Hy-MT2 + OllamaをAPIとして使う——DeepL API代替ローカル翻訳をPython20行で作る

ollama pull hy-mt2

ollama list

curl http://localhost:11434/api/tags

curl http://localhost:11434/api/generate \
  -d '{
    "model": "hy-mt2",
    "prompt": "Translate to Japanese: The voltage rail is unstable.",
    "stream": false
  }'

# scripts/hy-mt2-translate.py
import sys, requests

MODEL = "hy-mt2"
OLLAMA_URL = "http://localhost:11434/api/generate"

text = " ".join(sys.argv[1:]).strip()
if not text:
    print("Usage: python scripts/hy-mt2-translate.py <text>")
    raise SystemExit(1)

prompt = f"Translate to Japanese. Keep meaning accurate:

{text}"
r = requests.post(
    OLLAMA_URL,
    json={"model": MODEL, "prompt": prompt, "stream": False},
    timeout=300,
)
r.raise_for_status()
print(r.json()["response"].strip())

python scripts/hy-mt2-translate.py "The voltage rail is unstable."

電圧レールが不安定です。

{
  "glossary": [
    {"src": "voltage rail", "dst": "電源レール"},
    {"src": "firmware", "dst": "ファームウェア"},
    {"src": "throughput", "dst": "スループット"},
    {"src": "latency", "dst": "レイテンシ"},
    {"src": "fail-safe", "dst": "フェイルセーフ"}
  ]
}

# scripts/hy-mt2-translate.py
import sys, json, requests, pathlib

MODEL = "hy-mt2"
OLLAMA_URL = "http://localhost:11434/api/generate"
GLOSSARY_PATH = pathlib.Path("scripts/hy-mt2-glossary-sample.json")

text = " ".join(sys.argv[1:]).strip()
if not text:
    print("Usage: python scripts/hy-mt2-translate.py <text>")
    raise SystemExit(1)

glossary = []
if GLOSSARY_PATH.exists():
    data = json.loads(GLOSSARY_PATH.read_text(encoding="utf-8"))
    glossary = data.get("glossary", [])

glossary_text = "
".join([f'- {g["src"]} => {g["dst"]}' for g in glossary])
prompt = f"""Translate to Japanese.
Use the following glossary strictly when matching terms:
{glossary_text}

Text:
{text}
"""

r = requests.post(
    OLLAMA_URL,
    json={"model": MODEL, "prompt": prompt, "stream": False},
    timeout=300,
)
r.raise_for_status()
print(r.json()["response"].strip())

python scripts/hy-mt2-translate.py "The voltage rail and firmware affect throughput and latency."

電源レールとファームウェアはスループットとレイテンシに影響します。

# scripts/hy-mt2-translate-md.py
import re, sys, requests

MODEL = "hy-mt2"
URL = "http://localhost:11434/api/generate"
text = " ".join(sys.argv[1:]).strip()
if not text:
    print("Usage: python scripts/hy-mt2-translate-md.py <markdown>")
    raise SystemExit(1)

store = []

def hold(pattern, src):
    def repl(m):
        store.append(m.group(0))
        return f"__PH_{len(store)-1}__"
    return re.sub(pattern, repl, src, flags=re.M)

text = hold(r"```[\s\S]*?```", text)
text = hold(r"`[^`]+`", text)
text = hold(r"\[[^\]]+\]\([^\)]+\)", text)

prompt = f"Translate to Japanese while keeping placeholders unchanged.

{text}"
r = requests.post(URL, json={"model": MODEL, "prompt": prompt, "stream": False}, timeout=300)
r.raise_for_status()
out = r.json()["response"].strip()

for i, item in enumerate(store):
    out = out.replace(f"__PH_{i}__", item)

print(out)

python scripts/hy-mt2-translate-md.py "# Title

Use `ollama` and see [docs](https://example.com).

```bash
curl localhost:11434
```"

# タイトル

`ollama` を使い、[docs](https://example.com) を参照してください。

```bash
curl localhost:11434

正直、ここは少し迷いました。完全自動で何でも守るより、**壊れて困る要素だけ守る**ほうが実運用では強いです。

## 実測コスト比較: DeepL API Pro vs ¥0

ここは感情より数字です。DeepLは便利ですが、月間文字数が増えると固定費が効いてきます。Hy-MT2 + Ollama は、少なくともAPI課金はありません。電気代だけです。

※ DeepL API Pro の金額は、ここでは**月額固定費を含む概算**として扱います。契約条件や時期で変わるので、最終確認は自分の契約画面でお願いします。

### 月間文字数別の試算

| 月間文字数 | DeepL API Pro概算 | Hy-MT2 + Ollama | 差分 |
|---:|---:|---:|---:|
| 10万文字 | 約1,200円 | 約0円 | 約1,200円安い |
| 30万文字 | 約1,200円〜+従量分 | 約0円 | さらに差が広がる |
| 100万文字 | 約1,200円〜+従量分 | 約0円 | かなり差が出る |
| 300万文字 | 約1,200円〜+従量分 | 約0円 | 固定費が重い |

### ざっくり判断

- **月10万文字程度**なら、DeepLの固定費はまだ見えます
- **定常的に大量翻訳する**なら、ローカル翻訳の価値が出ます
- **社外秘を外に出せない**なら、コスト以前にローカル一択です

電気代は環境差が大きいので、この記事では「¥0」と表記しました。厳密には0ではありませんが、API課金の議論をするうえでは十分に小さいです。

## どこで詰まりやすいか

### 1. `Connection refused` が出る

Ollama が起動していません。

確認:

```bash
curl http://localhost:11434/api/tags