[{"data":1,"prerenderedAt":271},["ShallowReactive",2],{"docs-ja-/ja/docs/service/ai/local":3},{"id":4,"title":5,"body":6,"description":263,"extension":264,"meta":265,"navigation":266,"path":267,"seo":268,"stem":269,"__hash__":270},"docs_ja/ja/docs/service/ai/local.md","AIサービス（ローカル）",{"type":7,"value":8,"toc":252},"minimark",[9,13,17,24,28,31,35,38,41,44,47,50,54,57,60,63,66,69,73,131,134,137,145,148,155,161,164,167,170,173,179,185,188,191,194,197,203,209,212,215,237],[10,11,5],"h1",{"id":12},"aiサービスローカル",[14,15,16],"p",{},"Doco Translate は、Ollama、LM Studio、oMLX などのローカル AI モデル ランタイムに接続して翻訳できます。",[14,18,19],{},[20,21],"img",{"alt":22,"src":23},"ローカルAI翻訳サービス","/images/docs/local-ai-services.webp",[25,26,27],"h2",{"id":27},"ローカルモデルの利点",[14,29,30],{},"Uローカル モデルの使用は、いくつかの重要な利点があるため、Doco Translate が最も強く推奨するアプローチです。",[32,33,34],"h4",{"id":34},"翻訳品質",[14,36,37],{},"大規模言語モデルは、自然言語タスク、特に翻訳に優れています。これらは通常、従来の機械翻訳エンジンよりも優れた翻訳品質を提供します。",[32,39,40],{"id":40},"プライバシー",[14,42,43],{},"ローカル ランタイムを通じてロードされたモデルは、データをデバイス上に保持します。サードパーティのプロバイダーには何も送信されないため、文書処理のプライバシーが確保されます。",[32,45,46],{"id":46},"コスト",[14,48,49],{},"クラウド AI API とは異なり、ローカル モデルはトークンの料金を請求せず、追加の使用料もかかりません。",[25,51,53],{"id":52},"ローカル-モデルの制限事項","ローカル モデルの制限事項",[32,55,56],{"id":56},"モデルサイズ",[14,58,59],{},"ローカル モデルは通常オープン ソースであり、コンシューマ ハードウェアで適切に動作するモデルのパラメータ数は、4B、9B、35B-A3B、27B など比較的小さいことがよくあります。したがって、それらの一般的な機能は大規模なクラウド モデルよりも弱い可能性があります。",[14,61,62],{},"ただし、翻訳には非常に長い推論チェーンや可能な限り強力な推論モデルは必要ありません。小規模なローカル モデルは優れた変換を生成できるため、コスト効率の高い選択肢となります。",[32,64,65],{"id":65},"推論速度",[14,67,68],{},"ローカル推論速度は、ハードウェアとモデルのサイズによって異なります。ハードウェアが優れていてモデルが小さいほど高速になりますが、ローカル推論は一般にクラウド AI API よりも依然として遅くなります。",[25,70,72],{"id":71},"ローカル-ai-モデル-ランタイム","ローカル AI モデル ランタイム",[74,75,76,89],"table",{},[77,78,79],"thead",{},[80,81,82,86],"tr",{},[83,84,85],"th",{},"ツール",[83,87,88],{},"の特徴",[90,91,92,107,119],"tbody",{},[80,93,94,104],{},[95,96,97],"td",{},[98,99,103],"a",{"href":100,"rel":101},"https://ollama.com/",[102],"nofollow","Oラマ",[95,105,106],{},"シンプルなコマンドラインセットアップとモデル管理",[80,108,109,116],{},[95,110,111],{},[98,112,115],{"href":113,"rel":114},"https://lmstudio.ai/",[102],"LM スタジオ",[95,117,118],{},"ローカル モデルをダウンロードして実行するための使いやすいグラフィカル インターフェイス",[80,120,121,128],{},[95,122,123],{},[98,124,127],{"href":125,"rel":126},"https://omlx.ai/",[102],"oMLX",[95,129,130],{},"Apple シリコンに最適化された高速ローカル LLM 推論",[25,132,103],{"id":133},"oラマ",[14,135,136],{},"Ollama は、ローカル モデルを実行するための親しみやすいコマンド ライン ツールです。",[14,138,139,140,144],{},"公式の手順に従って Ollama をインストールし、実行します ",[141,142,143],"code",{},"ollama pull MODEL_NAME"," モデルをダウンロードします。",[14,146,147],{},"モデルがダウンロードされ、Ollama で正常に実行されたら、ワンクリックで Doco Translate に接続します。",[14,149,150,151,154],{},"デフォルトの Ollama エンドポイントは次のとおりです。 ",[141,152,153],{},"http://localhost:11434",".",[14,156,157],{},[20,158],{"alt":159,"src":160},"Ollama サービス設定","/images/docs/ollama-settings.webp",[25,162,115],{"id":163},"lm-スタジオ",[14,165,166],{},"LM Studio は、ローカル モデルを実行するためのグラフィカル インターフェイスを提供しており、簡単に使い始めることができます。",[14,168,169],{},"公式 Web サイトから LM Studio をインストールし、アプリ内でモデルをダウンロードします。",[14,171,172],{},"モデルのダウンロード後、LM Studio のローカル モデル サーバーを起動して API を公開します。その後、ワンクリックで Doco Translate に接続できます。",[14,174,175,176,154],{},"デフォルトの LM Studio エンドポイントは次のとおりです。 ",[141,177,178],{},"http://localhost:1234",[14,180,181],{},[20,182],{"alt":183,"src":184},"LM Studio サービス設定","/images/docs/lm-studio-settings.webp",[25,186,127],{"id":187},"omlx",[14,189,190],{},"oMLX は、Apple シリコン用に最適化されたローカル モデル ランタイムであり、非常に高速な推論を提供します。",[14,192,193],{},"公式 Web サイトから oMLX をインストールし、oMLX コンソールを開いてモデルをダウンロードします。",[14,195,196],{},"oMLX はローカル サービスを自動的に開始します。モデルがダウンロードされ、テストに合格したら、ワンクリックで Doco Translate に接続します。",[14,198,199,200,154],{},"デフォルトの oMLX エンドポイントは次のとおりです。 ",[141,201,202],{},"http://localhost:8000",[14,204,205],{},[20,206],{"alt":207,"src":208},"oMLX サービス設定","/images/docs/omlx-settings.webp",[25,210,211],{"id":211},"おすすめモデル",[14,213,214],{},"Doco Translate では、翻訳に次のモデルを推奨しています。",[216,217,218,222,225,228,231,234],"ul",{},[219,220,221],"li",{},"Hy-MT2-1.8B: 非常に高速でメモリ使用量が最小限に抑えられ、特に翻訳用に最適化されています。",[219,223,224],{},"Qwen3.5:9B: メモリ使用量が比較的少なく高速です",[219,226,227],{},"Qwen3.6:35B-A3B: 強力な機能と高速パフォーマンス、より高いメモリ使用量",[219,229,230],{},"Gemma4:12B: 品質、速度、メモリ使用量のバランスのとれた選択",[219,232,233],{},"Qwen3.6:27B: 最も強力な機能ですが、速度が遅くメモリを大量に消費します",[219,235,236],{},"Qwen3.5:4B: メモリ使用量が少なく高速ですが、安定性がわずかに劣ります",[14,238,239,240,243,244,247,248,251],{},"ほとんどのワークロードでは、次を使用します。 ",[141,241,242],{},"Hy-MT2-1.8B"," または ",[141,245,246],{},"Qwen3.5:9B"," をプライマリモデルとします。どちらも高速でメモリ効率が高いです。より高い品質と安定性を得るには、次を使用します。 ",[141,249,250],{},"Qwen3.6:35B-A3B","。より高機能ですが、より多くのメモリを消費します。",{"title":253,"searchDepth":254,"depth":254,"links":255},"",2,[256,257,258,259,260,261,262],{"id":27,"depth":254,"text":27},{"id":52,"depth":254,"text":53},{"id":71,"depth":254,"text":72},{"id":133,"depth":254,"text":103},{"id":163,"depth":254,"text":115},{"id":187,"depth":254,"text":127},{"id":211,"depth":254,"text":211},"Ollama、LM Studio、または oMLX に接続し、デバイス上で実行されている AI モデルを使用して翻訳します。","md",{},true,"/ja/docs/service/ai/local",{"title":5,"description":263},"ja/docs/service/ai/local","E0yh0H6CIuGMsug-SVnlE_Ac4LOE9PH9DZvpKlNeKMs",1787207635662]