漢語語區本地化之路
2015-10-22 Hacking Thursday 誰來晚餐 講稿
我與軟體訊息翻譯的第一次接觸，要追溯到在 DOS 上使用中文系統的時期，利用當時熱門工具程式 PC-Tools 內附的十六進位編輯器，把軟體裡的英文訊息改為 Big5 編碼的中文訊息。那時網際網路還不普及，改出來的東西衹能自己欣賞。後來靠著 BBS 的興起，才開始有了所謂本地化版本的出現與流通。但是隨之而來的電腦病毒散佈以及違反使用授權問題，使得軟體訊息本地化這件事，似乎衹能是少數人孤獨從事的嗜好。
直到出現了同時支援多種語言的自由軟體，終於為這份隱晦的工作帶來了一線曙光。辛苦的成果不再需要藏在自己的硬碟裡，可以大方地拿出來展示。衹要採用了合乎自由軟體精神的授權方式，也不需要耽心自己的心血是否會被商業公司霸佔。甚至能夠藉由商業行為的推廣與散佈，在既有的基礎上不斷加以改進，讓更多人能夠一齊分享。
在國外唸書時體驗過 HPUX, SUNOS, NEXT 這些 Unix 類的作業系統，才發現在 GNU/Linux 系統上具有管理者身分的感覺實在太棒了。當時在國外是流行 SUSE Linux，起初衹有零星地編輯一些輸入法對照表，或是舊式的訊息翻譯檔給自己使用。還記得開始學習編譯程式的動機，就是為了要修改 C/C++ 軟體中內嵌的英文訊息，好讓程式執行時能夠看到成果。
回國後主要使用 Fedora Linux，曾經有一段很長的時間參加 TOSSUG 社群聚會。等到加入了 GNU Translation Project 翻譯計畫(簡稱 TP)之後，才開始有系統地翻譯各類軟體訊息。後來從鄭原真(ycheng)手中接下了 TP zh_TW 小組協調人的工作，但是慚愧衹能在原有的基礎上勉力維持，直到最近才移交給繼任的曾政嘉(zerng07)，相信他能夠帶來一番新氣象。
大多數的常用軟體都歸屬於某個軟體開發組織，也許是某個散佈版或是某種桌面環境，它們都有各自的翻譯管理機制。通常需要先加入特定的郵遞論壇或是登錄網站，而提交翻譯檔的方式也各有不同。譬如 TP 的特色就是加入時希望你簽署棄權書，但是提交時衹要通過機器人語法審查即可。
建議有興趣的人，先在一般性的郵遞論壇詢問一下，像是 zh-l10n, chinese-l10n；或是直接聯絡翻譯計畫的語言小組協調人，像是 GNOME 的廖昭雄(pesder)、KDE 的翁佳驥(franklin)或是 MATE 的黃柏諺(osiris)。
另外，很多小眾軟體都由程式開發者自行維護翻譯檔，而翻譯者也必須自行測試該軟體是否完整支援本地化，以及使用什麼樣的翻譯檔格式。有的是直接寄到作者信箱，有的是寄到專屬的郵遞論壇，也有可能是透過 Github 來提交。
近來出現一個中立的協同翻譯網路服務 Transifex，它不隸屬於任何軟體開發組織，但提供多組織、多專案、多語言、多檔案格式、多存取方式的管理介面。由於該服務對於開放原始碼軟體專案是免費的，因此獲得了許多獨立軟體的採用，甚至連某些大型軟體開發計畫都移到了 Transifex，讓它代為管理翻譯的部分。
至於參與翻譯計畫需要的知識與技能，正規的回答是必須具備英語、漢語、專業三方面的知識，技能則是必須熟悉想要翻譯的軟體，但是達到這種標準的人恐怕不會來做這件事。以我個人的認知來說，必須要具備的衹有熱情，以及使用文書編輯器打字的技能而已。從前曾經有人呼籲，不要去翻譯不熟悉的軟體：其實根本不用理會它，儘管去做就是了，看不下去的人就請自己出來收拾善後吧。
在商用的作業系統中，讓不同語言、不同地區的使用者，都能方便地依照本地的習慣來操作系統的功能，是以「多國語言支援」做為宣傳詞語。而在自由軟體領域，根據任務性質的不同，我們將它區分為着重於系統架構與軟體相容的國際化工作(internationalization 簡稱 i18n)，以及着重於軟體訊息翻譯的本地化工作(localization 簡稱 L10n)。
自由軟體作業系統的「多國語言支援」是基於 GLIBC 中的「語區(locale)」概念，如同等一下將會提到的，「語系」是一種語言分類的層級，並不適合用於此處。 而locale主要是由語言與地區的差異設定所組成，因此我偏好使用「語區」這個譯詞。
目前最廣為使用的本地化方案則是透過 gettext 函式庫。原始程式碼衹需依照各自程式語言介面呼叫它，並使用特定指令將訊息包裝起來。利用隨附的工具產生訊息範本檔之後，各語區的翻譯者衹要依照範本格式與內容，翻譯出對應的訊息檔，再提交給原作者就算完成工作。而使用者衹需稍微了解相關工具程式的用法，以及放置檔案的適當目錄，就可以自行加入翻譯訊息檔，而不需要去修改或重新編譯原始程式。
雖然必須先完成基礎的國際化工作之後，才能開始本地化工作，但是同時也必須依賴本地化工作來吸引更多不同語言、地區的使用者，才有機會提出更多需求以刺激國際化工作的完善。這樣的相互影響，在我的參與經驗中也屢見不鮮。隨著翻譯數量的累積，我體認到用來指稱我們目前所用語言的「繁體中文」，並不是適當的代表名詞，而衹是一個從當年 DOS 環境下的倚天中文系統，所遺留下來的習慣稱呼。
首先，「某某文」通常指的是以符號將「某某語」表現出來的形式，它僅能代表一種符號化的結果，而不足以代表語言本身。再者，「中文」並不是一個嚴謹的學術名詞，而是有點像「美語」(或是誇張一點的類比：美文)這樣的說法，其中攙雜了政治區域的因素，衹適合在日常口語中使用。
當我們檢視所用語言的分類時，會發現它是屬於漢藏語系－漢語族的一員。以往漢語被認為是單一語言，因此早期在制訂 ISO639 語言代碼標準時也採用了這個觀點，將漢語編為單一的代碼，並使用了不適當的 zh(表示中文)來做為語言縮寫。
繁體/簡體的稱呼也不是一個適當的分類方式，首先「體」這個概念是由書法而來，現代則衍生為描述一種字形外觀的設計，和漢字本身筆畫的多寡與結構並無太大關係。而使用繁/簡來形容兩者之間的差異也過於粗淺，無法確切地顯示出兩者的不同。至於「正體」則是更糟的說法，不僅帶有過多的主觀意識，而且如果真的以客觀的使用者人數來比較，反而會得到不同的結論。
英文是以 Traditional Chinese 與 Simplified Chinese 來區分，我們當然不必全盤接受外文的說法，但是有時參考局外人的觀點反而能更清楚地表達自已熟悉的概念。因此我目前偏好「傳統字漢語」與「簡化字漢語」，而非單純地直譯為「傳統漢語」與「簡化漢語」。
至於本地化工作未來的發展，在基礎的部分需要重新檢視漢語語區的設定，因為在以往資訊流通速度緩慢的時代，方言還能靠著地理上的分隔，在特定族群之中被保存下來。但是隨著網路世界的興起，少數主要語言在新環境中迅速取得了極大的優勢，而多數次要語言在網路世界中則完全被忽視。對於漢語中非官方的方言來說，即使以其中之一為母語的使用者人數，都超過世界上大多數其他語言，卻依然面臨著數位滅絕的危險，而自由軟體也許是延續它們存在的惟一機會。
在人工智能的翻譯工具尚未取代翻譯者之前，更好的機器翻譯，一直是許多關心翻譯進度的人所尋求的解決方案。它的目的並不在於完全取代翻譯者，而是希望能夠扮演前置處理的角色。藉由與字典檔案的比對，儘量減輕翻譯者必須熟記所有字彙的壓力，轉而將注意力集中於文法的正確與敘述的通順，同時加快翻譯的速度並維持用詞的一致。
當然最要緊的還是需要有人參與，我們無法要求每位軟體作者都是自然語言的天才，能夠提供軟體的所有語言版本。因此對於以非英語為母語的電腦使用者而言，這也是一件無法假手他人的任務。如果看得懂英文介面的我們不去做這件事，那麼還有誰可以幫助看不懂英文介面的本地語言使用者呢？