边看PPT边思考！搜狗“AI翻译官”同传3.0逆天了
备选标题： 搜狗“语境引擎”AI 翻译官来了！能听会看会思考，与人工差距缩小60% 边看PPT边口播！搜狗“AI翻译官”同传3.0逆天了 三年实战千场大会，搜狗同传推语境引擎3.0版，高难度词汇翻译正确率提升40% 智东西（公众号：zhidxcom） 近日，搜狗推出了业内首个带有“语境引擎”的同声传译系统3.0版，新增多模态和自主学习能力。以大会同传为例，搜狗同传3.0系统在听声的过程中，还能够实时阅读PPT，并将它所看到的内容拓展成知识网络，从而经“思考”后让实时翻译变得更准确。 据统计，针对演讲核心内容，搜狗同传3.0识别正确率提升了21.7%，翻译正确率提升了40.3%。
随着国际交流日趋频繁，国际交流中的现有同声传译服务成本高、人才不足，难以满足需求。搜狗CEO王小川说，全球20%的人口是说中文，但是全球95%的信息是用英文所写的，因此如何帮助中国人跟外国人进行更好的交流，变成了一个重大的技术课题。 在同传行业中，翻译从业者并没有减少，但满足专业同传需求的人才却更加稀缺。面对大会传译中专业术语识别和翻译，许多英语出身的普通翻译工作者难以驾驭，现有的同传机器也大多采用通用模型，因此许多医疗、物理、经济、人工智能领域的专业术语及新兴概念翻译成为一大难点，弄不好就“驴头不对马嘴”。 其实，针对这些行业痛点，搜狗早在2018年推出的同传2.0就具备了“个性化定制”功能。同传2.0通过对大会嘉宾的文稿、PPT、百科知识进行提前学习，使得现场传译更加准确。 但是，现实很骨感。当真正一场大会举办起来时，一些演讲人的PPT和材料很难提前获取，因此定制环节也变得难以在会前完成。搜狗同传3.0由此应运而生。3.0版本通过实时捕捉PPT上的内容，进而发挥“语境引擎”作用优化翻译效果。 一、“投子”、“罗辑思维”都能翻对，与人工差距缩短60% 以大会同传为例，当嘉宾说出“投子”，机器很可能识别为“投资”，但是搜狗同传3.0通过识别PPT上的“阿尔法狗”和“李世石”，能够扩展出“投子”这样的术语； 当听到“罗辑思维”，搜狗同传3.0会根据PPT上的“罗振宇”进行知识图谱扩展，从而直到此“罗辑”非彼“逻辑”； 当听到“INI”，人们不太熟悉这个缩写，搜狗同传3.0会查询中英文知识库后，把相应的中文解释“国际神经科学研究所”给翻译出来。
从某权威论坛的数据评测得分上可以看到，相比于人工同传4.08的得分，3.0版本的系统得分从2.0版本的3.41分上升为3.82分，与人工同传的差距缩短60%左右。 除了大会演讲的同传之外，搜狗同传3.0作为一套完整的技术体系，在众多场景中都有用途。比如记者采访、跨国办公会议、中英文视频直播、字幕翻译、法院庭审等等，都可以在搜狗语境引擎的辅助下完成更简单的表达和信息获取。 二、语境引擎、知识图谱加持，5步优化翻译 简单来说，搜狗语境引擎最主要的创新是为同传系统增加了视觉通道。同样以大会同传为例，利用“语境引擎”进行“边听边看边思考”地翻译大致包括以下5个步骤： 1、通过OCR技术识别PPT页面上的内容； 2、针对识别结果，生成与PPT对应的领域词汇表； 3、利用领域词汇表进行知识图谱的扩展，从而形成扩展词汇表； 4、针对扩展词汇表，查询搜狗中英专业术语库； 5、在语音识别端和机器翻译端使用扩展词汇表进行增强，提升整体翻译效果。 通过语境引擎技术，搜狗将能“视听合一”的多模态思路应用到新的同传系统，它带有一些简单的思考能力，通过知识图谱能够实时地把它看到的东西拓展成知识网络，放到同传生态系统中去，从而优化翻译效果。
三、三年上千场大会，搜狗同传“过三关” 早在2016年，搜狗就在第三次世界互联网大会上发布了大会同传1.0。在当时，语音识别准确率便超过97%，机器翻译准确率达90%。 但是，搜狗AI交互技术部总经理陈伟告诉智东西，当时的准确率是在一定的测试集上测出来的，但当面临实践中的方言口音、专业术语、中英混说等问题，系统的波动性很大。 而这种只有深入行业后才能真实体会到的行业痛点，也成为搜狗同传产品不断迭代的动力。 2018年，搜狗同传进入2.0的阶段，可以实时根据用户语料进行定制；而近日推出的同传3.0，主要强调的是多模态和自主学习的过程，能听会看，能理解和推理大会场景下演讲人到底在说什么。 从搜狗同传3.0技术框图可知，搜狗同传系统主要包括语音识别、机器翻译和语音合成。
从语音识别模块的演进来看，1.0系统仅仅输入语音；2.0的时候开始做到语音+个性化，以及说话人的语境背景输入；3.0的时候则加入了知识图谱，把这些信息作为语音识别的输入。 （编辑：52刷机网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
