近日,百度發(fā)布重磅消息稱,百度研發(fā)了具備預測能力和可控延遲的即時機器翻譯系統(tǒng),可實現(xiàn)兩種語言之間的高質量、低延遲翻譯。這是自然語言處理方面的重大技術突破,將對機器即時筆譯和口譯的發(fā)展起到極大地推動作用。


  即時機器翻譯系統(tǒng)是2016年百度Deep Speech 2發(fā)布以來,又一項引發(fā)MIT科技評論、IEEE Spectrum等外媒矚目的重大技術進展。IEEE Spectrum認為,百度開發(fā)的這個新系統(tǒng)揭示了一種通過預測未來而保持穩(wěn)定的翻譯工具,可以與聯(lián)合國會議期間提供同傳服務的口譯人員相媲美,讓人們離軟件巴別魚又近了一步。還有媒體認為,百度推出新的翻譯系統(tǒng),是向谷歌發(fā)起了挑戰(zhàn)。


 

  這項引發(fā)行業(yè)震動的技術,到底有何過人之處?


  機器同傳利用語音識別技術自動識別演講者的講話內容,將語音轉化為文字,然后調用機器翻譯引擎,將文字翻譯為目標語言,顯示在大屏幕或者通過語音合成播放出來。相比人類譯員,機器最大的優(yōu)勢是不會因為疲倦而導致譯出率下降,能將所有“聽到”的句子全部翻譯出來,這使得機器的“譯出率”可以達到100%,遠高于人類譯員的60%-70%。同時,在價格上也占有優(yōu)勢。


  此次,百度聯(lián)合語音技術、機器翻譯技術,從語音識別、翻譯質量、時延、融合領域知識等方面推出了“一攬子”解決方案。


  在語音識別方面,區(qū)別于傳統(tǒng)的上下文相關建模技術,百度提出了上下文無關音素組合的中英文混合建模單元,包含1749個上下文無關中文音節(jié)和1868個上下文無關英文音節(jié)。該方法具有泛化性能好、對噪聲魯棒、中英文混合識別等特點。


  在翻譯質量方面,提出了“語音容錯”的對抗訓練翻譯模型,根據(jù)語音識別模型常犯的錯誤,在訓練數(shù)據(jù)中有針對性的加入噪聲數(shù)據(jù),使得模型在接受到錯誤的語音識別結果時,也能夠在譯文中糾正過來。比如,語音識別系統(tǒng)將“大堂”錯誤的識別為“大唐”,這一對噪聲詞將被自動收錄到訓練數(shù)據(jù)中,并將源語言句子“我們在酒店大堂見面吧”替換為“我們在酒店大唐見面吧”,而保持目標語言翻譯不變“Let’s meet at the lobby of the hotel”,同時將這兩個中文句子用于訓練,進而獲得具有更強的容錯能力模型。


  為了降低時延提升翻譯質量,人類譯員通常對演講內容進行合理預測,百度開發(fā)人員從人類譯員身上獲得啟示,研發(fā)了“wait-k words”模型,可以根據(jù)歷史信息,直接預測翻譯中目標語言詞匯。該模型在翻譯質量和翻譯延遲之間做出了很好的平衡,用戶可根據(jù)實際需求設定延遲時間(例如延遲1(k=1)詞或延遲5(k=5)詞)。比如,法語和西班牙語這種較為接近的語言,延遲可設置在比較低的水平;但是,對于英語和漢語這種差異較大的語言,以及英語和德語這種詞序不同的語言,延遲應當設置為較高水平,以便于更好地應對差異。


  在同聲傳譯時,經常會遇到不同領域的專業(yè)知識,這就要求同傳人員在短時間內吸收大量相關領域的內容,這對他們也是極大地挑戰(zhàn)?;诖耍俣饶7氯祟愅瑐鞯臏蕚溥^程,提出了快速融合領域知識策略。該策略依托百度海量的互聯(lián)網(wǎng)大數(shù)據(jù),訓練得到的具有通用翻譯能力的模型;當它接到某一個領域的同傳翻譯任務時,系統(tǒng)會收集該領域數(shù)據(jù)并在通用模型的基礎上進行增強訓練,得到相應領域的增強模型;最后對該領域術語庫進行強制解碼,使專業(yè)術語翻譯得準確可靠,且提升翻譯效率。


  雖然機器同傳有了新的突破,但它與經驗豐富的同傳人員相比,依然存在一定差距。百度翻譯技術負責人表示,百度研發(fā)新系統(tǒng)的初衷是為了降低同傳成本,讓同傳在不同領域構筑溝通橋梁,而非取代人類譯員。