LLMの翻訳とニューラル機械翻訳の違いは?研究からみた選び方

二台のパソコンの訳文を見比べる人。LLMの翻訳とニューラル機械翻訳

この記事でわかること

  • ニューラル機械翻訳(NMT)と LLM の翻訳の作られ方の違い
  • 選ぶときの 4 つの物差し
  • 研究で分かった得意・不得意の比較表
  • 研修動画の場面ごとの考え方
  • どちらを使っても気をつけたいこと

まず読む: AI翻訳の精度は人の翻訳に追いついた?比較の研究でわかったこと

結論: LLM の翻訳とニューラル機械翻訳、どう選べばよい?

LLM(大規模言語モデル)の翻訳とニューラル機械翻訳(NMT)の違いは、翻訳のためだけに学習したAIか、文章全般を学んだ大きなAIに翻訳もさせるかにあります。どちらもAIの翻訳で、どちらが上と言い切れるものではありません。

研究では、LLM は話者の多い言語で非常に競争力のある品質を出す一方、話者の少ない言語では力が限られると報告されています[3]。また、原文に無い内容を作ってしまう「幻覚」の起こし方も、LLM と NMT で違うことが分かっています[4]。

研修やマニュアルの動画を翻訳するときは、訳したい言語で品質を確かめることと、どちらの方式でも人が訳を確かめることが、選び方の土台になります。

そもそも、2 つは何が違う?

ニューラル機械翻訳(NMT):翻訳のために学習したAI

ニューラル機械翻訳は、ニューラルネットワークという仕組みで翻訳を学習させたAIです。2015 年の国際会議 ICLR で発表された研究は、それまでの統計的な機械翻訳と違い、ニューラル機械翻訳は 1 つのニューラルネットワーク全体を、翻訳の性能が最も高くなるように一緒に調整することを目指すものだと説明しています[1]。

2017 年には、ある研究チームが、注意(アテンション)と呼ばれる仕組みだけで組み立てた、新しく簡単な構造を提案しました[2]。この構造は「トランスフォーマー」と呼ばれ、その後の機械翻訳の土台になりました。

グラフを並べた画面で翻訳の結果を比べる研究者の後ろ姿

LLM の翻訳:文章全般を学んだAIに翻訳もさせる

LLM(大規模言語モデル)は、たくさんの文章を学んで、文章を書く・要約する・質問に答えるなど、さまざまな作業ができるAIです。翻訳もその作業の 1 つとして行います。

翻訳のためだけに作られたわけではないので、指示のしかた(「ていねいな言葉で」「この言葉はこう訳して」など)で訳し方を変えやすいのが特徴です。一方で、翻訳だけを学んだAIとは間違い方が違うことがあります。

国際的な評価の場でも、2 つは並べて比べられている

機械翻訳の性能を比べる国際的な場(WMT)では、近年、参加者が作った翻訳の仕組みに加えて、LLM やオンラインの翻訳サービスの訳も集めて評価しています。2024 年の報告では、8 つの LLM と 4 つのオンライン翻訳サービスから訳を集めました[5]。2025 年の報告では、評価した 60 の仕組みのうち 24 が、LLM や広く使われているオンライン翻訳サービスから集めた訳でした[6]。

方式の名前より、使う道具で確かめる

実際には、翻訳の道具の多くは、どの方式を中で使っているかを細かく示していません。2 つの方式を組み合わせている道具もあります。研究でも、LLM とほかの翻訳の仕組みを組み合わせると品質が上がるという結果が出ています[3]。

そのため、「LLM だから良い」「NMT だから古い」と方式の名前で決めるより、自分たちの動画の文章を、訳したい言語で実際に訳して読んでみるほうが確かです。評価の考え方は、機械翻訳の評価とは?で紹介しています。

選ぶときの物差しは?

LLM の翻訳とニューラル機械翻訳のどちらを使うか(あるいは、どちらを使った道具を選ぶか)は、次の 4 つの物差しで考えます。

物差し確かめること
訳したい言語話者の多い言語か、少ない言語か。英語を経由しない言語の組か
訳の安定性同じ原文で、毎回同じ訳になってほしいか
指示で変えたいこと言葉づかい・用語の訳し方を、指示で細かく変えたいか
確かめる人と手順訳を読んで確かめられる人がいるか、用語集があるか

いちばん大事なのは、最初の「訳したい言語」です。研究で分かった得意・不得意は、言語によって大きく違うためです。次に大事なのは、最後の「確かめる人と手順」です。どの方式を選んでも、確かめる手順が無ければ間違いは残ります。

比較表: 研究で分かった得意・不得意は?

項目ニューラル機械翻訳(NMT)LLM の翻訳
作られ方翻訳の性能が高くなるよう、ネットワーク全体を調整して学習[1]文章全般を学んだモデルに、翻訳もさせる
話者の多い言語言語の組や学習の材料によって品質が変わる非常に競争力のある品質という研究がある[3]
話者の少ない言語幻覚が起きやすいという研究がある[4]力が限られるという研究がある[3]
幻覚(原文に無い内容)起こることがある[4]起こることがあり、起こし方が NMT と違う[4]
指示による調整用語集など、決まった方法で調整する指示の文で訳し方を変えやすい
組み合わせ—ほかの翻訳の仕組みと組み合わせると品質が上がったという研究がある[3]

LLM は、話者の多い言語で強く、少ない言語では力が限られる

2023 年に公開された研究は、話者の多い言語と少ない言語、英語を経由しない組を含む 18 の翻訳の向きで、大手の会社の LLM を評価しました[3]。その結果、話者の多い言語では非常に競争力のある翻訳の品質を出した一方、話者の少ない言語では力が限られていたとしています[3]。さらに、LLM とほかの翻訳の仕組みを組み合わせると、品質がさらに上がることも示しました[3]。

色分けした評価の表を画面で確かめる担当者の手元。機械翻訳の評価

幻覚は、どちらにも起き、起こし方が違う

2023 年に学術誌 TACL で発表された研究は、原文に無い内容を作ってしまう翻訳(幻覚)は、機械翻訳を実際に使う場面で大きな問題や安全の問題を起こしうるとしています[4]。この研究は、話者の多さがさまざまな 100 を超える言語の組で、多言語の NMT と LLM の幻覚を調べました[4]。

その結果、幻覚は主に話者の少ない言語への翻訳と、英語からほかの言語への翻訳で起きやすく[4]、LLM は NMT とは性質の違う幻覚を起こすことが分かりました[4]。また、別のデータや別の方法で学習した仕組みを予備として使うと、翻訳の品質を上げられるとしています[4]。

場面ごとのおすすめは?(条件で分ける)

研修やマニュアルの動画で考えると、次のように分けられます。

場面考え方
英語・中国語など、話者の多い言語に訳すどちらの方式でも品質は高めになりやすい。用語のそろい方を確かめる
ネパール語など、話者の少ない言語に訳すどちらの方式でも間違いが起きやすい。とくに幻覚(原文に無い内容)に注意し、その言語が分かる人に読んでもらう[4]
社内の言い回しを細かくそろえたい用語集を作り、訳がそれに沿っているかを確かめる
同じ動画を何度も作り直す作り直すたびに訳が変わっていないか、前の版と見比べる

話者の少ない言語の例として、ネパール語の翻訳で気をつけることはネパール語の翻訳と動画にまとめています。社内の言葉をそろえる用語集の作り方は、翻訳の用語集の作り方で説明しています。

どちらを使っても、気をつけたいことは?

LLM でもニューラル機械翻訳でも、AIの訳には間違いが起きます。選んだ方式に関係なく、次のことに気をつけます。

  1. 否定・数字・固有名詞を確かめる:「しない」が抜ける、数字が変わる、社名が別の言葉になる、といった間違いは、意味を大きく変えます
  2. 原文に無い内容が足されていないか見る:幻覚は、もっともらしい文の形で出てくるので、読み流すと気づきにくくなります
  3. 一文ずつでなく、通して読む:国際的な評価の場も、原文を複数の段落からなる文書のまま渡して評価するようになっています[6]。前後のつながりで分かる間違いもあります
  4. 確かめる人を決める:その言語が分かる人がいれば、大事な場面だけでも読んでもらいます
  5. 直した所を記録しておく:どの言葉をどう直したかを残しておくと、同じ動画を作り直したときや、別の動画を訳すときに、同じ間違いを早く見つけられます。直した言葉は用語集に足していきます

AIの訳で間違いが起きやすい場所と見つけ方は、AI翻訳の間違いはどこで起きる?で詳しく説明しています。AIの訳と人の訳を比べた研究は、AI翻訳の精度は人の翻訳に追いついた?で紹介しています。

koevo も、AI の翻訳・読み上げは100点ではなく、大切な内容はエディターで字幕を確かめてから使ってほしいと案内しています[7]。koevo では、字幕の手直しとして、エディター・一括置換・AI再翻訳が使えます[8]。会社名や専門用語は「一括置換」で、全部の言語をまとめて直せます[8]。

よくある質問

LLM の翻訳は、ニューラル機械翻訳より正確ですか?

言語の組によって違います。2023年に公開された研究では、LLM は話者の多い言語では非常に競争力のある品質を出した一方、話者の少ない言語では力が限られていました[3]。どちらが正確かは、訳したい言語で確かめる必要があります。

LLM の翻訳にも間違いはありますか?

あります。2023年に発表された研究は、LLM も NMT も、原文に無い内容を作ってしまう «幻覚» を起こし、その起こし方が両者で違うと報告しています[4]。とくに話者の少ない言語への翻訳で起きやすいとされています。

研修動画の翻訳では、どちらを使えばよいですか?

使う言語と、確かめる人がいるかで考えます。どちらの方式でも、安全や手順に関わる訳は人が確かめることが前提です。社内の言葉は用語集にまとめて、訳がそろっているかを見ます。

LLM とニューラル機械翻訳は、まったく別の技術ですか?

どちらも、たくさんの文章から学ぶニューラルネットワークのAIという点は同じです。違うのは、翻訳のために学習させたか、文章全般を学んだモデルに翻訳もさせるか、という点です。

LLM の翻訳とニューラル機械翻訳の違いは、翻訳のために学習したAIか、文章全般を学んだAIに翻訳もさせるかです。研究では、LLM は話者の多い言語で強く、少ない言語では力が限られ、幻覚の起こし方も違うと報告されています。どちらを使う場合も、訳したい言語で品質を確かめ、人が訳を確かめましょう。

この分野の記事

おわりに

LLMの翻訳とニューラル機械翻訳の違いについて、いかがでしたか?翻訳のためだけに学んだAIか、文章全般を学んだ大きなAIかで得意な言語や間違い方が変わり、どちらも人が確かめる前提で選ぶのがポイントでした。

ちなみにスリーでは、「koevo」というサービスを提供しています。日本語の動画から、翻訳・字幕・吹き替えをまとめて作る動画の多言語化の仕組みです。研修やマニュアルの動画を、母国語の声で届けられます。研修やマニュアルの動画を訳して、字幕や吹き替えまで一度に用意したいときにお使いいただけます。よろしければ、サービスページものぞいてみてください。

koevo のサービスページを見てみる

よくある質問

LLM の翻訳は、ニューラル機械翻訳より正確ですか?

言語の組によって違います。2023年に公開された研究では、LLM は話者の多い言語では非常に競争力のある品質を出した一方、話者の少ない言語では力が限られていました。どちらが正確かは、訳したい言語で確かめる必要があります。

LLM の翻訳にも間違いはありますか?

あります。2023年に発表された研究は、LLM も NMT も、原文に無い内容を作ってしまう «幻覚» を起こし、その起こし方が両者で違うと報告しています。とくに話者の少ない言語への翻訳で起きやすいとされています。

研修動画の翻訳では、どちらを使えばよいですか?

使う言語と、確かめる人がいるかで考えます。どちらの方式でも、安全や手順に関わる訳は人が確かめることが前提です。社内の言葉は用語集にまとめて、訳がそろっているかを見ます。

LLM とニューラル機械翻訳は、まったく別の技術ですか?

どちらも、たくさんの文章から学ぶニューラルネットワークのAIという点は同じです。違うのは、翻訳のために学習させたか、文章全般を学んだモデルに翻訳もさせるか、という点です。

参考文献

論文 5海外の資料 1自社の一次資料 2

この記事は 8 本の出典をもとに書いています。うち 8 本は、引用した文が出典のページにあることを確かめています(2026年11月21日)。

  1. Bahdanau, Cho, Bengio (2015) Neural Machine Translation by Jointly Learning to Align and Translate. ICLR 2015. arXiv:1409.0473. DOI: 10.48550/arXiv.1409.0473論文
  2. Vaswani et al. (2017) Attention is All you Need. Advances in Neural Information Processing Systems 30 (NIPS 2017)論文
  3. Hendy et al. (2023) How Good Are GPT Models at Machine Translation? A Comprehensive Evaluation. arXiv:2302.09210. DOI: 10.48550/arXiv.2302.09210海外の資料
  4. Guerreiro et al. (2023) Hallucinations in Large Multilingual Translation Models. TACL 11. DOI: 10.1162/tacl_a_00615論文
  5. Kocmi et al. (2024) Findings of the WMT24 General Machine Translation Shared Task. WMT 2024. DOI: 10.18653/v1/2024.wmt-1.1論文
  6. Kocmi et al. (2025) Findings of the WMT25 General Machine Translation Shared Task: Time to Stop Evaluating on Easy Test Sets. WMT 2025. DOI: 10.18653/v1/2025.wmt-1.22論文
  7. koevo の声について自社の一次資料
  8. koevo ヘルプ(使い方・料金)自社の一次資料

この記事を書いた人

動画の多言語化に毎日向き合っている koevo のチームが書いています。数字や制度は、元の資料へのリンクを付けています。