# General Translation Knowledge Base: 翻訳メモリとは？AI時代にもまだ必要なのか
URL: https://generaltranslation.com/ja/kb/what-is-translation-memory.mdx
Docs index: https://generaltranslation.com/llms.txt
Description: 翻訳メモリ（TM）は、過去の翻訳元と訳文のセグメントのペアを蓄積したデータベースで、翻訳ツールはこれを検索して完全一致、文脈一致、ファジーマッチを見つけます。AIを使う場合でも、承認済みの訳語を再利用し、過去の翻訳を文脈として参照できるようにしておくことは重要です。General Translation は、ファイルの以前のバージョンからマッチする翻訳を再利用し、チームによる編集も保持するため、TM を別途管理する必要はありません。
Category: 翻訳
Last updated: 2026-10-28
Authors: General Translation Team
Published: 2026-10-28

翻訳メモリ (TM) は、セグメント (通常は文や UI の文字列) を、1つ以上の言語の承認済み訳文とともに保存したデータベースです。新しいコンテンツが届くと、翻訳ツールは各セグメントを TM で検索し、完全一致があればそのまま再利用し、類似するものは翻訳者が編集できるよう候補として提示します。AIが登場しても、この役割がなくなったわけではありません。承認済みの訳語は引き続き再利用したいですし、繰り返し出てくるテキストの一貫性も保ちたいはずです。変わったのは近似マッチの活用方法です。承認済みのマッチは、翻訳者による編集だけでなく、モデルが下訳を生成する際の指針としても使えます。その価値がどれほどになるかは、マッチの品質、レビューの手間、テキストの重複の度合い、そして承認済みの訳語の再利用が必須かどうかによって変わります。

## Video

The video is narrated in English, with English captions.

[What is translation memory, and do you still need it with AI?](https://caxecubb9c64cezv.public.blob.vercel-storage.com/films/v2/kb-what-is-translation-memory.mp4) (49 秒)

Translation memory (TM) is a database of earlier source and target segment pairs that a translation tool searches for exact, in-context, and fuzzy matches. With AI, you still want approved wording reused and past translations available as context. General Translation reuses matching translations from earlier file versions and keeps team edits, without a separate TM to maintain.

## 翻訳メモリの仕組み

TM はまずセグメンテーションから始まります。ツールがソースコンテンツを翻訳単位に分割する工程です。文章の場合、単位は通常1文です。ソフトウェアの場合は、[Microsoft のグローバリゼーション用語集](https://learn.microsoft.com/en-us/globalization/reference/glossary)にあるとおり、文字列リソース1つが1単位になります。各エントリには、翻訳元のセグメントとその翻訳に加え、日付、翻訳者、文脈 (ファイル名、リソース識別子、周囲のテキストなど) といったメタデータが保存されます。

新しいコンテンツを翻訳する際、ツールはセグメントごとに TM を照会し、順位付けされた候補を受け取ります。各候補には信頼度スコアが付いており、通常はパーセンテージで表示されます。その後の処理はマッチの種類によって決まります。

| マッチの種類            | 一致する対象                   | 一般的な処理              |
| ----------------- | ------------------------ | ------------------- |
| 文脈一致 (101%)  | セグメントとその前後のセグメント         | 軽く確認したうえで再利用        |
| 完全一致 (100%)       | セグメントのテキスト (ただし文脈は異なる)   | 再利用し、新しい文脈でレビュー     |
| ファジーマッチ (100%未満)  | 類似したセグメント。パーセンテージは類似度を表す | 翻訳者が保存済みの翻訳を編集      |
| 繰り返し              | 現在のジョブ内に同じセグメントが再出現      | 1回だけ翻訳              |
| 一致なし              | ツールのしきい値を超える候補がない        | 人、MT、または AI がゼロから翻訳 |

[Phrase のドキュメント](https://support.phrase.com/hc/en-us/articles/9386879839900)では、101% マッチを前後のセグメントに基づいて判定される文脈一致、100% マッチを原文は一致するものの文脈が異なるマッチと定義しています。このように区別するのは、完全一致であっても誤訳になり得るためです。ドキュメントエディターのツールバーにある「Save」と料金ページの「Save」は同じ文字列ですが、ドイツ語では前者が *speichern*、後者が *sparen* になります。

ファジーマッチは、いわば「惜しい一致」です。TM に「Delete this file?」とそのドイツ語訳が保存されている状態で、新しいセグメントが「Delete these files?」だった場合、ツールは保存済みの翻訳を高いパーセンテージで提示し、翻訳者が複数形の部分を修正します。

## TMX：ツール間でTMを移行するためのフォーマット

TMX (Translation Memory eXchange) は、あるツールからTMをエクスポートし、別のツールにインポートするためのXML標準規格です。[ETSIの仕様書](https://www.etsi.org/deliver/etsi_gs/LIS/001_099/002/01.04.02_60/gs_LIS002v010402p.pdf)では、ツールや翻訳ベンダーの間で、重要なデータをほとんど、あるいはまったく失うことなくTMデータを交換するための標準的な手段と説明されています。このフォーマットはLISAのOSCARグループで策定されました。2011年にLISAが破産宣告を受けた後、ETSIが[TMX 1.4b](https://www.ttt.org/oscarStandards/tmx/tmx14b.html)をETSI GS LIS 002として再発行しています。

TMXファイルは、エクスポートに関する情報を記述する`<header>`と、翻訳単位 (`<tu>`) を格納する`<body>`で構成されます。各翻訳単位は言語ごとに1つのバリアント (`<tuv>`) を持ち、テキストは`<seg>`内に記述されます。

```xml title="memory.tmx"
<?xml version="1.0" encoding="UTF-8"?>
<tmx version="1.4">
  <header creationtool="ExampleTool" creationtoolversion="1.0"
          segtype="sentence" o-tmf="ExampleTM" adminlang="en-US"
          srclang="en-US" datatype="plaintext"/>
  <body>
    <tu tuid="settings-save" creationdate="20261028T120000Z">
      <prop type="x-context">Settings form, primary button</prop>
      <tuv xml:lang="en-US"><seg>Save changes</seg></tuv>
      <tuv xml:lang="de-DE"><seg>Änderungen speichern</seg></tuv>
      <tuv xml:lang="fr-FR"><seg>Enregistrer les modifications</seg></tuv>
    </tu>
  </body>
</tmx>
```

このファイルは、`xmllint --dtdvalid` で TMX 1.4 DTD に対する検証を通過します。仕様では 2 つのレベルが定義されています。Level 1 はプレーンテキストのみを扱い、Level 2 では太字テキストやプレースホルダーなどのインラインコードを表すマークアップが加わるため、ツール側で書式付きのドキュメントを再構築できます。テキストをセグメントに分割する際のルールは、SRX (Segmentation Rules eXchange) ファイルとして別途やり取りされます。

TM と用語集は別物です。TM がセグメント全体を保存するのに対し、用語集 (用語ベース) は製品名や絶対に翻訳してはならない語など、個々の用語を保存します。 ([AI 翻訳で用語の一貫性を保つ方法](/kb/ai-translation-glossary)を参照してください。)

## 翻訳メモリの保管場所とコストへの影響

翻訳者は TM を CAT (コンピューター支援翻訳) ツールで管理し、企業は [翻訳管理システム (TMS) ](/kb/what-is-a-translation-management-system) で管理します。TMS のエディターでは、各セグメントの横に TM の一致候補が表示されます。言語サービスプロバイダーに TM を管理してもらっている場合は、ベンダーを切り替える前に TMX 形式でのエクスポートを依頼しておきましょう。

TM は請求額にも影響します。ジョブの開始前に、ベンダーのツールがジョブの内容を TM と照合し、マッチカテゴリごとに単語数を集計します。カテゴリごとに異なる単価が適用され、一致した単語は新規の単語よりも安い単価で請求されます。Phrase ではこれを [net rate schemes](https://support.phrase.com/hc/en-us/articles/5709665578908) と呼んでいます。繰り返し、文脈一致、100% 一致、ファジーマッチにそれぞれ単価が設定され、一致率 75% 未満のファジーマッチは新規の単語として扱われます。規模が大きく整備の行き届いた TM があれば、リリースのたびに課金対象の単語数を抑えられます。

## AI によって翻訳メモリはどう変わるか

モデルが翻訳の下書きを作成するようになると、TM の役割には変わる部分と変わらない部分があります。

* **ファジーマッチや過去の翻訳は文脈として使われるようになります。** 従来、ファジーマッチは翻訳者が手を加えるための出発点でした。モデルが下書きを作成する場合は、承認済みの近似マッチを生成のガイドとしても活用できます。具体的には、承認済みの類似ペアを例としてモデルのプロンプトに含めます。
* **完全一致の再利用は引き続き重要です。** 承認済みの文を実行のたびに翻訳し直すと、誰もレビューしていない新しい表現が紛れ込むおそれがあります。変更のないテキストには承認済みの翻訳をそのまま使い、新規または変更されたテキストだけをモデルに渡すべきです。

[EAMT 2023 の論文](https://aclanthology.org/2023.eamt-1.22/)で Moslem らは、翻訳ペアの例を含むプロンプトを与えると、LLM が新しい文を翻訳する際にドメイン固有のスタイルや用語に適応できることを示しました。Lokalise の[カスタム AI プロファイル](https://docs.lokalise.com/en/articles/11894216-ai-profiles)は、Advanced プランとエンタープライズプランで、翻訳メモリからの検索を用いてこれを実現しています。

モデルは、検索で取得した翻訳に加え、文字列が置かれているコンポーネント、文字列内の変数、その意味について開発者が残したメモを組み合わせて利用できます。こうした文脈があれば、誰かがマッチを確認するまでもなく *speichern* と *sparen* のどちらが適切かを判断できます。 ([AI 翻訳は本番環境で使えるほど正確か](/kb/is-ai-translation-accurate)も参照してください。) 

| アプローチ                                   | 変更のないテキスト       | 新規または変更されたテキスト             | 用語               | 適した用途                   |
| --------------------------------------- | --------------- | -------------------------- | ---------------- | ----------------------- |
| CAT ツールまたは TMS での従来型 TM                 | 完全一致および文脈一致 | 翻訳者向けのファジーマッチ、または MT       | 独立した用語ベース        | 人間の翻訳者とベンダー契約           |
| LLM の直接呼び出し                             | 実行のたびに再翻訳       | 文字列だけを基にした流暢な下書き           | 各プロンプトに貼り付けた内容のみ | 単発のテキスト                 |
| TM からの検索を組み合わせた LLM                     | ツールによって異なる      | 類似の承認済みペアを例として使用           | 用語集と例            | 単一ドメインの大規模なレビュー済みコーパス   |
| ビルド内でのインクリメンタル翻訳 (General Translation)  | 以前のバージョンの一致する翻訳 | コードの文脈、用語集、スタイルルールを活用した AI | 共有の用語集           | リポジトリ内のプロダクト UI とドキュメント |

## 翻訳メモリはまだ必要か？

人間の翻訳者や言語サービスプロバイダーが翻訳を担当している場合、ベンダーとの契約がマッチカテゴリ別の料金体系になっている場合、ベンダーと TMX をやり取りしている場合、あるいは規制対象のテキストで承認済みの文を一字一句そのまま再利用する必要がある場合は、従来型の TM を引き続き使用してください。こうしたケースでは、TM はワークフローにも契約にも組み込まれています。

一方、チームに必要な再利用性、レビュー、可搬性をパイプラインがすでに備えている場合、つまり変更のない翻訳は再利用され、チームによる編集は保持され、用語集が適用され、翻訳が自社で管理するファイルに保存される場合は、TM を別途用意する必要はないかもしれません。法務や医療など特定の分野に特化したレビュー済み翻訳を大量に保有している場合は、検索 (リトリーバル) の仕組みを追加し、それらの対訳ペアをモデルが例として参照できるようにしましょう。

## General Translationにおける再利用の仕組み

General Translationはスタンドアロンの翻訳メモリを持たず、ファジーマッチングやTMXインポートにも対応していません。その代わり、TMが担う役割を翻訳パイプラインの中で実現しています。

* **変更のないテキストは再利用されます。** デフォルトでは、General Translationの[`npx gt translate`](/docs/cli/reference/commands/translate)は翻訳元が変更されたコンテンツだけを翻訳します。また、最新バージョンに限らず、[同じファイルの以前のバージョンにある一致する翻訳を再利用](/docs/cli/guides/generating-translations#retranslate)することもできます。セグメントが再翻訳されるのは、原文が変更されたときです。`--force`を指定するとすべてが再翻訳され、既存の翻訳やローカルでの編集も上書きされます。この場合は新規作業として課金されます。
* **ブランチや移動があっても一からやり直す必要はありません。** [ブランチ管理](/docs/cli/guides/branching#inheritance)を有効にすると、フィーチャーブランチはベースブランチの翻訳を継承するため、共有コンテンツが再翻訳されたり二重に課金されたりすることはありません。[`npx gt upload`](/docs/cli/reference/commands/upload)は内容を変えずに移動したファイルを検出し、その翻訳を引き継ぎます。
* **チームによる編集は保持されます。** レビュー担当者はダッシュボードの**翻訳**ページで翻訳を編集します ([翻訳のレビュー](/docs/platform/dashboard/guides/reviewing-translations)) 。ダウンロードしたファイルに加えた編集は、[`npx gt save-local`](/docs/cli/reference/commands/save-local)で同期できるほか、`--save-local`または[`options.saveLocal`](/docs/cli/reference/config#save-local)を使えば毎回の実行前に同期することもできます。この同期はオプトインです。編集した翻訳は保存済みバージョンとなり、以降の実行では翻訳元が変更されるまでその翻訳が再利用されます。
* **既存の翻訳も取り込めます。** [`npx gt upload`](/docs/cli/reference/commands/upload)は原文ファイルと既存の翻訳をプラットフォームに送信します。そのため、手元にある翻訳済みのJSON、PO、YAML、iOSやAndroidの文字列リソースファイルは、再生成されることなくインポートされます。
* **用語は用語集で管理します。** [コンテキストグループ](/docs/platform/dashboard/guides/defining-context-for-translations)には、用語を定義する用語集とトーンを指定するカスタムプロンプトが含まれており、割り当てたプロジェクト間で共有されます。用語集のインポートはCSV、TSV、JSON、テキストに対応しています。また、**Apply**ボタンを使うと、選択した用語集の用語を既存の翻訳に反映できます。

文脈は隣接するセグメントからではなく、コードから得られます。General Translationの[`<T>`](/docs/react/reference/components/t)コンポーネントは、各JSXブロックを要素構造や変数プレースホルダーとともに送信します。さらに[`context`](/docs/react/reference/components/t#context)プロパティを使えば、どの意味の「Save」なのかをモデルに伝えられます。このワークフローとTMSのどちらを選ぶべきかについては、[General Translation vs. TMS](/kb/general-translation-vs-tms)を参照してください。

## よくある質問

### 翻訳メモリは用語集と同じものですか？

いいえ。TM はセグメント単位で原文と訳文を保存します。一方、用語集は製品名などの個々の用語について、使用すべき訳語や「翻訳しない」というルールを保存します。ほとんどのワークフローでは、両方が必要です。

### 101%マッチとは？

文脈一致 (in-context match) のことです。セグメント自体が TM と一致するだけでなく、その前後のセグメントも一致している状態を指します。テキストは一致していても文脈が一致しない 100%マッチよりも、上位のマッチとして扱われます。

### TMXファイルをGeneral Translationにインポートできますか？

いいえ、できません。既存の翻訳済みファイルは、サポートされている形式で[`npx gt upload`](/docs/cli/reference/commands/upload)を使ってアップロードしてください。用語については、CSV、TSV、JSON、またはテキスト形式でコンテキストグループにインポートできます。

### AIの登場で翻訳メモリは不要になりますか？

いいえ。AIによって変わるのは、ファジーマッチの活用方法です。承認済みの訳例は、人による編集だけでなく、AIによる生成の指針としても活用できるようになります。承認済みの翻訳を再利用し、チームによる編集内容を蓄積していくことは、今後も変わらず重要です。

## 重要なポイント

* 翻訳メモリはセグメントのペアを保存し、文脈一致 (101%) 、完全一致 (100%) 、ファジーマッチを返します。TMX は、翻訳メモリをツール間で移行するための XML 形式です。
* ベンダーはマッチのカテゴリごとに異なる料金を設定しているため、人が翻訳する場合は TM によって課金対象の語数を削減できます。
* AI が翻訳の下書きを作成する場合でも、TM は承認済みの表現を一貫して維持します。また、近似マッチは人による編集の参考になるだけでなく、モデルに与える例としても活用できます。
* General Translation にはスタンドアロンの TM や TMX インポート機能はありません。その代わり、以前のファイルバージョンから一致する翻訳を再利用し、チームによる編集内容を保持したうえで、コンテキストグループを通じて共有の用語集を適用します。

## Related questions

- [翻訳管理システム（TMS）とは？](https://generaltranslation.com/ja/kb/what-is-a-translation-management-system.mdx): 翻訳管理システム（TMS）とは、ソースコンテンツとその翻訳を保管し、翻訳メモリ、用語集、レビュー、機械翻訳、外部連携といった翻訳ワークフローを運用するソフトウェアです。翻訳メモリは、完全一致またはあいまい一致によって過去の翻訳を再利用します。代表的な例として Crowdin、Lokalise、Phrase、Smartling、Transifex があります。
- [AI翻訳で用語の一貫性を保つにはどうすればよいですか？](https://generaltranslation.com/ja/kb/ai-translation-glossary.mdx): 翻訳しない名称も含めた承認済み用語を一つの用語集にまとめてすべての翻訳リクエストに適用し、変数やコードは翻訳対象から外したうえで、結果をレビューします。General Translation では、コンテキストグループを使ってこれを実現します。コンテキストグループの用語集とカスタムプロンプトは、割り当てたすべてのプロジェクトに適用されます。また、翻訳してはならない値には Var コンポーネントを使用します。
- [General Translation と TMS（Crowdin、Lokalise、Phrase）の比較](https://generaltranslation.com/ja/kb/general-translation-vs-tms.mdx): 翻訳の生成、コードから導出した文脈、レビューをプロダクトのリリースと連動させたい開発チームには General Translation が適しています。既存のカタログとレンダリングライブラリをそのまま使うことも、翻訳キーを使わずにインライン JSX を記述することもできます。TMS は、言語ベンダー、CAT エディター、XLIFF でのやり取りを中心とした翻訳プログラムに適しており、そのインテグレーションを使えばファイル転送を自動化できます。
- [AI翻訳は本番環境のアプリで使えるほど正確か？](https://generaltranslation.com/ja/kb/is-ai-translation-accurate.mdx): 広く話されている言語であれば多くの場合は十分な精度がありますが、それは自社の対象言語、UI文字列、リスクの高いコンテンツで評価をクリアしてからの話です。WMT25では、Gemini 2.5 Proが16の言語ペアのうち10で人間による参照訳と同等以上の評価を得ました。しかし、文書単位のベンチマークからは、短いインターフェース文字列をそのままリリースできるかどうかまではわかりません。
- [翻訳をレビュー・編集するにはどうすればよいですか？](https://generaltranslation.com/ja/kb/review-translations.mdx): General Translation では、レビュー担当者がダッシュボードで翻訳を見比べて編集し、ラベルとコメントでレビューの進捗を管理できます。保存した編集内容は、CLI でダウンロードするか、次回の Locadex による翻訳実行でプルリクエストに取り込めます。開発者は gt save-local を使って、レビュー済みのファイルの編集内容をプラットフォームに送り返すこともできます。

## Previous and next questions

- Previous question: [多言語サイトのサイトマップはどのように作成すればよいですか？](https://generaltranslation.com/ja/kb/multilingual-sitemap.mdx)
- Next question: [開発者向けのおすすめ AI 翻訳ツール：翻訳 API とローカライゼーションプラットフォームの比較](https://generaltranslation.com/ja/kb/best-ai-translation-tools.mdx)

## Sitemap

See the [Knowledge Base sitemap](https://generaltranslation.com/ja/kb/sitemap.md) for every article.
