชุด การตรวจสอบของเราผ่านทั้งหมด

ภาษา2026-11-02

เมื่อวันที่ 31 ตุลาคม เราพบประโยคภาษาฮังการีบนหนึ่งในเว็บไซต์ของเราที่มีคำภาษาจีนแทรกอยู่ตรงกลาง เราค้นหาการแปลที่เก็บไว้ของทุกเว็บไซต์ที่เราดูแลเพื่อหาตัวอักษรที่ไม่ใช่ของภาษานั้น และพบรายการแปลลักษณะนี้ 1,082 รายการ โดย 581 รายการอยู่ในหน้าที่เผยแพร่ ทุกๆ รายการผ่านการตรวจสอบของเรา

สิ่งที่เราพบ

ทั้งหมดเขียนโดยโมเดลท้องถิ่นที่แปลเว็บไซต์ของเรา และทั้งหมดเป็นข้อผิดพลาดแบบเดียวกัน: คำหนึ่งหรือสองคำในภาษาอื่น จากข้อมูลการแปลที่เก็บไว้ และจากข้อมูลที่ถูกปฏิเสธนับตั้งแต่:

• ภาษาจีนในภาษาอื่น: "they are" เป็น 它们是 กลางประโยคภาษาไทย; คำภาษาจีนสำหรับ "track" คือ 跟踪 ถูกเติมท้ายแบบฮังการี ("támadók跟踪ására"); คำคล้ายกันปรากฏในภาษาโปแลนด์และกรีก
• ภาษารัสเซียในภาษากรีก อาร์เมเนีย ฮีบรู และสโลวีเนีย: "full house" ในภาษากรีกออกมาเป็น "φουλ хаус" โดยคำที่สองเป็นอักษรซีริลลิก
• ตัวอักษรที่คล้ายกัน: อักษรซีริลลิก "о" หรือ "а" ที่ท้ายคำภาษาฟินแลนด์หรือเชก ผู้อ่านหน้าเว็บคงไม่ทันสังเกต แต่เครื่องมือค้นหาหรือโปรแกรมอ่านหน้าจอจะเห็น
• ชุดอักษรที่อยู่ใกล้เคียง: อักษรเบงกาลีในคำภาษากันนาดา หรืออักษรเทวนาครีในภาษากันนาดา
• บรรทัดภาษาไทยทั้งบรรทัดบนหน้าภาษาเขมร: หัวข้อ ป้ายกำกับ และเซลล์ตารางบนหน้าภาษาเขมรของสองเว็บไซต์เขียนเป็นภาษาไทยล้วน

ร้านค้าของเรามีบรรทัดลักษณะนี้เอง 7 บรรทัด ในบรรทัดหนึ่ง "planted values" ออกมาเป็นภาษาโรมาเนียว่า "valori植入"

ทำไมการตรวจสอบจึงผ่าน

การตรวจสอบชุดอักษรถามว่าอย่างน้อย 45% ของตัวอักษรในการแปลอยู่ในชุดอักษรของภาษานั้นหรือไม่ วิธีนี้จับภาษาอังกฤษที่ถูกทิ้งไว้ได้ ซึ่งคือจุดประสงค์ที่สร้างมา ตัวอักษรภาษาจีนสองตัวในประโยคฮังการีร้อยตัวอักษรไม่เปลี่ยนสัดส่วน และตัวอักษรซีริลลิกเพียงตัวเดียวเปลี่ยนสัดส่วนน้อยยิ่งกว่า

ข้อความสั้นมีกฎอีกแบบหนึ่ง สำหรับภาษาอังกฤษน้อยกว่า 25 ตัวอักษร การตรวจสอบเพียงแต่ยืนยันว่าคำตอบไม่ได้อยู่ในภาษาอังกฤษ เซลล์ตารางภาษาเขมรที่เขียนเป็นภาษาไทยไม่มีภาษาอังกฤษเลย จึงผ่านการตรวจสอบ

กฎที่จับข้อผิดพลาดเหล่านี้

ตัวอักษรที่สังกัดชุดอักษรซึ่งภาษานั้นไม่ใช้ และภาษาอังกฤษต้นฉบับไม่มี ถือว่าเป็นข้อผิดพลาด มีข้อยกเว้นสามข้อเพื่อไม่ให้กฎนี้เตือนผิด:

• อนุญาตตัวอักษรละตินเสมอ: ชื่อแบรนด์ โค้ด และหน่วยวัดปรากฏในทุกภาษา
• ภาษาจีน ญี่ปุ่น และเกาหลีไม่ได้รับการตรวจสอบ เนื่องจากภาษาญี่ปุ่นผสมอักษรคานะและคันจิ ส่วนภาษาเกาหลีอาจใช้อักษรฮันจา
• ภาษาเซอร์เบียและภาษาปัญจาบ ซึ่งแต่ละภาษาเขียนด้วยสองระบบอักษร ได้รับการตรวจสอบเฉพาะตัวอักษรจีน ญี่ปุ่น และเกาหลีเท่านั้น

เราใช้กฎนี้ตรวจสอบข้อมูลทั้งหมดที่เว็บไซต์ของเราจัดเก็บไว้ และทุกบรรทัดที่ระบบระบุว่ามีข้อผิดพลาด เมื่อเราอ่านตรวจสอบก็พบว่าเป็นข้อผิดพลาดจริง ตั้งแต่วันที่ 31 ตุลาคม ระบบปฏิเสธคำแปล 1,652 รายการทันทีที่สร้างเสร็จ ในจำนวนนี้เป็นภาษาเขมร 1,549 รายการ: แบบจำลองไม่ได้หยุดเขียนภาษาไทยสำหรับภาษาเขมร แต่ตอนนี้ระบบจะขอให้ทำใหม่แทนการเผยแพร่ทันที

การทำความสะอาดข้อมูล

คำแปลที่จัดเก็บไว้จะได้รับการตรวจสอบอีกครั้งเฉพาะเมื่อภาษานั้นถูกแปลใหม่ ดังนั้นทุกภาษาที่ได้รับผลกระทบจึงถูกแปลใหม่: รวม 61 ภาษา ในเว็บไซต์ 11 แห่ง มีสองบรรทัดที่กลับมาพร้อมข้อผิดพลาดเดิมอีกครั้ง คือ "valori植入" ในภาษาโรมาเนีย และบรรทัดภาษากรีกที่มี 面向 อยู่ เราเขียนสองบรรทัดนั้นด้วยมือเอง เมื่อวันที่ 2 พฤศจิกายน ไม่มีหน้าเว็บที่เผยแพร่ของเราหน้าใดที่มีตัวอักษรจากระบบอักษรอื่น

ตำแหน่งปัจจุบันของกฎ

กฎนี้อยู่ใน translation-checks เวอร์ชัน 1.1.0 เปิดให้ใช้งานฟรีบน GitHub อยู่เคียงข้างกับการตรวจสอบรูปแบบใหม่ที่ตรวจสอบว่าทุกตัวเลขกลับมาครบถ้วน และรู้ว่า "3 million" คือ 300万 ในภาษาญี่ปุ่น เมื่อรันกับคำแปลที่ผ่านการยอมรับ 568,574 รายการบนเว็บไซต์ของเรา การตรวจสอบรูปแบบใหม่ไม่พบการแจ้งเตือนผิดพลาด Polyglot เวอร์ชัน 1.1.0 ก็มาพร้อมกับการตรวจสอบเหล่านี้เช่นกัน บันทึกแรกที่เราพบว่าปัญหาเกิดจากการตรวจสอบของเราเองอยู่ที่ บันทึกก่อนหน้า