ゲームの海外ローカライズにおける生成AI活用事例

def read_and_prepare_file(    xlsx_file: UploadFile,    sheet_name: str,    keys: list[str],    source_col: str,    target_language: str,) -> pd.DataFrame:    """Excelファイルを読み込み、データフレームを準備する"""    origin_contents = xlsx_file.file.read()    buffer = io.BytesIO(origin_contents)    df = pd.read_excel(buffer, sheet_name=sheet_name).dropna(subset=[source_col])    df = df.set_index(keys)    df[target_language] = ""  # 初期化    return df

def parse_texts_in_dataframe(df: pd.DataFrame, source_language: str, agent_classes: dict):    """データフレーム内の各テキストを解析する"""    df["split_words"] = ""    df["is_word"] = False    df["has_placeholder"] = False    for i in tqdm(df.index):        df.at[i, "split_words"] = word_split(            source_language,            source_text=df.loc[i, source_col],            agent_classes=agent_classes,        )        parse_res = parse_text(            source_language=source_language,            source_text=df.loc[i, source_col],            agent_classes=agent_classes,        )        df.at[i, "is_word"] = parse_res["is_word"]        df.at[i, "has_placeholder"] = parse_res["has_placeholder"]

各テキストを解析して単語の分解やプレースホルダー有無を確認している。

ゲーム翻訳では、「キャラクターの一人称」や「特定の用語」だけでなく、「占位文字」（プレースホルダー）も非常に重要な要素です。これらを適切に解析し、翻訳プロセスに組み込むことで、翻訳品質を高めることができます。

処理の具体的な流れ

• 正規表現パターンの定義：
  • placeholder_pattern = re.compile(r'{\w+}’)：占位文字を検出するための正規表現パターンを定義します。この例では、{}で囲まれた単語にマッチします。
• テキストの解析：
  • text = df.loc[i, source_col]：対象のテキストを取得します。
    split_words = text.split()：テキストを空白で分割し、単語リストを作成します。
    has_placeholder = bool(placeholder_pattern.search(text))：テキストに占位文字が含まれているかをチェックします。
• 解析結果の格納：
  • df.at[i, “split_words”] = split_words：分割された単語リストをデータフレームに格納します。
  • df.at[i, “is_word”] = len(split_words) == 1：単語が一つだけかどうかをチェックし、その結果をデータフレームに格納します。
  • df.at[i, “has_placeholder”] = has_placeholder：占位文字が含まれているかどうかの結果をデータフレームに格納します。

以上の処理を行うことで、各テキストが占位文字を含んでいるかどうか、どのように分割されるかを解析し、それらをデータフレームに格納します。この解析結果は、後の翻訳プロセスで非常に役立ちます。占位文字を考慮した翻訳が行われ、テキストの整合性が保たれます。

占位文字（プレースホルダー）とは？

占位文字（プレースホルダー）は、動的に変更される部分を指示するために使われる特別な記号や文字列のことです。例えば、以下のようなケースがよくあります：

{playerName}：プレイヤーの名前が動的に挿入される部分。
%d：整数が動的に挿入される部分（例：カウントやスコア）。
{item}：取得したアイテムの名称が挿入される部分。
こうした占位文字がある場合、それを適切に扱わないと、翻訳後のテキストに不整合が生じ、ユーザーが違和感を覚える原因になります。

占位文字の解析と処理の意義

占位文字の解析と処理の目的は以下の通りです：
占位文字の正確な翻訳：占位文字が含まれる文を適切に解析して、翻訳時に正しく保持することで、動的なコンテンツが正確に表示されるようにする。
テキストの整合性の維持：占位文字を適切に保持することで、文章全体の整合性を保つ。
誤訳の防止：占位文字を無視しないことで、ユーザーが混乱しないようにする。

用語集の初期化(uploadがなかった場合)

最初のprocess_excel()にgrossaryがなかった場合の初期化処理

def init_glossary(df: pd.DataFrame, df_glossary: pd.DataFrame, source_language: str, target_language: str) -> pd.DataFrame:    """辞書の初期化を行い、新しい用語を追加する"""    chunk = []    size = 0    for i, index in enumerate(df.index):        words: list = df.loc[index, "split_words"]        chunk.extend(words)        size += len(words)        if size > 200:            df_glossary = ai_glossary(                chunk,                df_glossary,                source_language,                target_language,                agent_classes,            )            chunk = []            size = 0    if size > 0:        df_glossary = ai_glossary(            chunk,            df_glossary,            source_language,            target_language,            agent_classes,        )    return df_glossary

def process_translations(    df: pd.DataFrame,    df_glossary: pd.DataFrame,    source_language: str,    target_language: str,    source_col: str) -> Generator[dict, None, None]:    """各テキストを翻訳し、結果をデータフレームに追加する処理"""        # tqdmは進行状況バーを表示するためのライブラリ    for i in tqdm(df.index):        # 翻訳関数を呼び出し、翻訳結果と更新された用語集を取得        translation, df_glossary = ai_translate(            i,            source_col,            df,            df_glossary,            source_language,            target_language,            agent_classes=agent_classes,        )        # 翻訳結果をデータフレームの該当する列に追加        df.loc[i, target_language] = translation                # 進行状況を出力（オプション）        yield {            "message": f"{df.loc[i, source_col]} -> {df.loc[i, target_language]}",            "df_translated": df.loc[i].to_dict(),            "df_glossary": None,            "is_last": False,        }    # 翻訳が全て完了した後の最終出力    yield {        "message": "[翻訳完成]",        "df_translated": df.drop(columns=["split_words", "is_word", "has_placeholder"]).to_dict(),        "df_glossary": df_glossary.to_dict(),        "is_last": True,    }