前言

現在ChatGPT在很多東西都能夠派上用場，那麼用在ACGN領域也沒問題吧？於是我就想著把我Steam上面的ADV日文視覺小說「D.M.L.C.！歡鬧炸戀生死鬥」這款遊戲以ChatGPT漢化，這樣我應該就會比較有動力繼續把它看完了。

這時候我還不曉得，我用ChatGPT漢化的時間遠比遊玩時間還要長，花在漢化的額外花費比遊戲本體還要貴……

這篇文預計能對你有甚麼幫助？

1. 使用ChatGPT漢化流程，了解提取、匯入翻譯文本的方法。
2. 提供對優化翻譯的一些想法。
3. 少踩一些我踩過的雷。
4. 了解OpenAI API大概的行情(使用上需要付費)。
5. 可以參考一下GPT的程式碼，和我改過的程式碼(文章最後有下載連結)。

總之先跟ChatGPT打聲招呼，依據我的事前調查，像Unity與UE這類遊戲開發引擎有專門處理語言相關的插件，比較容易使用網路上各式開源軟體來進行提取文本、翻譯、匯入資料庫的行為，也讓ChatGPT有機會成功幫助我漢化！

漢化開始

接著可以開始按照它的提議來依序進行：

1. 利用AssetStudio將Unity遊戲內部的Asset檔案提取出來，搜尋與文本相關的檔案，並進行輸出。
2. 利用Chat GPT進行翻譯。
3. UABEA匯入更新後的文本資料，並更新Resource.assets，完成翻譯。

檢查資源格式

總之先開啟Steam->遊戲設定->管理->瀏覽本機檔案，就可以看到本地的資料夾囉！這時候可以先檢查一下是不是Unity類型的遊戲。

如果資料夾裡面的檔案有疑似Unity名稱相關的檔案，基本上就能夠確認這個遊戲是使用Unity製作的囉！或是進入遊戲畫面時會跑出的「Made with Unity」也是辨別方式之一。
另外MyBackUp是我在進行漢化之前先行將所有資料進行備份用的，之後就可以安心對檔案動手動腳囉！

AssetStudio搜尋及提取文本

再來就是要把遊戲內部的文本檔案給提取出來，如果你直接使用筆記本開啟內部檔案的話，基本上都會是亂碼哦。
所以我們這邊要使用它所建議的工具AssetStudio來幫助我們提取文本。
先到AssetStudio的Github下載軟體：AssetStudio GitHub

從Release頁面下載最新的版本，之後解壓縮檔案，AssetStudio本身是免安裝的，之後只要直接點開AssetStudioGUI.exe就能夠直接使用了。

執行AssetStudioGUI.exe執行程式後點選File->Load folder。

選擇遊戲路徑(預設為C:\Program Files (x86)\Steam\steamapps\common\DMLC!)：

之後它會跑一段讀取時間，把Unity內部的資源檔案撈出來。
再來我們要找文本檔案：選擇Filter Type->TextAsset，並且將欄位切換到Asset List。

點選任一檔案就可以查看裡面內容了，稍微看一下可以知道，scenario系列基本上就是遊戲的腳本，也是我們要翻譯的重點內容。

接下來就可以將這些檔案通通輸出，然後交給ChatGPT進行翻譯啦！
選取所有檔案後，按下右鍵後，選擇ExportSelected assets進行輸出(總之就先找一個地方儲存吧)。
(註：裡面無法用Ctrl+A進行全選，請善用Shift或Ctrl鍵來進行檔案的多選。)

檔案輸出後，如果想要觀看內容的話可以使用筆記本打開。

Chat GPT進行翻譯

後面直接丟給ChatGPT進行翻譯，會發現它一次只會翻譯有限的行數，原因是因為它只能輸出一定量的內容。

於是ChatGPT就對我推銷了一個東西，叫做OpenAI Platform。
簡單講就是可以讓你的應用程式使用OpenAI的功能，實現本地端的ChatGPT，就不會受到輸出限制的問題，可以讓它翻譯整個文件。

但注意，使用OpenAI API是要付費的！即使你有訂閱ChatGPT也一樣！因為兩者是分開計算的。

使用OpenAI的API有幾道程序需要先準備：

• 建立Secret Key
• 儲值金額

先進入到它的頁面，登入帳號後，按下Create new secret key。

輸入Name(主要是讓你自己識別用)，Project直接選Default project就可以了，輸入完後就按下Create secret key，完成建立。

後面就會生成一串你個人的key，到時候使用API的時候，會透過這組key找到你的帳號，計算用量及費用。

再來為你的錢包儲值，一次最小需要儲值5美元，這邊就看個人需求。
按下左側的Billing進入你的錢包，按下Add to credit balance進行儲值。
(供參考：我完整漢化這個遊戲大約花費4~5美元左右，另外花5美元進行一些實驗。)

接著只要在程式裡面連結個人的secret key就可以使用OpenAI的API了！
之後就使用ChatGPT給我的翻譯程式，在本地端進行翻譯，大概翻譯10分鐘左右就完成第一個文本翻譯了。

UABEA將翻譯結果匯入資源檔

當你打算匯入翻譯好的scenario01的時候你會發現，遊戲資料夾根本就沒有scenario01這個檔案。
所以在這之前，我們先回到AssetStudio。
對scenario01檔案按下右鍵，並按下Show original File，它便會自動導向它的原生檔案resources.assets，也就是我們要重點處理的資源檔。
(我有嘗試過對其它檔案查找他們的原生檔案，文本類的原生檔皆為resources.assets。)

找到這個原生檔案後，我們就可以來將翻譯後的檔案進行匯入了。
在那之前可以先把AssetStudio關掉，以免造成後面匯入失敗。

再來我們要使用UABEA工具來幫助我們進行匯入的動作，載點：UABEA Github Release

進入網站後，下載uabea-windows.zip進行下載。

UABEA一樣是免安裝的，可以直接執行UABEAvalonia.exe。

開啟UABEA後，選擇剛剛資源檔resources.assets。

按下Ctrl+F進行搜尋，輸入scenario01按下OK找到目標檔案。
(註: 這個搜尋系統需要把字完全打出來，只打”sce”是搜尋不到的，要打完整的”scenario01″)

點選scenario01，再按下Plugins按鈕。

選擇import.txt後，按下OK按鈕。

選擇剛剛翻譯完後生成的scenario01檔案。

按下Crtl+S進行保存後，即完成匯入的動作，後續就可以打開遊戲進行確認啦！
(註：如果儲存的時候有失敗訊息的話，可能是AssetStudio沒有關閉所導致。)

完成結果

直接丟進翻譯後匯入遊戲文本的結果：

• GPT沒有自動幫文本換行。
• 人名的顯示不見了。
• 上標沒有正確處理好，多餘的字符容易影響體驗。

———–以上是ChatGPT教我如何抽換文本以完成翻譯的方法——

翻譯優化

ChatGPT的漢化程度我覺得至少有到90%的程度，再來就得想辦法優化到99%才行了，剩下最後的1%可能還是得靠人工來進行處理，不過也比全部手工要好上百倍啦！
開啟遊戲後還是會發現不少問題，因為只是單純讓GPT對所有日文的部分進行翻譯並匯入文本。
因為我們提取出來的不是單純的文本，而是視覺小說的腳本。
其中腳本包含很多東西，包括：

1. 對話文字內容。
2. 發話者名稱。
3. 文本內的特殊tag，如平假名上標(%rbs, %rbe)、顏色標籤(%co1, %co2, %coe)等。
4. #L、#X、#MesName、#MesSta等帶井字號開頭的腳本控制函式。

如果不先進行預處理的話，可能會對沒必要的文字進行翻譯，或是讓某些tag消失甚至影響翻譯內容或品質。

文字檔分類

• 遊戲腳本：控制整體遊戲的運行，所有文本、圖片、流程的操控。
• CSV文件。

再來就開始進行分析，並且處理後交由ChatGPT重新進行翻譯吧。

遊戲腳本

以下是腳本的節錄，經過我的個人分析後，有日文的部分包括：

• #L: 這個是出現在畫面上方的提示，需要翻譯。
• #X: 是遊戲定位點，不會出現在畫面上，通常會配合#Jump來使用，不需要翻譯。
• #Jump: 跳躍場景用的函式，不會出現在畫面上，不需要翻譯。
• #MesName: 這個是用來放說話者的人名用的，需要翻譯。
• #MesSta()+#MesEnd(): 這是對話框裡面的文字，這兩個函式是一組出現的，只要把夾在這之間的文本題取出來進行翻譯即可。
• #Select: 選擇，第一個參數為選項數量，後面的則是對應第n個選項的文字，選擇性翻譯(我選擇略過這項，有時候翻譯有標點符號的句子容易有問題，預處理很麻煩、複雜，且容易出問題)。
• #Tips: 是遊戲內的紀錄、筆記、說明等項目，第一參數會顯示在跳出的頁面上，後面依序為分類編號、日期編號、Tips ID，選擇性翻譯。(這個部份我也沒翻譯，理由同#Select。)

特殊字符：

• %co1 %coe: 這是顏色標記，前面的%co+數字是對應顏色的ID，後面的%coe是顏色標記結束。
• %rbs %rbe: 這是用於漢字的注音上標。

上面的腳本是我改過的，呈現結果如下圖：

腳本檔案預處理+翻譯

#開頭的字串

前面有帶#字號的字串，都先進行拆解後，再給ChatGPT進行翻譯比較保險，因為GPT有機率會將那些符號給去掉。
因此大致邏輯如下，以#L(4/16(月)放課後)為例。
將字串拆解成三個部分”#L(“, “4/16(月)放課後”, “)”，然後將中間的字串進行翻譯。
於是”4/16(月)放課後”->”4/16(一)放學後”，
最後再將前後的字符串接起來，最後就會變成”#L(4/16(一)放學後)”了。

#MesName人名

這部分我選擇用對應表來進行處理，因為有時候翻譯的名字會不一致，而且句子太短它很常會給「這個句子太短」、「看起來像是個人名」這種回應。
先透過「GPT給的函式提取所有人名」->[GPT進行翻譯並建立對應表]->「在翻譯的時候針對#MesName進行對應表人名替換」

#MesSta、#MesEnd對話文本

對話是翻譯最重要的部分，對話夾在#MesSta與#MesEnd兩者之間，因此需要把它提取出來，並且把多行的句子組合在一起，再一起進行翻譯。

%co1、%coe顏色標籤

顏色的標籤我選擇把它移除，因為留著會影響翻譯的品質。

%rbs、%rbe上標標籤

中文不需要平假名上標，雖然有些視覺小說會用上標來標註額外意義，但佔比相當少，留著一樣會有影響翻譯品質的問題。

完成的結果

經過處理並翻譯後的腳本：

遊戲畫面：

結果分析

老實說在一開始我是想要保留顏色和上標的，但我發現這件事情的困難點在於，日文翻譯成中文後的字數並不相同，所以難以直接將標籤插回句子。

ChatGPT有提供一種PlaceHolder的寫法，例如把「%co1 顏色1：これはテスト文字列です。　%coe」設置成一個”__COLOR1__”這樣的代名詞，然後把其他句子翻譯後再還原。
但實際嘗試後我發現會有兩個問題：

1. PlaceHolder的句子和其他分離的句子必須各自翻譯，因此不會有上下文關係，翻譯的效果很差(還不如直接google翻譯就好)。
2. ChatGPT有時候會在翻譯的過程中把”__COLOR1__”這種無意義的東西直接刪除，導致還原的程式出錯。

因此這個部分我就捨棄了，畢竟這個顏色或上標其實對我來說沒有這麼重要。
如果真的很在意的話，可以用程式提取有顏色或上標的句子，然後手動修改我覺得也可以，實際上顏色標籤並不多，中文也不需要注音上標。

CSV檔案

用逗點隔開的資料格式，如果不了解CSV檔案的人可以問一下GPT，這裡不贅述哦。
CSV檔案比較容易處理，比較重要的是notedef這個檔案，它記錄這個遊戲裡面的所有Tips資料。

這個部分主要需要處理的有三個部分：

• 主題：這個部分直接丟進去翻譯即可。
• 內容：需要特別處理，句子的格式比較特殊，使用@n號來進行分行，並且會在尾部補齊總共7個@n符號。
• 分類：這個部分有固定的名稱，所以我是用對應表的方式來處理。

CSV檔案使用excel開啟的呈現：

CSV檔案用txt打開的樣子：

遊戲裡面的畫面：

CSV檔案預處理+翻譯

這邊主要針對內容的字串來進行處理。

「標題」處理

可以讓GPT直接進行翻譯，但有時候句子太短它會有意見，導致翻譯有問題，翻譯後要再次確認。

「分類」處理

先使用GPT翻譯後，使用對應表直接替換：

「內容」處理

Tips裡面用@n來表示換行字元(一般程式碼是用’\n’，可以等值理解)，這邊使用第一個Tip來進行解說：

告白＝爆死！？,津野さんと乙羽から、まさかの愛の@n告白……と思いきや、なんか僕は、@n告白されると爆死するようになっちゃ@nったらしい。なんでだ。@n@n@n@n

如果直接丟進ChatGPT翻譯的話可能會影響品質，而且日文翻譯成中文的長短也不會一樣，所以換行的部分需要另外處理。

處理邏輯：

1. 把@n全部去掉。
2. ChatGPT進行翻譯。
3. 依據每16字一行的長度來插入@n字符，16字是計算畫面上一行有多少字所得來的，漢化和日文的子體的佔格是相同的(每個遊戲可能會有所不同)。
4. 最後在尾端補齊總計7個@n字符。

這個部分的程式碼我都是讓ChatGPT幫我完成的，以下為核心函式：

最後，要匯入資源檔之前要先確認一件事情，就是檔案的最後一行不能是空白，否則的話會失敗。

完成的結果

總結

越細緻的要求，GPT往往越難完美達成，像是去除顏色、上標的標籤這類細節處理建議都用程式來處理，讓GPT專注在翻譯這塊就好，不然很容易出問題。
如果單純要求翻譯，不考慮語氣的話，使用Google Translate的API說不定會比較好，不會有奇奇怪怪的註解和解說出現，害我修得半死。不過我也沒實際實驗過Google Translate，所以也不清楚會不會有其他問題。

如果是專業翻譯的話，還得考慮潤飾文句、保留文本空白處、適當文長時分行等。文字顏色的部分可能也需要保留，上標的部分可以在需要額外註解的時候補上(可以補充一些文化差異上的註釋)。

UI的部分我不要求，簡單的日文我是看得懂的，所以沒差。
除非是給別人用的情況才會考慮吧，不然的話劇情文本看得懂就足夠了。

時間花費的部分(28小時左右)：

• 學會從使用AssetsStudio、OpenAI platform、UABEA、第一個翻譯檔完成：大約5~6小時。
• 嘗試優化自動化文句預先處理及實驗：大約7~8小時。
• 日文名字提取並製作對應表：2小時。
• CSV檔案翻譯處理：4小時。
• 手動修改翻譯不足處：6小時。
• 遊戲測試、確認文本：2小時。

金錢花費(10美元左右)：

• 整體翻譯：4~5美元
• 一些實驗：1美元
• 開錯OpenAI模型(用到gpt-4o)：4美元
   

題外話

老實說我一開始本來想要漢化「死印」這款遊戲的，但是它並不是由Unity製作的，然後我花費了一個下午的時間讓ChatGPT想辦法，仍然無解，只好作罷。
所以如果遇到的是自製引擎製作的遊戲，使用ChatGPT成功漢化的機率就會很低，這種時候只能期待官方漢化、或是某大神來進行漢化了。
後來我無聊問了GPT關於漢化法律相關的問題，如果把漢化後的資源包進行散佈的話，似乎是會有觸法的問題，但是多數小廠商不會為了這種事情提告就是了。
當然我這篇文章主要還是以GPT實現漢化的流程來進行撰寫的，並沒有打算分享資源包哦(主要是我翻譯的也不完整啦)。

如果ChatGPT本身能夠幫助我做到這件事情的話，幹嘛還要看這篇解說文章？

這個自問自答讓我反思一下寫這篇文章的動機以及其價值。
首先呢，這些東西是我在問了ChatGPT很多次之後，嘗試、犯錯、統整後的產物，實際執行的過程會有很多小問題。
然後把這些小問題再拿回去問GPT，大概會有90%能夠解決，剩下的10%就靠我個人工程能力的直感來解決。

那麼沒有這10%能夠漢化嗎？
可以，只不過會辛苦一點，手工的部分會變得更多，花的時間也就更多。

另外，「D.M.L.C.！歡鬧炸戀生死鬥」這款遊戲，官方在半年前就已經公告要出中文翻譯了，所以真的對這款遊戲有興趣的話，就等一段時間吧。

最後感謝各位觀看，歡迎轉載文章，但請附上出處、作者，謝謝各位的觀看。

程式碼連結：Google雲端
巴哈小屋：https://home.gamer.com.tw/homeindex.php?owner=gear14789632