CJK ウェブフォントの圧縮・最適化:実測による手法の比較と、新手法の提案

実測 12 種の CJK フォント / 実ページ 70 サイト / W3C・IETF 仕様・研究論文・OSS を突合した技術レポート

測定日 2026-11-11〜12 / 英日翻訳: pfnet/plamo-3-translate-0.8b(Q4_K_M、llama.cpp でローカル実行)/ 再現スクリプト: measure/・tools/

1. 結論

読み手
Web フロントエンドまたはインフラ担当で、フォントの圧縮手法を体系的に知らない人。まだ「フォントは WOFF2 にすれば十分」と考えている段階も想定する。
結論
日本語フォントを 1 ファイルで配信する限り、WOFF2 でも 0.36〜11.6 MB(実測)は避けられない。実測の結果、最良の運用は「頻度上位の数百文字を 1 枚にまとめた共有ベース(層 1)+ ページ本文の厳密サブセット(層 2)+ 不足グリフを差分で足す IFT(層 3)」という 3 層構成である。圧縮率を競うのではなく、どのグリフを配るかを選ぶことで、1 ページあたり 110 KiB(層 1 のみ)まで削減しながら、キャッシュ再利用性と欠落グリフ防止の両方を保てる。
頼みたいこと
自サイトのフォント配信を 3 層構成に置き換えるか判断する材料として、本文 §6 の数値と付録 B の再現手順で自分のページでも同じ指標を測ること。
509 KiB
実測:Google Fonts 方式で 1 ページに必要なフォント量(日本語 31 ページの中央値)
111 KiB
提案:頻度上位 500 文字の共有スライス + 尾部分割(要求 1 回)
102 KiB
参考:ページ本文と完全一致の厳密サブセット(キャッシュ共有不可)
18.9%
Google 方式のグリフ利用率(=実際に使う文字 ÷ 取得したグリフ)

2. 背景:なぜ CJK フォントは巨大なのか(実測)

Web フォントの大きさは「文字数 × 1 文字あたりの輪郭の複雑さ」でほぼ決まる。日本語・中国語・韓国語(CJK)は 1 文字あたりの輪郭点数がラテン文字の 10 倍以上であり、1 万〜3 万文字規模のグリフを持つ。既存手法(WOFF2)はファイル全体の圧縮率で攻めるが、実測すると WOFF2 でも元ファイルの 40〜55% が残る。残りを減らすには、配るグリフを減らすしかない。

フォントグリフ数元ファイルBrotli q11WOFF2WOFF2 圧縮率B/グリフWOFF2 化時間
Noto Sans JP17,9369.59 MB4.73 MB4.35 MB45.4%24348 s
Noto Serif JP17,92313.57 MB6.48 MB5.97 MB43.9%333101 s
Noto Sans SC31,03617.77 MB8.30 MB7.78 MB43.8%251353 s
Noto Sans KR24,96410.41 MB4.26 MB3.91 MB37.5%157671 s
M PLUS 1p8,6761.76 MB0.82 MB0.70 MB39.8%8122 s
Zen Kaku Gothic New7,7922.36 MB1.27 MB1.05 MB44.6%13533 s
Kosugi Maru7,5753.57 MB1.80 MB1.55 MB43.4%20463 s
Shippori Mincho16,3598.68 MB3.72 MB3.16 MB36.5%193149 s
Sawarabi Mincho4,7923.66 MB1.36 MB1.22 MB33.4%25551 s
LXGW WenKai47,33625.93 MB8.83 MB8.10 MB31.2%171399 s
Nanum Gothic13,2972.05 MB0.43 MB0.36 MB17.7%2723 s
Source Han Sans JP65,53516.56 MB11.29 MB11.56 MB69.8%176207 s

実測 2026-11-11。fonts/ に集めた 12 種を fontTools + Brotli(quality 11)で WOFF2 化。圧縮率は元ファイル比。

フォント種別ごとのファイルサイズ(MB)WOFF2元ファイル30221570Noto Sans JP / 元ファイル: 10Noto Sans JP / WOFF2: 4Noto Sans JPNoto Serif JP / 元ファイル: 14Noto Serif JP / WOFF2: 6Noto Serif JPNoto Sans SC / 元ファイル: 18Noto Sans SC / WOFF2: 8Noto Sans SCNoto Sans KR / 元ファイル: 10Noto Sans KR / WOFF2: 4Noto Sans KRM PLUS 1p / 元ファイル: 2M PLUS 1p / WOFF2: 1M PLUS 1pZen Kaku Gothic New / 元ファイル: 2Zen Kaku Gothic New / WOFF2: 1Zen Kaku Gothic NewKosugi Maru / 元ファイル: 4Kosugi Maru / WOFF2: 2Kosugi MaruShippori Mincho / 元ファイル: 9Shippori Mincho / WOFF2: 3Shippori MinchoSawarabi Mincho / 元ファイル: 4Sawarabi Mincho / WOFF2: 1Sawarabi MinchoLXGW WenKai / 元ファイル: 26LXGW WenKai / WOFF2: 8LXGW WenKaiNanum Gothic / 元ファイル: 2Nanum Gothic / WOFF2: 0Nanum GothicSource Han Sans JP / 元ファイル: 17Source Han Sans JP / WOFF2: 12Source Han Sans JPMB
同じフォントでも 0.36 MB(Nanum Gothic)から 11.56 MB(Source Han Sans JP)まで幅がある。1 ファイルで配ると、この全量が 1 ページで必要になる。

輪郭の形式が圧縮率を決める。実測した TrueType(glyf)outline のフォント 11 種は WOFF2 化で平均 38% まで落ちたのに対し、CFF(charstring)outline の Source Han Sans JP は 70% に留まる。WOFF2 の内容依存変換は glyf / loca / hmtx にしか適用されず、CFF には Brotli の静的辞書による圧縮しか効かないためである(仕様 5.4 章は CFF のデサブルーチン化を推奨し、平均 5〜10% の削減を報告している)。CJK で CFF を選ぶ場合は、WOFF2 化の効果を過大評価しないこと。

Noto Sans JP(TrueType 輪郭)のテーブル別バイト数glyf(輪郭): 5,358,785 B (56.7%)glyf(輪郭)gvar: 3,749,688 B (39.6%)gvarcmap(文字→グリフ): 130,737 B (1.4%)GPOS(位置づけ): 76,130 B (0.8%)loca: 71,748 B (0.8%)hmtx(横幅): 71,744 B (0.8%)glyf(輪郭) 5,358,785 B (56.7%)gvar 3,749,688 B (39.6%)cmap(文字→グリフ) 130,737 B (1.4%)GPOS(位置づけ) 76,130 B (0.8%)loca 71,748 B (0.8%)hmtx(横幅) 71,744 B (0.8%)
輪郭テーブルが全体の 9 割前後を占める。圧縮・最適化の余地は主に「どのグリフを配るか」側にあり、圧縮率そのものはすでに十分に効いている(WOFF2 化は 1 種あたり 10〜115 秒かかった)。

3. 現状の圧縮・配信手法と長所・短所

2026 年 11 月時点で実際に使われている手法を 5 系統に整理した。数値欄は本レポートの実測値、記述は W3C 仕様・各社の公式資料・論文に基づく。

手法長所短所根拠
A. 単一ファイル配信
TTF / OTF / WOFF2 をそのまま 1 ファイルで配信
実装が単純。1 リクエストで完結し、全グリフが揃うので欠落グリフも組版崩れも起きない日本語で 0.7〜8.1 MB(実測)。1 ページで全量をダウンロードする。CLS / FOIT の主因。CDN 帯域も無駄実測 §2
B. WOFF2 コンテナ化
Brotli + glyf / loca / hmtx の内容依存変換
内容依存変換と Brotli で概ね 40〜55% 圧縮(実測)。全ブラウザ対応(2018 年に W3C 推奨)圧縮はできても「何を送るか」は減らない。Brotli の静的辞書は英語中心で CJK には効きにくい実測 §2
C. unicode-range スライス分け
静的サブセットを複数ファイルに分割
必要な文字を含むスライスだけ取得。スライスはサイト横断でキャッシュ共有される。動的コンテンツにも対応できるスライスの粒度が粗いと取り違えで無駄取得。CSS が肥大化(実測: 日本語で 116 KB)。文字が境界をまたぐと kerning やルビが壊れる実測 §4・§6
D. ビルド時サブセット
ページ本文から必要な文字だけ抽出
静的ページなら同一ページで理論最小(実測でも最も小さい)。CLS を最小にでき、表示が速いページが動的だと取りこぼしで豆腐化。ページごとにファイルが違うためキャッシュ共有が効かない。全ページのビルドコスト実測 §6
F. バリアブルフォント
可変フォントでウェイト軸を持つ
1 ファイルで複数のウェイトを表現でき、フォントのリクエスト数を抑えられる。CSS からの制御も細かいCJK では可変ファイルのほうが静的より大きい(実測: Noto Sans JP で可変 4.35 MB に対し静的 400 重み 2.29 MB)。1〜2 ウェイトしか使わない場合は静的が有利実測 §3.2
E. 動的サブセット / IFT
DOM 監視、または差分パッチで不足グリフを足す
任意のテキストに対応できる。IFT は元フォントの組版ルールを保ったまま拡張でき、スライス境界の問題がないサーバ側の動的処理が要る(Adobe / Monotype は商用提供)。IFT は 2026-10 時点で CR 段階で、ブラウザ実装は Chromium の実験段階仕様 §3.1・§10

A〜E は排他ではなく併存できる。実務では「B を土台に、C で共有し、D で削り、E で補完」という組み合わせが現実解になる。本レポートの提案(§8)はこの組み合わせを 3 層として明示し、各層の役割と測定値を分けるところまで分解する。

3.1 仕様の現状(2026-11-11 時点)

仕様 / 資料状態意味
W3C WOFF File Format 2.0
w3.org/TR/WOFF2(2024-08-08 改訂 W3C 推奨)
RecommendationBrotli 圧縮 + glyf / loca / hmtx 変換。日本語フォントでも実測で 40〜55% 圧縮(§2)
W3C Incremental Font Transfer (IFT)
w3.org/TR/IFT(2026-10-13 CR Draft)
CR Draftサーバ→クライアントの差分転送。unicode-range と違い組版ルールを保ったまま拡張できる。Chromium が実験実装中
W3C Progressive Font Enrichment 評価報告書
w3.org/TR/PFE-evaluation(2020-10-15 WG Note)
WG NoteIFT の前身。CJK 実測では Patch Subset が転送バイト数 median 90% 減、Unicode Range は 50% 減
W3C Range Request IFT
w3.org/TR/RangeRequest(2024-12-10 廃止草案)
Discontinuedバイト範囲要求方式。現行の IFT 仕様へ統合された
RFC 7932 Brotli / RFC 9842 Compression Dictionary TransportInformational / Standards TrackBrotli の静的辞書とサイト間共有辞書。Web フォントへの適用可能性は §10.1 で試算

3.2 形式とウェイト軸:可変フォントと静的インスタンスの比較(実測)

対象グリフ数WOFF2サイズ変化(静的 400 比・負が小さい)必要なリクエスト
Noto Sans JP(可変、wght 100–900)17,9364.35 MB—1(複数のウェイト)
Noto Sans JP(静的 400 重み)17,9362.29 MB—1(ウェイト 1 種)
 同: hinting を除去17,9362.29 MB+0.0%1
 同: hinting と GSUB/GPOS を除去17,9362.27 MB-0.8%1

実測 同じ Noto Sans JP で、ファイル形式とウェイト軸の選び方が転送量に与える影響。

2 点の实务上の含意がある。①CJK では可変フォントは割に合わない。可変ファイルは gvar(ウェイト差分)を含むため静的インスタンスの約 2 倍(実測 4.35 MB 対 2.29 MB)になる。1〜2 ウェイトしか使わないなら静的インスタンスを配信するほうが転送量は半分以下で済む。②hinting と組版テーブルを削ってもほとんど縮まない。日本語フォントの hinting はラテン文字向けであり、GSUB/GPOS も小さい。圧縮を詰める時間を費やすなら、削るべきはテーブルではなくグリフである。

4. 実測:Google Fonts の日本語スライス分け

Google Fonts は日本語フォントを 124 のスライスに分割して配信している。CSS API が返す CSS をそのまま取得し、各 woff2 の Content-Length を HEAD で測定した。

ファミリースライス数全スライス合計中央値p90最大収録文字数1 スライス平均区間数
Noto Sans JP1242.94 MB13 KiB42 KiB48 KiB17,93350
Noto Serif JP1243.92 MB17 KiB57 KiB66 KiB17,93350
M PLUS 1p1261.08 MB8 KiB11 KiB27 KiB18,38650
Zen Kaku Gothic New1211.41 MB10 KiB18 KiB23 KiB17,48450
Noto Sans SC1012.41 MB25 KiB32 KiB40 KiB15,60977
Noto Sans KR1241.87 MB12 KiB27 KiB34 KiB19,00226

実測 2026-11-11 に CSS API から取得し、各 woff2 の Content-Length を HEAD で測定。

116,174 B
Noto Sans JP の @font-face CSS(未圧縮)
35,052 B
同 CSS の unicode-range を除いた部分
18 KiB
同 CSS を Brotli 圧縮した実サイズ
124 個
@font-face ルール数(= HTTP 要求の上限)

unicode-range の指定だけで CSS の 7 割を占める。これは「フォントの文字数が多い」ことの直接的帰結であり、スライス分け方式自体のコストとして数えるべきものである。

Noto Sans JP のスライスサイズ上位 12 個slice 6slice 6: 47.9 KiB47.9 KiBslice 5slice 5: 46.9 KiB46.9 KiBslice 19slice 19: 46.5 KiB46.5 KiBslice 31slice 31: 46.3 KiB46.3 KiBslice 7slice 7: 45.6 KiB45.6 KiBslice 34slice 34: 45.2 KiB45.2 KiBslice 24slice 24: 44.8 KiB44.8 KiBslice 17slice 17: 44.0 KiB44.0 KiBslice 0slice 0: 43.3 KiB43.3 KiBslice 15slice 15: 43.0 KiB43.0 KiBslice 30slice 30: 42.8 KiB42.8 KiBslice 25slice 25: 42.4 KiB42.4 KiBbytes
1 スライスあたり最大 48 KiB。文字が少量しか使われないページでも、複数のスライスを引くこと自体が数百 KiB のコストになる。
日本語については、最初の3,000文字を20スライスに分割するのが最適であり、その結果、フォント全体を送信する場合よりもクライアントがダウンロードするバイト数を80%削減できました。For Japanese, we found that segmenting the first 3,000 characters into 20 slices was best, resulting in clients downloading 80% fewer bytes than they would if we just sent the whole font.Google Fonts チーム「Google Fonts launches Japanese support」(2018-09-28) — https://developers.googleblog.com/google-fonts-launches-japanese-support/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)

5. 実測:70 サイトの日本語ページで何が起きるか

日本・中国・韓国の実サイト 70 ページ(Wikipedia・新聞・官公庁・青空文庫・技術ブログ・EC など)を取得し、可視テキストの文字集合と、Google Fonts のスライスがどれだけ必要かを実測した。取得は robots.txt を尊重し、可視テキストのみを抽出した。本章の表と KPI は日本語 31 ページに基づく。

ページ種別unique 文字数必要スライス数必要バイトフォントカバレッジ
漢字 - Wikipediaencyclopedia1,6201132,617 KiB97.6%
夏目漱石 吾輩は猫であるliterature2,2551072,517 KiB100.0%
日本語 - Wikipediaencyclopedia1,8651062,284 KiB98.5%
宮沢賢治 銀河鉄道の夜literature1,114942,016 KiB100.0%
東京 - Wikipediaencyclopedia1,238711,105 KiB100.0%
はてなブックマークsocial-bookmark1,369701,013 KiB98.8%
読売新聞 : きょうの最新ニュース・速報:発行部数No.1news1,19967991 KiB100.0%
朝日新聞:朝日新聞社のニュースサイトnews1,14166987 KiB100.0%
日本経済新聞 - ニュース・速報 最新情報news67149644 KiB100.0%
産経ニュースnews59849615 KiB100.0%
京都大学government42147570 KiB99.8%
IT総合情報ポータル「ITmedia」Homenews85449564 KiB100.0%

実測 取得バイト数が多い順の上位 12 ページ。

43 個
1 ページが触る Google Fonts スライス数(中央値)
509 KiB
同 バイト数(中央値)
2,617 KiB
最大(漢字 - Wikipedia)
113 個
最大スライス数(全 124 個中)

1 ページで 40〜100 個のスライスに触れ、合計数百 KiB〜2 MB を転送するページが珍しくない。これを「1 枚のフォントを 1 回では持てない」不便と、同じファイルを別ページでも使い回せない不便という二重の問題として捉えるべきである。

6. 方式比較(実測)

Noto Sans JP(可変フォントを静的 400 重みにインスタンス化)に対して、方式ごとに実際の WOFF2 ファイルを生成してバイト数を測った。ページは train 21 / test 10 に分割し、方式の構築には train ページしか使っていない。test ページは学習にない文字を含むため、尾部スライスにフォールバックする(実運用と同じ条件)。

方式ファイル数1 ページ中央値未学習ページ中央値要求数グリフ利用率CSS 区間数セッション内合計
D. ビルド時厳密サブセット(ページ本文と完全一致)1102 KiB92 KiB1100%—共有不可
D'. 初回表示 1,000 文字のみ(ビューポート相当)1102 KiB92 KiB1100%—共有不可
C. Google 方式の再現(上位 3,000 文字を 20 分割+残りを符号位置で均等分割)190439 KiB486 KiB1718.9%8,5661,688 KiB
提案 A. 共有ベース 500 文字 + 尾部 100 分割101111 KiB161 KiB148.8%5,8951,143 KiB
提案 A'. 共有ベース 1,000 文字 + 尾部 100 分割101183 KiB234 KiB132.2%6,2761,215 KiB
提案 A''. 共有ベース 2,000 文字 + 尾部 100 分割101331 KiB381 KiB121.5%7,0341,363 KiB
提案 A'''. 共有ベース 3,000 文字 + 尾部 100 分割101487 KiB537 KiB116.5%7,7041,519 KiB
C'. 共起最適化スライス 32 + 尾部 100 分割132250 KiB590 KiB1944.6%8,6471,644 KiB
C''. 共起最適化スライス 16 + 尾部 100 分割116336 KiB643 KiB1227.0%8,6061,625 KiB
C'''. ベース 1,000 + 共起 32 + 尾部 100133433 KiB773 KiB2020.3%9,3651,827 KiB

実測 すべて実 WOFF2 ファイルのサイズ。「未学習ページ」は方式の構築に使っていない 10 ページ。「セッション内合計」は 31 ページを巡回したときの合計(同一スライスは再取得しない)。方式 D' のページ別ファイルはキャッシュ共有できないため、セッション合計では方式 C の 3.7 倍になる。

方式別の 1 ページ転送量(中央値)1 ページあたり中央値 (KiB)5554162771390D. 厳密サブセット / 1 ページあたり中央値 (KiB): 102D. 厳密サブセットC. Google 方式の再 / 1 ページあたり中央値 (KiB): 439C. Google 方式の再<b>提案 A. 共有ベース / 1 ページあたり中央値 (KiB): 111<b>提案 A. 共有ベース提案 A'. 共有ベース 1 / 1 ページあたり中央値 (KiB): 183提案 A'. 共有ベース 1提案 A''. 共有ベース / 1 ページあたり中央値 (KiB): 331提案 A''. 共有ベース 提案 A'''. 共有ベース / 1 ページあたり中央値 (KiB): 487提案 A'''. 共有ベースC'. 共起最適化スライス / 1 ページあたり中央値 (KiB): 250C'. 共起最適化スライス C''. 共起最適化スライス / 1 ページあたり中央値 (KiB): 336C''. 共起最適化スライスC'''. ベース 1,00 / 1 ページあたり中央値 (KiB): 433C'''. ベース 1,00KiB
方式 C(Google 方式の再現)と方式 D(厳密サブセット)の差は、キャッシュ再利用性を勘案した判断の材料になる。
学習データへの過適合の検証未学習ページ (10)学習したページ (21)8816614402200C. Google 方式の再 / 学習したページ (21): 433C. Google 方式の再 / 未学習ページ (10): 486C. Google 方式の再<b>提案 A. 共有ベース / 学習したページ (21): 111<b>提案 A. 共有ベース / 未学習ページ (10): 161<b>提案 A. 共有ベースC'. 共起最適化スライス / 学習したページ (21): 220C'. 共起最適化スライス / 未学習ページ (10): 590C'. 共起最適化スライス C'''. ベース 1,00 / 学習したページ (21): 403C'''. ベース 1,00 / 未学習ページ (10): 773C'''. ベース 1,00KiB
共起学習スライス(lsa_K32)は学習ページでは Google 方式を上回るが、未学習ページでは下回る。小さなコーパスで学習した分割は過適合することの実測である。

6.1 IFT(増分転送)のシミュレーション

ベース初回取得ページごとの差分合計31 ページセッション合計未学習ページ中央値
ベース 500 文字111 KiB25 KiB136 KiB5,144 KiB133 KiB
ベース 1000 文字183 KiB8 KiB192 KiB6,603 KiB191 KiB
ベース 2000 文字331 KiB1 KiB332 KiB10,540 KiB332 KiB
ベース 3000 文字487 KiB0 KiB487 KiB15,139 KiB487 KiB

試算 実 IFT パッチではなく「ベース + 当該ページの文字を含むフォント」のサイズ差で差分コストを近似した値。実 IFT はテーブル更新のみを運ぶため、この試算より小さくなる。

ベースは全ページ・全サイトで共通なので一度取得すれば済み、ページごとの差分だけが小さい。通信上の理想は「ベースを共有し、差分だけページごと」という配分である。ベース 500 文字で試算した合計は 135.6 KiB で、共有ベースのみ(110.6 KiB)との差は 25 KiB 程度だった。

6.2 実測から分かったこと

  1. 圧縮率より「何を配るか」が効く。同じ Noto Sans JP でも、1 ファイル配信なら 4.35 MB、共有ベース 500 文字 + 尾部なら 111 KiB(実測)で約 1/40 になる。
  2. Google 方式は 1 ページあたり中央値 509 KiB・43 スライスに及び、グリフ利用率は 18.9% にすぎない。1 スライスに 200 字以上が入り、必要なのは数文字だけなのに数百グリフを同時に取得している。
  3. 頻度上位の少数を 1 つの共有スライスに固めるのが最も効いた。ベース 500 文字は要求数 1 回・キャッシュ共有可・未学習ページでも 161 KiB と安定する。ベースを大きくしすぎると不利になる(3,000 文字では 487 KiB まで膨らむ)。
  4. 厳密サブセットは最小だがキャッシュを壊す。ページごとに違うファイルになるため、同一サイト内の 2 ページ目以降でも同じコストがかかり、セッション合計では方式 C に負ける。
  5. 共起による学習分割は、小さなコーパスでは過適合する。学習ページでは Google 方式を上回るが、未学習ページでは下回った(上の図)。実運用のコーパスは本レポートの 21 ページよりはるかに大きく、MLFont が報告した規模(2020 サイト)であれば結論は変わりうる。
  6. IFT は「ベースは共有、差分だけページごと」という理想的な配分を出す。ただし実装は CR 段階であり、普及までは後付けの代替(ベース + 尾部で全覆盖)が必要になる。

7. 現行手法の構造的問題(定量)

問題実測値影響
取り違え(over-fetch)
1 スライスに 200 字以上が入り、1 文字使うために数百グリフを同時取得
方式 C のグリフ利用率 18.9%/1 ページ中央値 509 KiB1 ページの転送量が実必要量の数倍
要求数
スライスが細かいほど HTTP リクエストが増える
方式 C は中央値 17 リクエスト/提案 A は 1 リクエスト高遅延回線では逐次取得の待ち時間が効く
CSS 肥大化
unicode-range が 124 面低下头で 81 KB
Noto Sans JP の CSS 116,174 B(Brotli 後 18 KiB)描画をブロックする CSS として同規模のコストが発生する
組版ルールの破壊
kerning やルビがスライス境界をまたぐと崩れる
PFE 評価報告書が「subsetting can result in incorrect rendering」と明記見た目の崩れ、文字化け(豆腐化)
キャッシュ断片
ページごとの厳密サブセットは二度と共有されない
方式 D のセッション合計は方式 C の 3.7 倍回遊ユーザーほど不利。CDN 側でも同一ファイルが少ない
共有辞書では解けない
フォント間のバイト列 redundancy を期待して圧縮辞書を使う
実測: 辞書の有無で CJK 輪郭の圧縮率は 0〜0.4% しか変わらない(§10.1)「圧縮をさらにきびしく」方向の投資は CJK では成果が出ない
実データ不足
日本語の文字頻度・共起データを持つ実装が商用製品に存在しない
Google は「数百万の日本語ページ」から頻度を取得して分割を設計(2018 年のブログ)最適分割を再現できない

8. 提案:3 層配信「KOTO」の設計

本章の提案は、既存の手法 A〜E を「層」に再編成し、①転送量を最小化し、②キャッシュを共有し、③欠落グリフを起こさないの 3 つを同時に満たすことにある。名前は「KOTO(問う)」— フォントがページの内容に合わせて自分で選ぶ、という意味を込めた。中心となる観測は 1 つです。「必要な文字の厳密集合」だけを送るのではなく、頻度上位の数百文字でほぼ足りる。

ブラウザHTML / DOM を解析必要グリフ集合を算出層1: 共有ベース頻度上位 500 文字を 1 枚に全ページ・全サイトで URL 共有層2: ページ固有本文と完全一致の厳密サブセット(≈ 数十〜100 KiB) / ページ固有層3: IFT 差分未取得グリフを差分パッチで追記(Chrome 実験実装 / 標準化候補)フォールバック: 尾部スライスベース以外の文字を 100 分割で担保(完全カバレッジ・共有可)層1 を先に要求し、必要な文字がベースに入っていなければ層2 / 層3 を追加取得する
3 層配信の構成。層 1 は全ページ共通のベース、層 2 はページ固有の厳密サブセット、層 3 は動的補足。

8.1 層 1:共有ベーススライス(頻度上位の少数を 1 枚に)

日本語コーパスで出現頻度(トークン頻度)が上位の数百文字だけを 1 枚の WOFF2 にまとめ、全ページ共通の URL で配信する。残りの文字は符号位置の連続区間(尾部 100 分割)に分ける。

8.2 層 2:ページ適応型の厳密サブセット(本文のためだけ)

サーバまたは CDN のエッジで HTML を解析し、可視テキストの文字集合から直接サブセットを生成する。層 1 では出なかった文字だけを含む、ページ固有の 1 枚を追加する。

8.3 層 3:IFT 差分パッチ(動的テキストの補足)

層 1・2 で配らなかった文字(コメント欄・ユーザー名・JS 生成テキスト)は、IFT の差分パッチで後から足す。差分はベースフォントを辞書に持つ Brotli パッチとして作られ、追加バイトは新規グリフの輪郭にほぼ比例する。

8.4 効果のまとめ(実測と試算を区別する)

層役割転送量キャッシュ根拠
層 1共有ベース 500 文字 + 尾部 100 分割111 KiB(中央値)/要求 1 回全ページ共有実測 §6
層 2ページ本文の厳密サブセット102 KiB(中央値)ページ固有実測 §6
層 3不足グリフの差分(ベース 500 込み)136 KiB差分試算 §6.1

主張は 1 点に絞れる。圧縮率を上げるのではなく「配るグリフを選ぶ」ことで、実測で 1 ページあたり 110 KiB(層 1 のみ)まで落とせる。その上に、ページ固有の最小化(層 2)と動的テキスト 대응(層 3)を足す。層 1 だけなら 1 リクエストで完結し、キャッシュは全ページ・全サイトで共有される。

8.5 この手法が「新しい」点と、既知の先行研究との関係

9. 実装と検証手順

  1. 現状を測る:DevTools の Network で自サイトのフォント要求数と合計バイトを測る。日本語ページで数百 KiB〜数 MB なら対象とする価値がある。
  2. 層 1 の共有ベースを作る:自分のサイト(または同種の日本語サイト群)の本文からトークン頻度を数え、上位 500〜1,000 文字を 1 枚の WOFF2 にする(pyftsubset --flavor=woff2 --no-hinting)。残り 13,000 文字前后は符号位置の連続区間 100 枚に分ける。unicode-range は各スライスの文字集合から自動生成する。
  3. 層 2 のページ固有サブセットを追加する:Node.js や Python で HTML から本文テキストを抽出し、pyftsubset --text-file=page.txt --flavor=woff2 を実行する。生成物を不変ファイルとして CDN に置く。
  4. 層 3 を検証する:Chrome Canary で tech(incremental) を使い、Chromium の実験実装を実ページで確認する。
  5. 前後で測り直す:本レポートの measure/ スクリプトで同じ指標(1 ページバイト数・要求数・グリフ利用率・セッション合計)を before / after で比較する。

9.1 最小構成の CSS 例

/* 層1: 全ページ共通のベース(頻度上位 500 文字) */
@font-face {
  font-family: "App JP";
  src: url("/fonts/koto/base-500.woff2") format("woff2");
  unicode-range: U+3041-3096, U+30A1-30FA, U+4E00-4E1F, ...;
  font-display: swap;
}
/* 層1: ベースに入らなかった文字(尾部 100 分割) */
@font-face {
  font-family: "App JP";
  src: url("/fonts/koto/tail-42.woff2") format("woff2");
  unicode-range: U+9F9F-9FBF;
  font-display: swap;
}
/* 層2: このページ固有の厳密サブセット */
@font-face {
  font-family: "App JP";
  src: url("/fonts/koto/page-8f21.woff2") format("woff2");
  unicode-range: U+3000-303F, U+4E20-9FFF;
  font-display: swap;
}

層 1 を優先させたい場合は font-display: swap と size-adjust を併用してフォールバックのメトリクスを合わせ、CLS を抑える。

10. 標準化・今後の論点

論点現状本研究での位置づけ
共有辞書圧縮(RFC 9842 / Chrome の dcb・dcz)Chromium 系が対応。Web フォントは WOFF2(すでに Brotli 済み)なので辞書の効果が薄く、普及していないフォントを WOFF2 ではなく sfnt のまま辞書圧縮して配信する案の効果を §10.1 で試算
グリフの部品化(漢字の偏・旁を再利用)CJK 固有の圧縮研究は古くある(1982 年の文字列マッチング、2000 年代前半の筆画抽出)。実務では CFF のサブルーチン整備が主で、TrueType では合成グリフが実質使われないUnicode 平面では偏と旁の再利用率が非常に高い。部品化圧縮が普及すれば、グリフ選択の最適化と併用して効果が上がる
IFT の標準化と実装2026-10-13 CR。Chromium 実験実装で、実装レポートとテストスイートは整備中層 3 の前提。CR から Recommendation に進むと層 3 の採否が変わる
学習型スライス分け(MLFont, arXiv:2610.24937)Zipf 層 + LDA / 深層 topic + メモ化遺伝的アルゴリズム。CJK 5 種で 3G レイテンシ 56.7〜75.3% 減と報告本稿の層 1 は同系統の単純化。ただし本稿の実測では単純な頻度ベースが最良だった(§6.2)。§10.2 で差分を整理する

10.1 共有辞書圧縮の試算

対象辞書なし共有辞書あり削減
Noto Sans JP (target)2,604 KiB2,606 KiB-0.1%
Zen Kaku Gothic New1,189 KiB1,187 KiB0.1%
Nanum Gothic399 KiB399 KiB0.0%

試算 実運用では WOFF2(Brotli 済み)に外部辞書を適用する手段がないため、そのまま使える技術ではない。フォントを sfnt のまま配信し RFC 9842 の圧縮辞書転送(Chrome の dcb/dcz)を使う場合の実現性を見るための上限試算。

結論:CJK フォントでは共有辞書圧縮は効かない。5 種の CJK フォントの輪郭から 1 MiB の Zstandard 辞書を学習し、held-out の 3 フォントで比較したところ、圧縮率は 0〜0.4% の変化に留まった。理由は、漢字の輪郭がフォント間でバイト単位で共通化されていないこと(同じ漢字でも設計ごとに輪郭が 다르る)にある。したがって「圧縮辞書を全フォントで共有する」方向への投資は CJK では成果が望みにくく、配るグリフを選ぶ方向に投資すべきである。

10.2 先行研究(MLFont)との差分

付録 A:引用(Plamo 3 Translate による英日翻訳)と出典

以下の引用は英語原文を pfnet/plamo-3-translate-0.8b(Q4_K_M、llama.cpp でローカル実行)で日本語訳したもの。原文も併記している。用語は「グリフ」「サブセット化」「バリアブルフォント」「unicode-range」を固定し、Source 用語集をモデルに与えて訳を統一した。

本仕様では、WOFF2フォントのパッケージング形式を定義します。この形式は、従来の手法よりも大幅に高い圧縮率を実現しつつ、フォントデータの実装を比較的容易に行えるように設計されており、CSSの@font-faceルールでの使用に適しています。This specification defines the WOFF2 font packaging format. This format was designed to provide a reasonably easy-to-implement compression of font data with significantly better compression than previous techniques, suitable for use with CSS @font-face rules.W3C WOFF File Format 2.0(2024-08-08 改訂 W3C 推奨) — https://www.w3.org/TR/WOFF2/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
WOFF2の開発および評価の一環として実施された実験により、CFFのアウトラインデータをWOFF2のエンコード前にデサブルーチン化(サブルーチンを展開して平準化すること)した場合、Brotliの圧縮技術がより効率的に機能し、WOFF2フォントに対してより高い圧縮率の向上が得られることが示されました。これにより、圧縮データサイズは平均して5~10%削減されます。The experiments conducted as part of WOFF2 development and evaluation have shown that Brotli compression technology works more efficiently and produces better compression gains for WOFF2 fonts if the CFF outline data is de-subroutinized prior to WOFF2 encoding - this will on average reduce the compressed data size by 5-10%.W3C WOFF2 仕様 5.4 章(CFF のデサブルーチン化) — https://www.w3.org/TR/WOFF2/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
変換は、輪郭データを表すglyf、glyfテーブル内の個々のグリフのオフセットを表すloca、およびフォントにこれらのテーブルが含まれている場合のグリフの水平メトリクスを表すhmtxという3種類のテーブルに適用できます。A transform can be applied to three types of tables: glyf, representing outline data, loca, representing the offsets of the individual glyphs within a glyf table, and hmtx, representing glyph horizontal metrics, if these tables are present in a font.W3C WOFF2 仕様 5 章(変換対象テーブル) — https://www.w3.org/TR/WOFF2/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
日本語のサポートを開始するにあたり、数百万件の日本語ウェブページから文字出現頻度データを収集し、分析した上でフォントのスライス方法を検討しました。To begin supporting Japanese, we gathered character frequency data from millions of Japanese webpages and analyzed them to inform how to slice the fonts.Google Fonts「Google Fonts launches Japanese support」(2018-09-28) — https://developers.googleblog.com/google-fonts-launches-japanese-support/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
日本語については、最初の3,000文字を20スライスに分割するのが最適であり、その結果、フォント全体を送信する場合よりもクライアントがダウンロードするバイト数を80%削減できました。For Japanese, we found that segmenting the first 3,000 characters into 20 slices was best, resulting in clients downloading 80% fewer bytes than they would if we just sent the whole font.同上(日本語のスライス分け戦略) — https://developers.googleblog.com/google-fonts-launches-japanese-support/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
スライスされたフォントを効率的に配信するために利用している中核的な機能は、unicode-rangeとwoff2です。unicode-rangeとwoff2をサポートするブラウザは、HTTP/2もサポートしています。HTTP/2により、多数の小さなファイルを同時に配信することが可能になります。The core features we rely on to efficiently deliver sliced fonts are unicode-range and woff2. Browsers that support unicode-range and woff2 also support HTTP/2. HTTP/2 enables the concurrent delivery of many small files.同上(unicode-range / WOFF2 / HTTP/2 の関係) — https://developers.googleblog.com/google-fonts-launches-japanese-support/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
中国語、日本語、韓国語(CJK)など、文字集合の規模が大きい言語のウェブフォントは、サイズが数メガバイトを超えることがよくあります。こうした膨大なファイルをダウンロードすると、テキストのレンダリングが大幅に遅延し、帯域幅を過剰に消費し、ユーザーエクスペリエンスが低下します。Web fonts for languages with large character sets-such as Chinese, Japanese, and Korean (CJK)-often exceed several megabytes in size. Downloading these massive files significantly delays text rendering, consumes excessive bandwidth, and degrades the user experience.Chromium「Intent to Prototype: Incremental font transfer」(2026-04-28) — https://groups.google.com/a/chromium.org/g/blink-dev/c/3emvPjUOtaM
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
デモ結果から、インクリメンタルフォント転送はサブセット化方式と比較して、通常50%以上の削減率を実現しています。From our demo, incremental font transfer sees typical savings of 50% or more compared to the subsetting approach.同上(IFT の節約効果) — https://groups.google.com/a/chromium.org/g/blink-dev/c/3emvPjUOtaM
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
Patch Subsetは、転送バイト数の減少幅が最も大きく(最も低速なネットワークを除く全ネットワークで中央値90%の改善となり、2Gでは65%まで低下)、Unicode Rangeはすべてのネットワークで一貫して緩やかながら減少(中央値50%の改善)が見られました。Patch Subset shows the largest reduction in bytes transferred (a median improvement of 90% on all but the slowest networks, dropping to 65% on 2G). Unicode Range had a consistent but modest reduction, (a median improvement of 50%) on all networks.W3C Progressive Font Enrichment 評価報告書(2020-10-15) — https://www.w3.org/TR/PFE-evaluation/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
CJK言語に使用されたTrueTypeまたはOpenTypeフォントの中央値は1,834,496バイトで、範囲は16,832バイト(第5パーセンタイル)から5,524,208バイト(第95パーセンタイル)まででした。WOFF2圧縮後の中央値は768,492バイトでした。The TrueType or OpenType fonts used for CJK languages had a median size of 1,834,496 bytes, with a spread from 16,832 bytes (5th percentile) to 5,524,208 bytes (95th percentile). The median size once WOFF2 compressed was 768,492 bytes.同上(CJK フォントのファイルサイズ分布) — https://www.w3.org/TR/PFE-evaluation/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
どちらの試行からも、ネットワーク帯域幅は重要ではあるものの、性能を制限する要因ではないことが明確になりました。むしろ、重要な変数はネットワークレイテンシ(単一リクエストの往復全体の所要時間)でした。It became clear from both trials that network bandwidth, although important, was not the limiting factor for performance. Rather, the network latency (overall round-trip time for a single request) was the important variable.同上(帯域よりレイテンシが支配的) — https://www.w3.org/TR/PFE-evaluation/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
HTTP Archiveによる2019年の研究で、中国のウェブサイトにおけるウェブフォントの平均使用バイト数が0であることが判明しました。A 2019 study by the HTTP Archive found that the median number of bytes used for Web Fonts on websites in China was zero.同上(中国の Web フォント利用状況) — https://www.w3.org/TR/PFE-evaluation/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
これは、フォントデータの90%以上がアウトラインデータである中国語、日本語、韓国語のフォントに特に有効です。This works particularly well for Chinese, Japanese, and Korean fonts, where 90% or more of the font data is outline data.W3C Range Request IFT(廃止草案、2024-12-10) — https://www.w3.org/TR/RangeRequest/
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
Google Notoの5つのフォント(LGC、KR、JP、TC、SC)において、MLFontはグリフあたりの3Gレイテンシを、単一ファイル配信時で56.7%~75.3%、CJKの同一ビンベースライン(カバレッジ100%)で46.1%~66.3%削減し、CSSインターバルを17.9%~41.7%短縮しました。さらに、シミュレーターおよびHeadless Chromeベンチマークにおいて、2020年のウェブサイト全体で1.56倍~6.09倍のコールドキャッシュ高速化(CJKで65.4%~84.9%、LGCで44.7%の帯域幅削減)を実現しました。Across five Google Noto fonts (LGC, KR, JP, TC, SC), MLFont cuts 3G per-glyph latency by 56.7%-75.3% over single-file delivery and 46.1%-66.3% over equal-bin baselines on CJK with 100% coverage, reduces CSS intervals by 17.9%-41.7%, and achieves 1.56x-6.09x cold-cache speedups (65.4%-84.9% CJK and 44.7% LGC bandwidth savings) across 2020 websites in simulator and Headless Chrome benchmarks.Wang & Mao「MLFont」(arXiv:2610.24937, 2026-10-18) — https://arxiv.org/abs/2610.24937
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
スライスが同じウェブページ上で滅多に出現しない文字をまとめて配置する場合、必要な文字1つだけをダウンロードしようとすると、クライアントは未使用のグリフを数百個もダウンロードせざるを得なくなり、結果としてグリフの利用効率が悪くなります。If a slice groups together characters that rarely co-occur on the same web page, downloading it for a single needed character forces the client to download hundreds of unused glyphs, resulting in poor glyph utilization.同上(取り違えによる無駄取得の記述) — https://arxiv.org/abs/2610.24937
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
フォントの容量は、トップページで139 KB、内部ページで138 KBでした。Fonts accounted for 139 KB on home pages and 138 KB on inner pages.Web Almanac 2025「Page Weight」(HTTP Archive) — https://almanac.httparchive.org/en/2025/page-weight
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
CJKおよびあらゆる文字に対応した画期的なフォントサブセットです!OTF、TTF、WOFF2フォントのマルチスレッド・サブセット化が可能で、パッケージサイズを精密に制御できます。A revolutionary font subetter that supports CJK and any characters! It enables multi-threaded subset of otf, ttf, and woff2 fonts, allowing for precise control over package size.cn-font-split(中文網字計画)README — https://github.com/KonghaYao/cn-font-split
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)
動的サブセット化は、ニュースフィードやコメント欄など、ドキュメントオブジェクトモデル(DOM)への変更を監視し、その後、サブセットに追加する必要がある新しい文字を要求します。The dynamic subsetting watches for any change to the Document Object Model (DOM)-such as a news feed or a comments section-and then requests any new characters that need to be added to the subset.Adobe「Dynamic subsetting & web font serving」 — https://helpx.adobe.com/fonts/web/web-design-and-development/dynamic-subsetting.html
日本語訳: Plamo 3 Translate 0.8B (Q4_K_M)

付録 B:測定手順と再現コマンド

B.1 手順

  1. フォント収集:google/fonts(Noto Sans / Serif JP・SC・KR、M PLUS 1p、Zen Kaku Gothic New、Kosugi Maru、Shippori / Sawarabi Mincho、LXGW WenKai、Nanum Gothic)、Adobe Source Han Sans、Noto Sans CJK。計 15 ファイル、139 MiB。
  2. 形式別サイズ測定:fontTools で WOFF2 化(Brotli quality 11)、gzip -9、Brotli q11 を同条件で比較。テーブル別バイト数も取得。
  3. Google Fonts スライス実測:CSS API から CSS を取得し、@font-face を解析、各 woff2 を HEAD で Content-Length 測定。
  4. ページ収集:日本 31・中国 17・韓国 22 ページ(記録数。取得できなかったページもエラー記録として残る)。robots.txt を尊重し、script/style/nav/footer 等を除いて可視テキストのみ抽出。ページ本文は再配布しないため、公開リポジトリには文字集合と推定値だけをまとめた measure/web/corpus_stats.json を収録し、本レポートはそれから生成できる。
  5. 方式比較:Noto Sans JP を静的 400 重みにインスタンス化し、方式ごとにサブセットを実生成して実 WOFF2 バイトを測定。ページは train 21 / test 10 に分割し方式構築は train のみ。

B.2 再現コマンド

# 依存(uv 管理)
uv venv .venv --python 3.13
uv pip install --python .venv/bin/python fonttools brotli requests beautifulsoup4 numpy

# 1) フォント実測(形式別サイズ・テーブル内訳)
.venv/bin/python measure/font_sizes.py

# 2) Google Fonts スライス実測 + ページ収集
.venv/bin/python measure/web/fetch_google_css.py
.venv/bin/python measure/web/fetch_corpus.py

# 3) 方式比較(サブセット生成・評価)
.venv/bin/python measure/slicing_experiment.py

# 4) 翻訳(Plamo 3 Translate / llama.cpp)
tools/llama.cpp/build/bin/llama-server -m models/plamo-0.8b-Q4_K_M.gguf \
    -c 8192 --port 8080 --alias plamo-3-translate --jinja --no-prefill-assistant
.venv/bin/python tools/translate.py --input report/translation_input.jsonl \
    --output report/translation_output.jsonl

# 5) レポート生成
.venv/bin/python report/content.py

Web ページは継続的に変わるため、ページ別バイト数はその時点の実測値である。方式間の相対比較に使うこと。

付録 C:用語

グリフ
文字を画面上に描くための図形データ。日本語フォント 1 種で 8,000〜65,000 個。
サブセット化
フォントから必要なグリフだけを取り出す操作。
unicode-range
@font-face で「このファイルはどの文字用か」を宣言する CSS 記述子。ブラウザは必要な面だけ取得する。
スライス
unicode-range 用に分割したフォントファイル 1 枚。
IFT
Incremental Font Transfer。必要な部分だけを後から差分送信してフォントを拡張する W3C 仕様(CR Draft)。
Brotli 辞書
RFC 7932 の静的辞書(英語テキスト中心)。RFC 9842 の圧縮辞書転送はサイト間で共有する辞書を配信する仕組み。
グリフ利用率
取得したグリフ数に対する、実際に表示された文字数の割合。取り違えが小さいほど高い。
FOIT / FOUT
フォント読み込み中に文字が透明なまま何も見えない現象 / フォールバックで一瞬見える現象。

付録 D:English summary(Plamo 3 Translate による日本語→英語翻訳)

Japanese web fonts have a large number of glyphs and large file sizes, which cause delays in initial display and increased communication volume. In this study, we quantitatively compared the effectiveness of each compression and distribution method based on 12 measured CJK fonts, actual pages from 44 sites, Google's actual font slicing, and W3C specifications and research papers. The results showed that a three-layer configuration—a shared-based slice that consolidates the top-most few hundred characters into a single page, a strict subset that exactly matches the page body, and an incremental font transfer (IFT) that adds missing glyphs via differences—can reduce transfer volume to approximately 110 KiB per page while maintaining cache reuse and no missing glyphs. This demonstrates that even when generating strict subsets per page for nearly the same number of bytes, the former allows the cache to be shared across all pages and sites. Furthermore, we measured that the CJK outline only improves by 0–0.4% in compression ratio when using the shared compression dictionary, and that variable fonts are approximately twice the size of static instances. This report includes the measurement procedure, reproduction scripts, and materials summarizing the measured values. 日本語の要約(§1 結論欄に対応)を Plamo 3 Translate 0.8B (Q4_K_M) で英語に翻訳したもの
関連レポート:WOFF2 を超える圧縮手法「GLC」
本レポートが扱ったのは「どのグリフを配るか」だが、「グリフをどう符号化するか」にも改善余地がある。ビルド時に CFF→glyf 変換・CFF デサブルーチン化・縦メトリクス削除・座標量子化を適用する GLC(Glyph-Level Compression)を提案し、Noto Sans JP 静的 400 重み全体で WOFF2 2.303 MB → 1.76 MB(誤差 0.4% em、−23.8%)を実測した。共有辞書やグリフ差分符号化の否定結果、量子化パラメータ(q)のスイープ(サイズ・圧縮時間・画素ノイズ)、描画デモも同時に公開している。
→ report/glc.html
インタラクティブデモ(2026-11-12 追加):自分の文章で推定転送量を試し、ε スライダで量子化の見た目を確認でき、本レポートの配信方式と GLC を組み合わせた実測も掲載している。
→ report/demo.html