地方インバウンドとAI翻訳|実用23言語と同時通訳までの三段

地方インバウンドとAI翻訳|実用23言語と同時通訳までの三段

翻訳アプリは、置けば済む備品ではない

地方の飲食店や駅の窓口で端末を一台用意しても、それで言葉の問題が片付いたとは言いにくい。どの言語がどの精度で動くのか、会話のどの形まで耐えるのかが決まっていないと、現場では使われないまま棚に残る。この「どこまで動くのか」を国の計画として年次で区切ってきたのが、総務省と情報通信研究機構(NICT)の多言語翻訳技術の取組である。

出発点は2014年の「グローバルコミュニケーション計画」で、こちらが第1期として2019年まで続いた。第1期では世界初のネットワーク型音声翻訳スマートフォンアプリとして「VoiceTra(ボイストラ)」が公開され、全国5つの観光地域での大規模実証実験で大量の実利用ログを集めて精度を上げている。自治体や郵便局の窓口での翻訳サービス、病院や鉄道会社での利活用、音声認識技術による聴覚障がい者支援サービスも、この期間に動き出した。

続く第2期が、2020年3月に策定されたグローバルコミュニケーション計画2025である。副題は「多言語翻訳技術の高度化と社会実装の更なる進展へ」。ミッションは「世界の『言葉の壁』をなくす」で、その中身は「逐次翻訳」から「同時通訳」への進化と社会実装の更なる進展と書かれている。

実用レベルは12言語から始まり、23言語になった

言語の数を追うと、到達点がはっきりする。第1期の取組によってAI技術も導入され、実用レベルを達成したのは12言語だった。計画2025の本文に並ぶNICTの重点対応言語は、日本語、英語、中国語、韓国語、タイ語、インドネシア語、ベトナム語、ミャンマー語、フランス語、スペイン語、ブラジルポルトガル語、フィリピン語である。

この12のうち前半の8つは主に訪日外国人への対応を当初目標として選ばれ、後半の4つは主に在留外国人への対応として加えられた。フランス語やブラジルポルトガル語が訪日客向けではなく在留外国人向けに位置づけられているのは、日本に住んでいる人の言語構成に合わせたからである。

そこから6年経った現在地は、総務省の令和8年版情報通信白書に書かれている。NICTが開発する多言語翻訳技術は、最新のAI技術を活用することで、訪日・在留外国人と外交への対応を想定した23言語について実用レベルの翻訳精度を実現した。12から23へ、対象はほぼ倍になった。

目標は、会話・議論・交渉の3段で書かれている

計画2025が面白いのは、精度を百分率ではなく「どんな場面に耐えるか」で定義している点だ。段は3つある。

年次 レベル 想定する場面
2020年 日常生活やビジネスを支える翻訳(Conversation Level) 日常生活・行政手続・医療・旅行・ビジネス等の場面での会話をサポートする。逐次翻訳の社会実装の深化と拡大
2025年 文脈・話者の意図等を補う同時通訳(Discussion Level) ビジネス・国際会議等での議論の場面も含め、文脈や話者の意図、周囲の状況、文化的背景を補う。高精度と低遅延を両立
2030年 シビアな交渉にも使える同時通訳(Negotiation Level) ビジネス・国際会議等でのシビアな交渉でも利用可能。TPOや状況に合わせた表現で翻訳する
総務省「グローバルコミュニケーション計画2025」(2020年3月)の目標から作成

観光の現場で必要になるのは、ほとんどが2020年の段に収まる。注文を取る、道を案内する、支払いの方法を伝える。その一方で2025年の段に進むために開発が進められたのは、入力分割・要約・翻訳出力最適化といったコア技術、通訳精度を高める文脈処理やマルチモーダル技術、音源分離技術、拡張現実との連携技術である。会議のための技術が、結果として騒がしい店内での聞き取りにも効いてくる関係にある。

精度が変わった理由は、学習データの桁が変わったこと

なぜ数年で使える道具になったのか。計画2025は技術の世代交代を3つに整理している。最初のルールベースは、人が書けるルールデータが1言語対あたり1万規則の規模で、特定話者が静かな室内で文節ごとに定型文を発話する前提だった。会議室の予約程度ならできる、という水準である。

次のコーパスベースでは、統計処理に必要な対訳データが1言語対あたり10万文に増え、不特定話者が対象になった。丁寧な発話は必要だが、一定の条件下であれば屋外でも音声認識ができるようになり、生活会話の翻訳が射程に入る。

現在のニューラルネットベースでは、深層学習に必要な学習データが1言語対あたり100万文の桁になった。不特定話者が対象で、雑音の下でも高精度な音声認識ができ、違和感のない自然な文章に訳し、自然な音声で読み上げる。1万、10万、100万と桁が二つ上がったことが、屋外や店内で使えるかどうかの分かれ目になっている。派生技術として、日本語を日本語に訳す形の要約自動生成技術も生まれた。

地方に届いているのは、40を超える民間サービスの側

受け入れる側が実際に触るのは、研究機関のアプリではないことが多い。情報通信白書によると、NICTが提供しているVoiceTraは個人旅行者の利用を想定した研究用アプリという位置づけで、業務での本番運用はそこから先にある。技術移転を通じて40を超える民間サービスが展開され、官公庁のほか防災・交通・医療等の幅広い分野で活用されている。

到達点として示されたのが万博だ。2025年度、大阪・関西万博ではNICTが開発した翻訳エンジンを活用し、31言語に対応した翻訳アプリやセミナー等における同時通訳が実装された。実用レベルの23言語より多い31という数字が出てくるのは、アプリの対応言語と、精度を保証する重点対応言語の線が別だからである。導入を検討するときは、対応言語の数ではなく、自分が使う言語がどちらの線の内側かを確かめたい。

計画2025のビジョンには、地方も含む日本全国で増加が見込まれる訪日・在留外国人との交流や生活の場における言葉の壁の解消という一文が置かれている。在留資格「特定技能」の対象14分野には宿泊、農業、漁業、飲食料品製造業、外食業が入っており、観光客への応対と働く人同士の会話は同じ現場で重なる。どの場面から手を付けるかは地方インバウンドの外国語対応はどこから直すか、投じる費用の回収の見通しは地方のインバウンド消費の内訳、農村部の受け入れ規模は農泊のインバウンドが手がかりになる。地域で働きながら関わる入口はFLASPOでも紹介している。

よくある質問

AI翻訳はもう通訳の代わりになるのか。計画の区分で言えば、日常の会話と手続きは2020年の段で足りる想定だが、議論の場面に耐える同時通訳は2025年の目標、交渉に使える水準は2030年の目標である。場面の重さで線が引かれている。

対応言語はいくつと答えればよいのか。実用レベルの翻訳精度を実現しているのは23言語で、万博で実装された翻訳アプリは31言語に対応した。数え方の前提が違うので、出典と時点を添えて答えるのが安全である。

VoiceTraを店で使ってよいのか。個人旅行者の利用を想定した研究用アプリと説明されている。業務で継続的に使うなら、同じ技術の移転を受けた民間サービスを検討するほうが筋が通る。

騒がしい店内でも聞き取れるのか。ニューラルネットベースの世代は、不特定話者を対象に雑音下でも高精度な音声認識ができるとされている。加えて音源分離技術の研究開発が計画のプロジェクトに含まれており、環境音への対処は開発項目として明示されている。

外交や専門分野の言葉はどうなのか。23言語の実用レベルは訪日・在留外国人と外交への対応を想定した範囲で、分野ごとの用語は別の問題として残る。医療や防災では民間サービス側で分野特化の形が先に進んでいる。

計画の背景には何があるのか。計画2025は社会的背景として、平成31年4月に施行された入管法改正で在留資格「特定技能」が創設されたこと、日本企業の海外拠点数と国内で開かれる国際会議の件数がともに拡大傾向にあること、約半数の日本企業が国内拠点で外国人を雇用していることを挙げている。観光の需要だけで組まれた計画ではない。

端末は何を選べばよいのか。計画はハードウェアの型を指定していない。判断材料になるのは、使う言語が重点対応言語に入っているか、音声の入力をどこで切るのか、通信が切れた場所でも動くのかという三点で、ここは提供する事業者ごとに違う。


アイデアコンテストプラットフォーム「FLASPO」

FLASPO

アイデア1つで、地域や企業とつながれる。

FLASPOは、全国の自治体・企業が開催する若者向けアイデアコンテストのプラットフォームです。
地域や企業が抱える課題に対して、あなたのアイデアで解決策を提案できます。

賞金やユニークな地域体験が獲得できるコンテストも多数。誰でも参加無料・オンライン完結で挑戦できます。

コンテストを探す▶︎

FLASPOで募集中のコンテスト

自治体や企業が出したお題に、学生・若者がオンラインでアイデアを応募できます。募集中のものも、これまでのお題と結果も、一覧で見られます。