macOS の mozc を Google IME 本家超えに育てる ― slim UT 辞書 + protobuf 直書き運用

intro出発点 ― Google IME に絶望して、azooKey を試して、Mozc に行き着いた

Google 日本語入力に限界が来ていた。助詞の 「に」が「二」（漢数字）に化ける連文節バグで、書くたびに引っかかる。リリース自体は今も出ているが、変換エンジン本体は 2018 年あたりで止まったまま。新語にも文脈にも追従しない。バージョンだけ上がって中身は据え置き。

救いを求めたのが azooKey-Desktop だった。Neural モデル（Zenzai）で助詞精度が上がる、ローカル LLM 74MB を内蔵した意欲作。試すと確かに賢い。が、本番採用は見送った。

azooKey を落とし、ATOK や かわせみ も並べて検討して却下した（本筋から外れるので割愛）。最後に残った標準 IME に切り替えた瞬間、今度は 「きょう」が 2026-05-09 にならない問題に直面する。

Mac 標準 IME で きょう と打つと 2026/05/09（スラッシュ区切り）は候補に出る。だが ISO 8601 ハイフン区切りの 2026-05-09 は出ない。Git のコミットメッセージやファイル名でハイフン形式を多用する開発者には、これが地味に効く。

そこで IME を mozc に変えただけで、Google IME と同じエンジンが動き、ハイフン形式日付も候補に出るようになった。原点目的は 5 分で達成。本記事の本筋はその先 ―― mozc を Google IME 本家超え品質に育てる副次目的の方にある。

02ハマりの三重罠

「ut-jawiki を入れれば固有名詞バッチリだろう」と 124 万件のユーザ辞書を投入したら、3 つの罠が連鎖して詰んだ。mozc 公式ソースを読むまで気付けない仕様ばかりだ。

--- ut-jawiki Top 100万件 の五十音別エントリ数 ---
あ:  75,009  ████████████████
い:  47,607  █████████
う:  24,994  ████
え:  28,323  █████
お:  50,858  ██████████
（中略）
ふ:  40,544  ████████
へ:   6,194  █
ほ:  15,585  ███
ま:       0  ← ここから完全ゼロ
み:       0
む:       0
（以下、ん まで全部 0）

3 つの中で最も致命的なのは罠 ②。「コスト値で頻度を反映させて Top N を取る」というアプローチは、mozc がそもそもそのコスト値を読まない。最初から成立しないわけだ。気付くまでに DB を 3 回作り直した。五十音偏りの実測でようやく構造を理解した。

03slim デファクト UT の発見 ― 17 万件級の二択

「kMaxEntrySize = 1,000,000 なら、100 万件以下の UT 辞書なら問題なく入る」という気付きから、utuhiro78 の各 repo の実件数を全件実測した。明確に 2 グループに分かれる:

17 万件級が「slim デファクト UT」の正体。Linux 中心の UT エコシステムでは jawiki / sudachidict / neologd の大型辞書ばかりがフィーチャーされ、この slim 系は陰に隠れている。macOS の kMaxEntrySize 制約環境ではむしろこちらが本命。

04最終構成 ― D-1 王道（4 辞書）

合計 346,129 件、DB 12.1 MB、各辞書 100 万件上限以下 ✓

なぜ SUGGESTION_ONLY 品詞か

UT 辞書由来の固有名詞・専門語を変換候補ウィンドウには出さず、予測変換（サジェスト）のみで参照させたい。Space で変換する通常文章入力では「鬼滅の刃」「ヴルスト」のような固有名詞ノイズは邪魔。「きめ」と打った瞬間にサジェストに「鬼滅の刃」が出れば 1 タップで確定できる。mozc の学習機能との相性も良い。使うほど個人最適化されていく。

ディレクトリ構造

config/i_IME/
├── README.md             ← 設計方針 + 第一原理 FAQ
├── personal.tsv          ← 個人 SSOT (76 件、git で履歴管理)
├── upstream/             ← 外部 snapshot (自分では編集しない)
│   ├── mazegaki.txt
│   ├── mozcdic-ut-skk-jisyo.txt.bz2
│   └── mozcdic-ut-edict2.txt.bz2
└── scripts/
    ├── apply.py          ← TSV/bz2 → mozc DB 投入
    ├── status.py         ← DB 中身確認
    ├── refresh-upstream  ← 上流から再 DL
    └── *.proto / pb2.py  ← mozc 公式 schema

05protobuf 直書き ― GUI フリーズを突破する

macOS の Mozc.pkg には CLI 辞書ツールが付属していない。Linux 版にある mozc_tool が macOS 配布版には含まれず、DictionaryTool.app は GUI のみ。しかも 100 万件級の TSV をインポートすると UI が完全フリーズ。

解決策はユーザ辞書 DB を Python で直接生成すること。~/Library/Application Support/Mozc/user_dictionary.db は非暗号化の protobuf binaryで、mozc 公式 schema UserDictionaryStorage をそのまま serialize しただけ。

TSV を読んで protobuf に詰めて書き出すだけ。mozc は次回起動時に新 DB を読み込むので、GUI フリーズは原理的に発生しない。

import bz2
from pathlib import Path
import user_dictionary_storage_pb2 as udp

PosType = udp.UserDictionary.PosType
DB_PATH = Path.home() / "Library/Application Support/Mozc/user_dictionary.db"

def load_ut_bz2(path, pos_id):
    seen = set()
    entries = []
    with bz2.open(path, "rt", encoding="utf-8") as f:
        for line in f:
            parts = line.rstrip("\n").split("\t")
            if len(parts) < 5: continue
            yomi, _, _, _, value = parts
            key = (yomi, value)
            if key in seen or len(yomi) > 256: continue
            seen.add(key)
            entries.append((yomi, value, pos_id))
    return entries

storage = udp.UserDictionaryStorage()
# personal + mazegaki + ut-skk-jisyo + ut-edict2 を別辞書として追加
# ...
DB_PATH.write_bytes(storage.SerializeToString())
# mozc は次回起動時に新 DB を読み込む

06選択肢の比較 ― なぜ D-1 か

07Q&A ― よくある疑問

主要な疑問 2 つだけ先に答える:

• 辞書ツール GUI じゃなくても動くの？ 動く。mozc 本体は起動時に user_dictionary.db を読むだけで、GUI は編集ツールに過ぎない。
• 「に → 二」連文節バグは消える？ 消えない（mozc も Google IME 同エンジンで同症状）。個人辞書の抑制単語で軽減のみ。構造問題で根治不能。

08今回得た一次知見

本セッションで得た「ネットに明示的に書かれていないが、公式ソース / 実機検証で確定した事実」を 8 つ:

• 🔍 macOS で UT 辞書を取り込んだ和文記事は 2026-05 時点で公開ゼロ件（Qiita / Zenn / note / Hatena / 個人ブログ全探索）。Linux ディストロには豊富な事例があるが、macOS は空席のフロンティア。
• 📜 mozc はユーザ辞書のコスト値を POS デフォルトで上書きする。これは 公式ソースで確認できる仕様だが、公式 doc には明示されていない。Top N 抽出による頻度反映は原理的に不可能。
• 📜 kMaxEntrySize = 1,000,000 がハード上限（1 辞書あたり）。kMaxDictionarySize = 100 が辞書数上限。ファイルサイズは 512 MB が上限。
• 📊 slim デファクト UT = ut-edict2 + ut-skk-jisyo（各 17 万件級）。コミュニティで明示的に語られていない正解。jawiki / sudachidict / neologd は 100 万件超で詰む。
• ⚡ protobuf 直書きで DictionaryTool GUI フリーズを完全回避できる。mozc の user_dictionary.db は非暗号化の protobuf binary。schema は user_dictionary_storage.proto で公開。
• 🎯 SUGGESTION_ONLY 品詞で UT 固有名詞を投入すれば、変換候補ウィンドウのノイズはゼロ。サジェストポップアップでのみ参照され、mozc 学習で個人最適化される。
• 🧩 mazegaki と personal.tsv は機能直交（grep で重複ゼロ実証）。前者は交ぜ書き抑制、後者は助詞単独抑制 + 文節境界ヒント。両立する。
• 🚫 抑制単語は連文節境界判定には効きにくい。「に → 二」を抑制すると次のスコア候補「似」が浮上するモグラ叩きが発生。単独入力時にだけ効く。

09References ― 一次資料と参考リンク

mozc 本体・公式

• google/mozc ― 本体
• user_dictionary_storage.cc ― kMaxEntrySize 等の制約値の出典
• user_dictionary_storage.proto ― protobuf schema
• build_mozc_in_osx.md ― macOS ビルド公式手順
• google/mozc macOS Actions ― Mac/Win バイナリ artifact 取得

UT 辞書 / コミュニティリポ

• ⭐ mozcdic-ut-skk-jisyo
• ⭐ mozcdic-ut-edict2
• mozcdic-ut-alt-cannadic
• merge-ut-dictionaries ― 辞書生成ツール
• akirakubo/mazegaki ― 交ぜ書き抑制辞書
• phoepsilonix/dict-to-mozc ― 辞書変換ツール

コミュニティ事例

• ArchWiki Mozc ― Linux での UT エコシステム
• Mozcdic-UT が終わった話と代替品を開発してる話
• Google日本語入力にお別れを告げて Microsoft IME へ移行した話 ― 「に → 二」問題の独立検証

EOFあとがき

本記事は Claude Code との 1 セッション（約 4 時間）で構築した。最初は場当たり的な対応の連鎖だった。途中で第一原理に戻り、/consult:research / /consult:thinking / /detector:ltd-bullshit の壁打ちエージェントで多角検証して、ようやく最終構成にたどり着いた。

副産物として、「研究エージェントの結論を鵜呑みにせず反証仮説まで踏まえる」「ユーザの違和感シグナルを仮説として高得点で評価する」というメタ認知パターンも手元に残った。これはこれで大きい。

macOS で mozc を使っている方、UT 辞書取り込みで詰まっている方、自分でツールチェーン構築する派の方にとって、本記事が時間短縮の役に立てば幸いです。