WindowsでローカルAI翻訳を始める方法｜モデルの選び方

先に結論：翻訳用モデルと実行アプリを分けて選ぶ

WindowsでローカルAI翻訳を始めるときは、「モデルが翻訳向けか」「どのruntimeで動かすか」「翻訳する文章をどこへ保存するか」を別々に確認します。TranslateGemmaはGoogleが翻訳向けに公開したGemma 3ベースのモデル群で、4B・12B・27Bのサイズがあります。ただし、モデルのサイズだけで翻訳品質や自分のPCでの速度を保証できるわけではありません。

最初は短い文章を3本だけ用意し、原文、翻訳結果、使用モデル、言語コード、処理時間を保存します。文章の自然さ、固有名詞、数字、否定、専門用語を人が照合してから、長文や機密資料へ広げてください。

• TranslateGemma公式発表 - サイズ、言語、画像翻訳の位置づけを見る
• GGUF・量子化の基本 - 互換量子化ファイルを選ぶ前の用語を確認する
• LM Studioで最初に選ぶモデル - モデル単体を先に動かす順番を見る

ローカル翻訳でも通信経路は一つではない

「ローカルAI翻訳」は、推論を手元のPCで行う構成を指せますが、初回のモデル取得、Hugging Faceの認証、アプリの更新、外部API、クラウドfallbackまで自動的に消える意味ではありません。翻訳前の入力、モデル、出力、中間ファイルのそれぞれで通信と保存場所を確認します。

1. 翻訳する文章の権利、機密性、保存期間を確認する。
2. モデルの利用条件とlicenseを読み、Hugging Faceのaccess条件を先に満たす。
3. モデル取得後に推論をローカルへ寄せられるか、runtimeとAPIの設定を確認する。
4. 外部APIやcloud providerを使う場合は、local modelとは別の経路として記録する。

Gemma系モデルの利用条件は、モデル名だけで商用利用や再配布の可否を決めず、公式Termsとmodel cardを確認します。翻訳の結果だけでなく、原文と中間ファイルも機密情報として扱うと、削除漏れを減らせます。

• TranslateGemma model card - 利用条件、入力、制約、公式実装を見る
• Gemma Terms of Use - モデル利用条件を確認する
• ローカルAIのプライバシーは本当に安全？ - local処理と外部連携の境界を整理する

TranslateGemmaの4B・12B・27Bをどう選ぶか

Googleの公式発表ではTranslateGemmaに4B、12B、27Bのサイズがあり、12Bはconsumer laptopでの実行を想定した位置づけ、27Bはより高い忠実度を狙う大きな候補として説明されています。これはPCごとの動作保証ではないため、メモリ、量子化、同時起動アプリ、入力長を合わせて判断します。

Transformersのmodel cardで示されている翻訳入力は、source languageとtarget languageを明示する形式です。たとえば英語から日本語へ試す場合でも、利用するモデルがその組み合わせを受け付けるかを確認してから実行します。

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "text",
                "source_lang_code": "en",
                "target_lang_code": "ja",
                "text": "The local model runs on my Windows PC.",
            }
        ],
    }
]

上記はTranslateGemmaのchat templateを読むための入力例です。実行時はmodel cardのTransformers例を使い、利用するモデル版、対応言語、dtype、device、必要な依存関係を現行資料で確認してください。記事内へtokenや秘密情報を貼り付けないでください。

• TranslateGemma公式発表 - 4B・12B・27Bの位置づけを確認する
• TranslateGemma model card - ISO言語コードと公式Transformers例を見る
• メモリ8GB・16GB・32GBの目安 - モデル単体以外のメモリ負荷も考える

LM Studioで試す：互換量子化とchat templateを確認する

LM Studioはモデルを探してロードし、GUIで短い入力を試す入口に向きます。TranslateGemmaのmodel cardには、量子化をllama.cpp、Ollama、LM Studioなどの互換アプリで使うための案内がありますが、すべての配布ファイルが同じ設定で動くわけではありません。

1. Hugging Faceの公式モデルと、そこから参照される量子化の配布元・revision・licenseを確認する。
2. LM Studioでモデル名、quantization、context、vision対応、chat templateの表示を確認する。
3. まず短い一文を、翻訳方向を明示して実行し、出力が説明文ではなく翻訳だけになるかを見る。
4. 同じ原文を別モデルでも試し、処理時間、メモリ、固有名詞、数字の差を記録する。

LM Studioの画面で動いたことは、長文PDF、画像翻訳、API連携、完全オフラインを保証しません。モデルをロードした場所、serverの公開範囲、ログ、履歴、外部拡張を別に確認します。

• LM Studio公式入門 - モデル取得・ロード・チャットの基本を見る
• LM Studioで画像を読む方法 - 画像対応と通常の文章翻訳を分ける
• LM Studioが重い・止まる時 - モデル・メモリ・入力を切り分ける

Ollamaで試す：モデル名を発明せず、互換形式から確認する

Ollamaを使う場合は、公式libraryにあるモデルtagをそのまま翻訳用モデルだと決めつけず、利用時点の公式情報とモデルカードを確認します。確認済みの互換GGUFを自分で登録する場合、OllamaのModelfileは`FROM`でGGUFを指定できますが、モデルのchat templateやマルチモーダル対応まで自動で正しくなるとは限りません。

FROM ./<verified-compatible-translation-model>.gguf

PARAMETER temperature 0

このModelfileは形式の考え方を示すプレースホルダーです。存在を確認していないモデル名、ダウンロードURL、量子化ファイル名は記事へ固定しません。まず公式model cardと配布元のrevisionを照合し、短いテストで入力template、言語コード、出力の余計な説明を確認します。

• Ollama Modelfile公式リファレンス - FROMとモデル作成の仕様を見る
• Ollama公式ドキュメント - Windows・モデル・APIの現行入口を見る
• ローカルAIをAPIで使う方法 - localhostとOpenAI互換APIの境界を確認する

日本語・画像・長文を翻訳するときの注意点

TranslateGemmaのmodel cardは、textまたはimageの入力、source_lang_codeとtarget_lang_code、2K tokensの入力contextを説明しています。日本語を含む組み合わせでも、使うmodel versionが対象コードを受け付けるかを先に確認し、長い原稿を一度に押し込まないようにします。

• 文章を段落単位に分け、見出し・箇条書き・表の順序を別に保存する。
• 用語集を先に作り、製品名・人名・API名を勝手に訳さない指示を固定する。
• 画像は解像度や切り抜きを確認し、OCRの誤りを翻訳品質の問題と混ぜない。
• 翻訳後に原文と突き合わせ、数字、単位、否定、条件文、固有名詞を人が確認する。

画像を翻訳できるモデルでも、文字の読み取りが常に正しいとは限りません。画像OCRを目的にする場合はOCR記事やvision記事の手順へ分け、翻訳モデルだけでPDF全体を自動処理できると考えないでください。

• WindowsでローカルOCRを選ぶ方法 - 画像・スキャンPDFの文字抽出を先に確認する
• LM Studioで画像を読み込む方法 - vision modelと画像入力の条件を見る
• PDF・文書チャットの使い分け - 抽出・RAG・翻訳の役割を分ける

品質・PC負荷・プライバシーを小さく検証する

1. 同じ短文3本を4B・12Bまたは別runtimeで比較し、条件を記録する。
2. CPU、RAM、VRAM、処理時間、出力の誤りを分け、速度だけで品質を決めない。
3. 公開または権利確認済みの素材で動作確認し、機密文書は保存・削除方針を決めてから扱う。
4. 重要な翻訳は人が承認し、逆翻訳だけを正確さの証明にしない。

ローカルAI翻訳の価値は、すべての文章を自動で完成させることではなく、送信先、モデル、処理条件、校正箇所を自分で把握できることです。PCスペックやモデルの選び方を先に整理すると、重い・遅い・止まる問題の切り分けも行いやすくなります。

• ローカルAI用PCスペックの見方 - メモリ・GPU・VRAMから条件を考える
• GPUなしPCで使える範囲 - CPU中心で試すときの限界を見る
• ローカルLLMの安全性とプライバシー - ログ、file、provider、MCPの経路を確認する