為了趕翻譯下崗，微軟又向前走了一步

—— 你這是什么意思啊？

—— 沒什么，意思意思。

一名新入職場的翻譯員，擔(dān)心越來越厲害的機(jī)器翻譯搶了自己飯碗，于是在知乎上發(fā)問，“這個(gè)行業(yè)還有沒有前途？”老司機(jī)們紛紛上前安慰，其中一位說，年輕人你兔樣兔森破，讓機(jī)器翻譯一下上面這個(gè)對話，看能不能搞定，再來擔(dān)心吧。

不知道“年輕人”有沒有去試。雷鋒網(wǎng)去試了試，發(fā)現(xiàn)行業(yè)公認(rèn)最厲害的 Google 翻譯和微軟翻譯（Microsoft Translator），確實(shí)都搞不定這個(gè)極具中國特色的語音對話。但兩者的表現(xiàn)，又是不一樣的。

同一段語音，這是 Google 的結(jié)果：

這是微軟的結(jié)果：

具體來說。使用語音翻譯，Google 會完整保留所有字；微軟則會把第一句中的語氣詞“啊”字省略掉，把第二句中的“意思”省略掉一個(gè)（可判定為誤傷）。為什么？

TrueText：去掉“哼哼哈嘿”

微軟告訴雷鋒網(wǎng)，之所以省略掉“啊”以及誤傷一個(gè)“意思”，是因?yàn)樗麄冊谡Z音翻譯中運(yùn)用了一項(xiàng)獨(dú)門絕技——TrueText（智能文本校正）。在一份官方文檔中，微軟這么解釋 TureText 的作用：

這個(gè)過程包括去除造成不流利的字詞（例如“啊”“嗯”以及重復(fù)措辭）、將文本分解成句子、添加標(biāo)點(diǎn)符號和大小寫識別。

這就是微軟的語音翻譯技術(shù)，為“口頭語”所做的優(yōu)化之一。Olivier Fontana 是微軟研究院 Microsoft Translator 產(chǎn)品戰(zhàn)略總監(jiān)，在八月中旬的一次溝通中，他告訴雷鋒網(wǎng)，我們平時(shí)說話，說出來的和寫下來的表達(dá)方式是不一樣的（口頭語和書面語），TrueText 可以把語音識別出的文字，變成機(jī)器更容易理解的、有意義的內(nèi)容，這一技術(shù)微軟在全球范圍內(nèi)是獨(dú)一無二的。

因?yàn)楣ぷ麝P(guān)系，本文作者日常要處理不少采訪速記，盡管文本經(jīng)過速錄員的“人工優(yōu)化”——去掉了不少語氣詞，但通篇文檔中找到幾個(gè)連續(xù)的完整句子，幾乎是不可能的。除了準(zhǔn)備好的演講稿，很少有人平時(shí)說話的時(shí)候可以用連貫的語句，表達(dá)自己的意思。人在說話時(shí)，本來就是磕磕絆絆的，是“話中有話”的，是“不言而喻”的，機(jī)器理解人的本意，再轉(zhuǎn)換成另一種語言，更是難上加難。TrueText 技術(shù)相當(dāng)于用機(jī)器做了口語文本內(nèi)容的整理。

語音翻譯：為對話而優(yōu)化

很多人認(rèn)為，語音翻譯就是先把語音識別為文本，再把文本翻譯為另一種語言的過程。其實(shí)不是這樣。

Olivier Fontana 告訴雷鋒網(wǎng)，微軟嘗試過這種簡單拼接的方式，但翻譯質(zhì)量無法令人滿意。最終微軟的方案是，在語音識別階段就為口語的識別做了特殊的輸入優(yōu)化，識別之后的文本經(jīng)過 TrueText 技術(shù)的處理，再進(jìn)入文本翻譯階段，文本翻譯的輸出結(jié)果也要為口語做優(yōu)化，最終通過成熟的 TTS 技術(shù)讓機(jī)器“讀出來”翻譯結(jié)果。

Olivier Fontana 說，在“實(shí)時(shí)對話場景”的翻譯模型研發(fā)過程中，微軟面臨著三項(xiàng)關(guān)鍵的挑戰(zhàn)：

1. 收集口語語料。需要大量時(shí)間和金錢，來收集口語化的語料數(shù)據(jù)。

2. 訓(xùn)練這些語料。這一項(xiàng)的運(yùn)算成本非常高，需要大量的運(yùn)算能力和硬件加速系統(tǒng)。

3. 開發(fā)口語模型。每一種語言的口語表達(dá)方式和發(fā)音方法都不一樣，同一種語言不同年級的人聲音、俚語、語速和表達(dá)方式也不一樣，很難用同一種模型去實(shí)現(xiàn)。

微軟介紹，針對口語的翻譯優(yōu)化，尤其是針對聊天對話內(nèi)容的優(yōu)化，以及 TrueText 技術(shù)，微軟在業(yè)界都是唯一的。

Olivier Fontana 表示，傳統(tǒng)機(jī)器翻譯都是基于比較正式的文本翻譯，微軟則加入了大量基于口語對話的語料庫。他透露，微軟甚至還花錢請了很多人到 Skype Translator 上聊天，談他們的假期，日常生活，作為口語數(shù)據(jù)進(jìn)行搜集。

“對話即平臺”

Skype Translator 的實(shí)時(shí)語音翻譯技術(shù)，一經(jīng)問世，就引發(fā)了行業(yè)關(guān)注。這是一項(xiàng)讓兩個(gè)不同語言的人，可以實(shí)時(shí)通過自己的母語進(jìn)行語音進(jìn)行溝通的“黑科技”（見視頻）。微軟最早在 2012 年天津的一次學(xué)術(shù)活動上展示了這項(xiàng)技術(shù)。2014年12月，這項(xiàng)技術(shù)在 Skype Translator 應(yīng)用上實(shí)現(xiàn)商用，之后陸續(xù)運(yùn)用到桌面版 Skype Translator 和 Microsoft Translator 手機(jī)App中。今年上半年，這項(xiàng)技術(shù)迎來新的里程碑，微軟將 API 開放給所有人，方便開發(fā)者將其集成到自己的應(yīng)用中。

微軟翻譯針對語音“對話”進(jìn)行的種種優(yōu)化，很容易讓人聯(lián)想到，這家公司在年初 Build 大會上公布的戰(zhàn)略“對話即平臺”。他們還透露，在今年年底前，將為Office 365企業(yè)用戶提供 Skype Meeting Broadcast 服務(wù)。通過該服務(wù)，可以自動為網(wǎng)絡(luò)會議添加字幕，并將會議實(shí)時(shí)地翻譯成不同語言展現(xiàn)出來。 

注：本文曾用標(biāo)題《微軟翻譯：別人還在為“書面語”奮斗，我們已經(jīng)為“口頭語”優(yōu)化》

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。