當(dāng)前的 AI 翻譯主要應(yīng)用于書(shū)面語(yǔ)言。但世界現(xiàn)存的幾千種語(yǔ)言，近一半是口頭語(yǔ)言?？陬^語(yǔ)言幾乎沒(méi)有規(guī)范的書(shū)寫(xiě)系統(tǒng)，難以用通常方法來(lái)開(kāi)發(fā)、訓(xùn)練翻譯模型。

為了應(yīng)對(duì)這一挑戰(zhàn)， 建立了第一個(gè)以口語(yǔ)為主的閩南語(yǔ) AI 翻譯系統(tǒng)，其可一定程度上讓說(shuō)閩南語(yǔ)與說(shuō)英語(yǔ)的人，進(jìn)行良好對(duì)話。

對(duì)外表示：“口頭交流可以幫助打破人與人之間的隔閡，也有助于人們?cè)谠钪?Metaverse)中交流。”該公司當(dāng)前正在全力發(fā)展元宇宙業(yè)務(wù)，甚至在 2021 年 11 月將公司名字由 改為 。如果元宇宙要取得成功，需要實(shí)現(xiàn)更加身臨其境和自然的體驗(yàn)。

據(jù)了解，開(kāi)發(fā)閩南語(yǔ)翻譯系統(tǒng)的一個(gè)重要前提是，需要有足夠的數(shù)據(jù)。如今的機(jī)器翻譯模型大都需要海量的書(shū)面文本來(lái)做訓(xùn)練。而閩南語(yǔ)的文本資源較少，在收集和注釋數(shù)據(jù)方面存在不足。

因此，研究者決定利用高資源語(yǔ)言的數(shù)據(jù)來(lái)解決這一問(wèn)題。他們選擇使用普通話作為中介，即將閩南語(yǔ)轉(zhuǎn)為普通話后，再譯成相應(yīng)的另一語(yǔ)言。該方法極大提高了模型的性能。

另外， 還采用了一種語(yǔ)音挖掘的訓(xùn)練數(shù)據(jù)生成方法，借助預(yù)訓(xùn)練的語(yǔ)音編碼器，將閩南語(yǔ)和其他語(yǔ)言嵌入到同一語(yǔ)義空間中。這樣，即使閩南語(yǔ)沒(méi)有文字形式，其也能和英語(yǔ)或語(yǔ)義相似的文本對(duì)應(yīng)。

值得一提的是， 還為非書(shū)面語(yǔ)言翻譯開(kāi)發(fā)了一種新的建模方法。

據(jù)了解，目前的語(yǔ)音翻譯模型開(kāi)發(fā)，大都需要借助轉(zhuǎn)錄或語(yǔ)音生成文本系統(tǒng)。但由于口頭語(yǔ)言缺少規(guī)范的文字，因此， 將重點(diǎn)放在了語(yǔ)音到語(yǔ)音的翻譯上。

研究人員使用“語(yǔ)音到單元的轉(zhuǎn)換”(Speech-to-Unit Translation，S2UT)方法，把輸入的語(yǔ)音變成許多聲學(xué)單元。然后，再讓聲學(xué)單元產(chǎn)生波形。此外，他們還采用雙通道解碼機(jī)制，分別用來(lái)生成單元和以相關(guān)語(yǔ)言(普通話)生成文本。

接著， 對(duì)閩南語(yǔ)翻譯系統(tǒng)的準(zhǔn)確性做了評(píng)估。一般來(lái)說(shuō)，語(yǔ)音翻譯系統(tǒng)的評(píng)估采用的是 ASR-BLEU 指標(biāo)。該指標(biāo)指的是，用自動(dòng)語(yǔ)音識(shí)(ASR Automatic Speech Recognition)將翻譯的語(yǔ)音轉(zhuǎn)換成文本，再對(duì)比轉(zhuǎn)換文本與人工翻譯文本，從而計(jì)算 BLEU 分?jǐn)?shù)。BLEU 全稱(chēng)為 Bilingual evaluation understudy(雙語(yǔ)評(píng)價(jià)替補(bǔ))，是一種標(biāo)準(zhǔn)的機(jī)器翻譯指標(biāo)。

關(guān)鍵詞： Meta開(kāi)創(chuàng)非書(shū)面語(yǔ)言翻譯新方法 非書(shū)面語(yǔ)言翻譯新方法 書(shū)面語(yǔ)言翻譯 語(yǔ)言翻譯