搜狗“知音”實(shí)時(shí)翻譯可實(shí)現(xiàn)語(yǔ)音識(shí)別與機(jī)器翻譯融合
掃描二維碼
隨時(shí)隨地手機(jī)看文章
在第三屆世界互聯(lián)網(wǎng)大會(huì)烏鎮(zhèn)峰會(huì)上,搜狗在會(huì)上的一場(chǎng)語(yǔ)音實(shí)時(shí)翻譯“表演”引起了人們的關(guān)注。11月21日,搜狗正式推出了這個(gè)基于語(yǔ)音交互引擎“知音”的實(shí)時(shí)翻譯技術(shù)。
據(jù)介紹,搜狗語(yǔ)音實(shí)時(shí)翻譯技術(shù)是搜狗自研的機(jī)器同聲傳譯技術(shù)?;诖髷?shù)據(jù)和深度學(xué)習(xí),該技術(shù)涵蓋了搜狗自主研發(fā)的語(yǔ)音識(shí)別、機(jī)器翻譯兩項(xiàng)重要技術(shù),其準(zhǔn)確率能夠達(dá)到97%,支持最快400字每秒的高速聽(tīng)寫(xiě),語(yǔ)音輸入日頻次可高達(dá)1.9億次。
搜狗機(jī)器翻譯融合端到端神經(jīng)機(jī)器翻譯技術(shù)以及基于實(shí)例的翻譯技術(shù),使用的端到端神經(jīng)網(wǎng)絡(luò)翻譯模型通過(guò)編碼端獲取源端句子的分布式表示,利用注意力模型聚焦源端,使用循環(huán)神經(jīng)網(wǎng)絡(luò)生成翻譯結(jié)果。
在搜狗的整個(gè)翻譯系統(tǒng)中,第一個(gè)系統(tǒng)的功能是語(yǔ)音斷句。當(dāng)接受到一個(gè)特別長(zhǎng)的語(yǔ)音信號(hào)時(shí),系統(tǒng)通過(guò)機(jī)器學(xué)習(xí)自動(dòng)判斷靜音與有效音;語(yǔ)音(1)與非語(yǔ)音(0)。判斷方法有兩種,第一是基于能量檢測(cè)的方式,能量小的是靜音,能量非常大的是有效音;第二就是基于深度學(xué)習(xí)模型的判斷,通過(guò)大量的數(shù)據(jù)進(jìn)行建模,建模之后可以通過(guò)模型自動(dòng)檢測(cè),當(dāng)檢測(cè)到這個(gè)地方是屬于非語(yǔ)音的概率更高,系統(tǒng)便認(rèn)為它是非語(yǔ)音,當(dāng)語(yǔ)音概率高的時(shí)候就判定為語(yǔ)音。
第二個(gè)系統(tǒng)功能是語(yǔ)音識(shí)別,目的是將語(yǔ)音信號(hào)轉(zhuǎn)化為文本。語(yǔ)音和文本之間的影射通過(guò)一種概率目標(biāo)來(lái)描述,這個(gè)概率目標(biāo)希望給定當(dāng)前的語(yǔ)音信號(hào),最大化輸出W的概率,輸出對(duì)應(yīng)的W區(qū)別就是最優(yōu)語(yǔ)音識(shí)別結(jié)果。
在語(yǔ)音識(shí)別整體框架下涉及到兩個(gè)非常重要的模型,一個(gè)是聲學(xué)模型,就是人在發(fā)音每個(gè)單元的時(shí)候這個(gè)模型和聲音信號(hào)之間的相似形;另一個(gè)是語(yǔ)言模型,描述的就是識(shí)別結(jié)果中詞和詞之間連接的可能性,從而更好地規(guī)范整個(gè)的輸出結(jié)果,更加通順、流暢。
整個(gè)翻譯運(yùn)行結(jié)構(gòu)是這樣的,第一部是編碼端的技術(shù),基于神經(jīng)網(wǎng)絡(luò)技術(shù),系統(tǒng)將采集到的語(yǔ)音信號(hào)錄入到一個(gè)編碼器,編碼器具備語(yǔ)譯功能,能夠提取語(yǔ)音中的特征語(yǔ)句并翻譯成整句。之后是進(jìn)入對(duì)齊模型,模型判斷哪些詞和哪些詞可以對(duì)應(yīng)在一起,并把這些詞語(yǔ)的特征貢獻(xiàn)到解碼端得出文本,起到一個(gè)端到端的影射作用。
第二部分是Decoder技術(shù),從準(zhǔn)確率的實(shí)際評(píng)測(cè)來(lái)看,GRU的結(jié)構(gòu)會(huì)更輕便,而且運(yùn)算的速度更快,目前的同傳技術(shù)里面,搜狗使用雙向的GRU技術(shù)共同構(gòu)建編碼端的結(jié)構(gòu)。解碼端共同抽象以后接入到Softmax里面輸出結(jié)果。這便是整個(gè)搜狗實(shí)時(shí)翻譯的運(yùn)行流程。
搜狗語(yǔ)音實(shí)時(shí)翻譯技術(shù)可謂是將語(yǔ)音識(shí)別與機(jī)器翻譯有效結(jié)合了起來(lái)。未來(lái),在技術(shù)改變生活的道路上,也希望更多的語(yǔ)音翻譯軟件能優(yōu)化語(yǔ)音實(shí)時(shí)翻譯的性能和效果,不斷給用戶(hù)帶來(lái)更加完善、實(shí)用的語(yǔ)音技術(shù)和產(chǎn)品,同時(shí)推動(dòng)整個(gè)語(yǔ)音行業(yè)乃至人工智能領(lǐng)域的技術(shù)革新和進(jìn)步。