1 082 переклади містили слово в іншому алфавіті. Наші перевірки пропустили всі.
Мови
31 жовтня ми виявили угорське речення на одному з наших сайтів, у якому посередині були китайські слова. Ми перевірили збережені переклади всіх сайтів, які ми обслуговуємо, на наявність літер, що не належать до їхньої мови, і знайшли 1 082 такі переклади, 581 із них — на опублікованих сторінках. Усі вони пройшли наші перевірки.
Що ми знайшли
Усе це написали локальні моделі, які перекладають наші сайти, і всі помилки одного й того ж типу: слово-два іншою мовою. Зі збережених перекладів і з тих, що відхилили після цього:
- Китайська всередині інших мов: «they are» як 它们是 посередині тайського речення; китайське слово для «track», 跟踪, з угорським закінченням («támadók跟踪ására»); подібні слова в польській і грецькій.
- Російська всередині грецької, вірменської, івриту та словенської: «full house» грецькою вийшло як «φουλ хаус», друге слово кирилицею.
- Схожі літери: кириличні «о» або «а» в кінці фінського чи чеського слова. Читач сторінки цього не помітить; пошукова система або програма читання з екрана — помітить.
- Сусідні писемності: літера бенгальської писемності всередині слова каннада, деванагарі всередині каннада.
- Цілі рядки тайською на сторінках кхмерською: заголовки, мітки та комірки таблиць на кхмерських сторінках двох сайтів були просто написані тайською.
У нашому магазині було сім таких рядків. В одному з них «planted values» румунською вийшло як «valori植入».
Чому перевірки їх пропустили
Перевірка писемності запитувала, чи щонайменше 45% літер перекладу належать до писемності його мови. Це ловить залишену англійську, для чого вона й створювалася. Дві китайські літери в угорському реченні зі ста літер не змінюють частку, а одна кирилична літера змінює її ще менше.
Для короткого тексту діяло інше правило. Якщо англійський текст мав менше 25 літер, перевірка лише переконувалася, що відповідь не залишилася англійською. Комірка таблиці кхмерською, написана тайською, не містить жодної англійської літери, тому вона пройшла.
Правило, яке їх ловить
Літера, що належить до писемності, яку мова не використовує, і якої немає в англійському оригіналі, — це помилка. Три винятки не дають правилу бити на сполох:
- Латинські літери завжди дозволені: назви брендів, код і одиниці вимірювання трапляються в кожній мові.
- Китайську, японську та корейську не перевіряють, оскільки в японській змішуються кани й канджі, а в корейській можуть використовуватися ханча.
- Сербську та пенджабську, кожну з яких записують двома писемностями, перевіряють лише на наявність ієрогліфів китайської, японської та корейської.
Ми прогнали правило по всьому, що зберігалося на наших сайтах, і кожен рядок, який воно позначило і який ми прочитали, був неправильним. З 31 жовтня воно відхилило 1 652 переклади під час їх створення, з них 1 549 — кхмерські: модель не перестала писати тайською замість кхмерської, але тепер її запитують повторно, замість публікувати.
Прибирання
Збережені переклади перевіряються повторно лише тоді, коли їхню мову перекладають знову, тому кожну постраждалу мову переклали повторно: 61 з них на одинадцяти сайтах. Два рядки повернулися з тією самою помилкою вдруге: румунський «valori植入» і грецький рядок із 面向 у ньому. Ці два ми написали вручну. 2 листопада на жодній опублікованій сторінці нашого сайту не було літер іншої писемності.
Де правило живе зараз
Воно знаходиться в translation-checks 1.1.0, безкоштовно на GitHub, поруч із новою перевіркою, що кожна цифра повертається і знає, що «3 million» — це 300万 у японській. Запущене проти 568 574 прийнятих перекладів наших сайтів, нові перевірки не дали хибних спрацювань. Polyglot 1.1.0 також їх містить. Перший випадок, коли наші перевірки були проблемою, описано в попередній нотатці.