直播实时翻译软件免费下载（直播实时翻译软件免费版）

投稿用户 • 2022年8月25日 pm3:36 • 创业杂谈 • 阅读 1589

9月25日，火山引擎开发者社区 Meetup 第五期在线上成功举办，为大家介绍了智能语音、机器翻译、自然语言处理等技术的最新进展及其在语音交互、内容推荐等场景的应用实践。

本次直播出席的嘉宾包括字节跳动语音信号处理算法工程师徐宁、OPPO 高级数据挖掘工程师邓拯宇、字节跳动火山翻译团队资深算法工程师程昱等，他们从不同角度带大家探秘字节跳动和 OPPO 背后的算法前沿实践，干货满满。

由于篇幅限制，本次仅为大家简略介绍程昱的主题演讲《多媒体时代的机器翻译及在字节跳动的应用》。有兴趣观看完整直播回放的同学可以在火山翻译公众号后台回复「直播回放」获得链接。

程昱称，机器翻译在字节跳动的应用主要体现在以下几个方面：解决语言障碍、信息发布、信息获取、信息交流等。

火山翻译为字节跳动提供各类翻译服务，如文档翻译、拍照翻译、实时聊天翻译，给视频、线上线下会议、直播提供字幕支持。相关功能已经在字节跳动旗下的飞书、西瓜视频、今日头条等多个产品上线。

机器翻译在字节跳动的应用

关于机器翻译在多媒体时代下的发展方向与实践，程昱为大家介绍了几项前沿机器翻译技术。

Q: 视频和语音翻译中，如何减轻语音识别输出的不规范性带来的影响？

A: 通过智能标点断句模型，恢复语音识别输出的完整语义和断句信息。

关于多媒体机器翻译的方向和实践，程昱表示，需求最大的多媒体场景是视频语音场景——语音翻译及视频翻译。为了减小级联式语音翻译中 ASR 输出的不规范性对语音翻译的影响，火山翻译团队提出了解决方案：结合文本和语音信息的多模态标点断句。

结合文本和语音信息的多模态标点断句

网络黑话越来越多，怎样保证翻译质量？

结合记忆库的机器翻译，利用相似例子校正机翻结果。

机器翻译的核心是翻译质量。对于如何提升翻译质量，程昱表示，可以利用用户反馈实时提升质量。现今业界通用的处理不规范的输入或黑话的翻译结果的方法是「加数据重新训练」、「加缓存」及「加短语干预」等，但会分别存在「训练时间过长」、「缓存数量过多」、「影响其他正常翻译」等问题。如下图：

处理不理想翻译结果的方案一览

为了解决此类问题，火山翻译团队提出了「结合记忆库的机器翻译」的方案。

简单来说，第一步，在记忆库里检索出相似的例子作为指导样本；第二步，利用带宽估计器和权重估计器分别计算检索出来的样本的概率分布和概率分布的权重；第三步，把样本的概率分布和模型的概率分布做结合。最后就能达到在不影响正常翻译的情况下，把“便宜出，可以小刀”翻译成"Cheap out, you can bargain."

技术细节可以关注火山翻译团队在 EMNLP 2021 发表的论文（论文地址：https://arxiv.org/abs/2109.09991)，论文将会在后期为大家详细介绍。

翻译漏洞无穷无尽，怎么办？

新技术 Graformer 可以保留 GPT 的所有信息。

程昱还提出提升机器翻译质量的另外一个思路：与其去修补一个个漏洞，是否能直接从无穷无尽的单语入手？

本次火山翻译团队从 NMT（神经机器翻译）的三大组件之一语言模型（decoder）方向进行研究。与 BERT/GPT 不同，机器翻译的 decoder 为了能和 encoder 交互，除了 self-attention 之外，还需要 cross attention。机器翻译中常见的利用 GPT 作为 decoder 的工作，多是强行在 GPT 中插入 cross attention，这就破坏了 GPT 的信息。为了能够保证在 decoder 中加入 cross attention 时，不会破坏 GPT 的知识，火山翻译利用新技术 Graformer 来保留 GPT 的所有信息，从而让模型能够获得更好的翻译结果。

如下图所示，通过 Graformer 翻译出来的表达更符合「信达雅」，这个例子虽然不能作为结论，但是也足以看见机器翻译的浪潮势不可挡。

Graformer 翻译结果更符合「信达雅」

技术细节可以关注火山翻译团队在 EMNLP 2021 发表的论文（论文地址：https://arxiv.org/abs/2109.05256），论文将会在后期为大家详细介绍。

在程昱演讲期间，为了让大家感受机器翻译带来的魅力，直播间添加了火山同传提供的“黑科技”——实时同传双语字幕，帮助观众更好地理解演讲内容。

火山同传现今支持在主控端添加热词及替换词，从而适配不同级别及领域的会议，优化识别效果，提升翻译质量及效率。

火山同传词库管理页面

随着智能算法的研究日益深入，各类技术的应用实践都在陆续落地，成为现代生活的一部分。火山翻译作为机器翻译——AI 中极具前景的方向之一的钻研者，将继续致力机器翻译的技术优化及应用，顺应智能时代的潮流。

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 sumchina520@foxmail.com 举报，一经查实，本站将立刻删除。
如若转载，请注明出处：https://www.vsaren.com/91663.html