文書翻訳におけるDeepL vs ChatGPT：ファイル出力、用語集、レビュー

DeepLとChatGPTの比較記事の多くは、同じ文を両方のツールに貼り付けて結果を採点しています。それは文単位の問いに答えるものです。文書全体を扱う場合、最初に現れる違いは「何が返ってくるか」です。DeepLのファイル翻訳は、元のファイルと同じ形式で翻訳済みのコピーを返します。ChatGPTはファイルを読み取り、デフォルトでは会話内のテキストで回答します。 ファイルの生成を提案することはありますが、OpenAIのアップロードに関するヘルプには、元のファイルの翻訳済みコピーを返すとは記載されていません。この一つの違いが、見出し、表、脚注、コメントが保持されるかどうか、用語をどう徹底するか、レビューの時間をどこに割くかといった、以降のほとんどの内容を決定づけます。

2026年10月21日時点で確認した簡単な答えは次のとおりです。

• DeepLを使うのは、成果物が文書そのもの（誰かが開いて使うDOCX、PPTX、PDF）であり、お使いのプランのファイルごとの制限に収まり、用語集で用語を徹底できる場合です。
• ChatGPTを使うのは、成果物が理解や判断である場合です。外国語文書の要約、難しい段落の別の表現、用語に関する議論、あるいはすでに手元にある翻訳に対するセカンドオピニオンなどです。
• 両方を使うのは、最も重要な文書の場合です。ファイルツールで文書を翻訳し、難しい箇所だけをChatGPTに持って行ってレビューします。

この記事では翻訳品質のコンテストは行っておらず、翻訳品質の勝者を決めるものでもありません。以下の比較は仕組みに関するものです。これらは各ベンダーのヘルプページに記載されており、モデルの品質ほど頻繁には変わりません。最後に、ご自身のアカウントで両方のツールを試せる小さなDOCXテストを用意しています。

アップロードされた文書を各ツールがどう扱うか

選択時に最も重要なのは2つの行です。

出力の行。 DeepLのファイル翻訳では、テキストの周囲にある元のファイルが保持されます。スタイル、表、文書構造は返却されるコピーに含まれるため、レビューは主に言語面に集中できます。ChatGPTの返答はテキストです。文書として仕上げるには、誰かがそのテキストを元のレイアウトに戻す必要があります。この再構築の過程で構造が失われます。以下のテストがそれを示しています。ChatGPTのアップロードページには、ファイルの内容を扱う方法（要約、比較、抽出、短い文書の書き換え）が説明されていますが、元のファイルの翻訳コピーを返すことについては説明されていません。

画像の行。 PDFがスキャン画像の場合、または重要な内容が画像内にある場合、ほとんどのプランのChatGPTはデジタルテキスト層を読み取り、埋め込み画像をスキップします。テキスト層のないスキャンPDFでは、扱える情報がほとんどありません。その場合は、まずPDFテキスト抽出とOCRの比較を読んで、OCRを実行するツールを選んでください。

制限：実際に引っかかるのはどれか

DeepLでは、ファイルサイズよりもファイルごとの文字数上限が先に問題になることが通常です。無料のDeepLアカウントでは、WordまたはPDFファイルあたり100,000文字まで受け付けます。Pro IndividualとTeamは100万文字、API Developerプランは500,000文字です。長編書籍は無料の上限を超えるため分割が必要で、各部分が月間のファイル翻訳回数を1回ずつ消費します。DeepL文書翻訳の制限ガイドでは、各プランで400ページの書籍を処理する方法を、PDFまたはDOCXあたりのAPIの最低50,000文字課金も含めて解説しています。

また注意点として、DeepLでは無料アカウント（サブスクリプションなし）で翻訳したファイルは編集不可で返却されます。ファイル形式の記事には、翻訳されたファイルを編集するにはProプランが必要と記載されています。Wordで出力を修正する予定がある場合は、実際に使用するプランでテストしてください。

ChatGPTの場合、アップロード制限は寛大です。ファイルあたり512 MB、テキスト文書あたり200万トークンです。アップロード制限は制約ではありません。制約は、翻訳がチャットの返答として返ってくることです。長い文書では多くのやり取りが必要になり、その後で組み立てて抜けがないか確認する必要があります。これはどの制限ページにも表示されないワークフロー上のコストで、文書の長さに応じて増大します。ChatGPT翻訳ガイドでは、書籍全体でこれが破綻する箇所を扱っています。

用語集：ファイルに強制適用 vs プロンプトで要求

用語管理は2つのツールが最も大きく異なる点であり、文単位のテストでは完全に見逃されます。

DeepLでは、用語集は翻訳に添付される用語リストです。ファイル翻訳には最大5つの用語集を適用できます。既存の用語集をCSVとしてアップロードする機能は、DeepLの用語集アップロードページによると、Team、Business、Enterpriseプラン（および旧Advanced、Ultimateプラン）で利用できます。形式は1行に2列で、例えばseat,Lizenzのようになります。用語集の言語ペアは、実行する翻訳と一致している必要があります。

ChatGPTでは、用語リストを指示に書き込むことで同じ効果が得られます（「seatをLizenzと訳し、Sitzとは決して訳さない」）。これは柔軟で、用語を固定する理由を説明したり、文脈を与えたり、用語が合わない文をモデルに指摘させたりできます。ただし、指示は要求であり拘束力のあるルールではないため、長い会話ではそれが守られたかを確認する必要があります。どのツールを使う場合でも、翻訳後に用語を確認してください。以下のテストキットはそれを数えてくれます。

まだ用語リストがない場合は、翻訳用語集の作成から始めてください。両方のツールに役立ちます。

両方のツールで実行できるDOCXラウンドトリップテスト

品質スコアの代わりに、文書翻訳がどこで失敗しうるかを示す小さなファイルと、返ってきたものをチェックするスクリプトを作成しました。すべてPython標準ライブラリで動作します。

• make_docx_fixture.pyはdocx-roundtrip-source.docxを生成します。これは1ページの英語管理ガイドで、2レベルの見出し、3×3の表、太字の用語、ハイパーリンク、脚注、レビューコメント、ヘッダー、フッターを含みます。
• glossary-en-de.csv には、英語からドイツ語への3つの用語が含まれており、既知の落とし穴があります。ここでの seat は有料ユーザーライセンスを意味するため、Sitz ではなく Lizenz とすべきです。このファイルは DeepL の2列アップロード形式を使用しています。
• check_docx_roundtrip.py は、ソースファイルと翻訳済みファイルを比較します。12の構造的特徴を数え、用語集の用語出現回数を比較します。

チェッカー自体が機能することを確認するために、構築された例 docx-roundtrip-pasted-example.docx（make_pasted_example.py で作成）を用意しました。これは、当社自身によるページのドイツ語翻訳を、新しい文書にプレーンな段落として貼り付けたものです。チャットウィンドウからコピーしたテキストが Word に通常どのように入るか、その通りです。これは DeepL や ChatGPT の出力ではありません。 1つの文で、意図的に Sitz と書きました。記録されたチェック出力：

structure                   source  output  result
paragraphs                      15       9  CHANGED
heading paragraphs               3       0  CHANGED
tables                           1       0  CHANGED
table cells                      9       0  CHANGED
bold runs                        1       0  CHANGED
hyperlinks                       1       0  CHANGED
external link targets            1       0  CHANGED
footnote references              1       0  CHANGED
footnote texts                   1       0  CHANGED
comments                         1       0  CHANGED
header text present              1       0  CHANGED
footer text present              1       0  CHANGED

glossary terms: source count -> target count in output
  workspace -> Arbeitsbereich: 6 -> 5, untranslated 0  check
  seat -> Lizenz: 8 -> 6, untranslated 0  check
  admin -> Administrator: 7 -> 6, untranslated 0  check

12 structure row(s) changed

本文テキストはすべて存在しますが、12の構造的特徴はすべて失われています。用語集の行もフラグが立ちますが、理由は異なります。Lizenz は2つ不足しています。1つの seat が Sitz になり、もう1つの seat を含んでいた脚注が失われたためです。Arbeitsbereich はヘッダーが失われたため1つ不足し、Administrator はフッターが失われたため1つ不足しています。これがテストの要点です。文書は完璧に読めても、誤った成果物である可能性があるのです。

実際のツールで実行するには：

1. python3 make_docx_fixture.py を実行します（またはソースファイルをダウンロードします）。
2. DeepL： ファイル翻訳ツールで DOCX をアップロードし、英語→ドイツ語を選択し、プランが許せば用語集を適用し、結果をダウンロードします。
3. ChatGPT： 同じ DOCX をアップロードし、3つの用語集用語を使用したドイツ語翻訳を依頼します。実際に納品する方法で結果を保存します。ChatGPT が提供するファイルであれ、Word に貼り付けたテキストであれ同じです。
4. 各結果に対して python3 check_docx_roundtrip.py docx-roundtrip-source.docx <translated>.docx glossary-en-de.csv を実行します。

スクリプトは品質ではなく構造を数えます。両方の出力も読んでください。すべての行を通過するファイルでも、誤った翻訳を含む可能性があります。また、用語集チェックは部分文字列を照合するため、Administratorlizenz のようなドイツ語の複合語は Lizenz にカウントされ、欠落した用語を隠す可能性があります。用語集のフラグ、またはその欠如は、判定ではなく確認すべき箇所として扱ってください。

どの文書にどのツールか

重要な文書のための組み合わせワークフロー：ファイルを返すツールでファイルを翻訳します。次に、意味に疑いがある箇所を探します：定義、警告、言葉遊び、読者が行動する可能性のあるものすべてです。それらだけを原文と訳文の両方とともにChatGPTに持っていきます。書き換えを依頼する前に問題のリストを求めることで、何がなぜ変わったかを確認できます。ポストエディットガイドでは、このレビューを計画する方法を示しています。

文書が一冊の本である場合

どちらのツールも汎用です。本全体となると、実際の問題は上記と同じものがより大きな規模で発生します：DeepLではファイルごとの上限と月間ファイル数、ChatGPTでは組み立てに多くの会話ターンが必要です。章をまたいで名前や用語を一貫させることも、どちらも困難です。

BookTranslatorはそのようなケースのために作られています。EPUB、DOCX、PDF全体をアップロードすると、翻訳されたファイルが返ってきます。EPUBとDOCXのタスクでは、本全体で名前と重要用語を追跡する自動用語集をオンにできます（PDFタスクでは利用できません）。料金は単語数に基づき、支払い前に最終価格が表示されます。重要なテキストのレビューの代わりにはならず、結果はやはり確認する必要があります：上記の往復スクリプトはBookTranslatorの出力を含む他のDOCXファイルでも機能します。ファイルがWord文書の場合は、DOCX翻訳ツールから始めてください。PDFの場合は、PDF翻訳ツールを使用してください。Wordのレイアウトを一般的に維持する方法については、書式を失わずにWord文書を翻訳するをご覧ください。