从语音识别的角度扒一扒,为什么讯飞翻译机译得更准

科技 每日财经网

如今人工智能的发展过程,就如同我们求学的过程:不停地努力学习,不停地扩充知识,不停地刷新成绩。

当成绩刷到语言这一关,翻译机出现了。而且为了帮人类越过语言障碍这条“沟”,翻译机做了许多努力,才最终行的“通”。

“听得清才能译得准。”

对于翻译机而言,这句话不光是一句广告词,更说出了翻译机的本质。

云图片

想要翻译机译的准,首先需要的就是对你说的话有一个准确的识别。就像如果要正确的回答问题,就一定要先听清、听懂问题。如果连你说的话识别出来都是错的,那还谈何翻译的准呢?

所以翻译机工作的第一步,就是从听懂你说话开始。

讯飞翻译机依托讯飞语音识别技术,应用强大的神经网络模型,中文语音识别准确率超过98%,并且支持5种汉语方言识别,2016和2018连续两届包揽CHiME语音识别大赛冠军。

所以今天我们就来扒一扒,有科大讯飞语音识别技术傍身的讯飞翻译机,到底为什么能译的更准。

云图片

1、

记得上学那会儿,老师洋洋洒洒讲完一个知识点,总喜欢最后接一句“都听懂了没有?”

台下的学生七零八落的点着头,但也不知道有多少人只是因为听见了老师说的每个字而点头,又有多少人是因为真正听懂了每句话的含义而点头。

市面上的翻译机,其实就像是一个班里水平层次不齐的学生。老师教学方式是相同的,但有人资质平平,勉强及格,对外界信息需要一定时间消化才能反馈(或者不能);而有的人学习能力强、成绩优秀,对外界的信息能迅速做出准确的反应。

翻译机在开始的语音识别阶段,从收到声音到转换成对应的文字,过程都是相同的:接收声音信号-提取声音特征-综合声学模型和语言模型-解码形成文字。

难就难在如何把你说的话能够意思分毫不差、一字不差的识别出来。这也就是不同品牌的翻译机从一开始拉开差距的地方。

为什么说识别的一字不差很难呢?

如果在安静的环境下说着语法、发音都标准的普通话,机器可以很容易准确识别,而一旦夹杂了多音字、方言口音,或者说话环境嘈杂、有回音等声音干扰,机器的识别过程就没那么轻松了。

云图片

在收到了有特征的声纹信息后,机器会通过声学模型组成单词或拼音,再通过语言模型来让识别结果变得更准确。

这其中,语言模型是非常重要的,它通过训练大量文本语料、学习词与词之间的相互关系,来估计你所说的话对应的每个字的可能性,并利用语言本身的统计规律来帮助提升识别正确率。如果还了解特定领域或任务相关的先验知识,语言模型可以识别的更准确。但如果不使用语言模型,机器面对大量的声音信息,识别出的结果则会是一团乱麻。

所以说,机器也和人一样,越学习、越优秀。但不是所有翻译机都能有足够的学习资源,而讯飞翻译机恰巧就是“饱读诗书”的那一个。

2、

众所周知,科大讯飞深耕人工智能技术,为医疗、教育、家庭、城市等智能化建设作出了相当的成就,也因此,讯飞拥有了千万级各行业平行领域数据的支撑,也因此为语言模型带来了丰富的学习文本。

随着对各行业学习的不断深入,基于大量垂直领域语料,不断对特定垂直领域的语音听写模型进行训练,这样一来,机器不仅能听懂日常口语,连那些专业术语也能听懂了。

这就是讯飞翻译机行业翻译官工作的基础——先听清楚你在说什么,再为你翻译出专业的结果。

打开讯飞翻译机,我们能看到医疗、金融、外贸、法律、体育、能源、计算机、电力八大行业翻译官。行业翻译功能的到来,也就意味着讯飞翻译机相较于其他翻译机,对你说话含义的理解又更深入了一步。

云图片

3、

另一个影响翻译机识别能力的关键,是翻译机的耳朵——麦克风。

回想一下,当我们和别人说话时,面对着对方和背对着对方,听到的清楚程度是有区别的。

麦克风作为翻译机的耳朵,如果想要各个方向都听的清楚,获得较好音质的音频,就需要360度无死角、多带几个麦克风在身上。

所以,讯飞翻译机采用四麦克风阵列,利用阵列方位信息进行噪声抑制,将阵列原始信号与深度学习结合,加强识别模型训练,以便让翻译机听得更清楚,从而提高翻译机在嘈杂环境、声音源过远等情况下的语音识别准确率。

云图片

4、

了解讯飞的人都知道,方言识别是讯飞语音识别技术中的一大特色。从最开始的维吾尔族语和藏语与中文普通话互译在新疆、西藏等少数民族地区建设上的应用,到现在翻译机支持粤语、东北话、河南话、四川话、五种英文口音、一种法语口音及一种孟加拉语口音,方言口音识别的应用越来越为大众所用。

这离不开讯飞在声学模型层面针对不同地区人的口音、发音方式的优化,使声学模型更加个性化且具有差异化。

有了方言口音识别能力的加持,就算你只会说方言,讯飞翻译机也能听懂;就算你和一个印度口音浓重的人交流,讯飞翻译机也能给你一个准确的翻译结果。

云图片

对我们消费者而言,选择翻译机时最关心的就是看它翻译的准不准,通过翻译结果来判断翻译机的好坏虽不失为一个最直观的方法,但如果想从本质上判断它的性价比,不妨从翻译机工作的源头——语音识别这一环节开始对比。

Mellanox 25G/100G以太网解决方案为科大讯飞的人工智能语音识别技术提供支持

西溪平安产险:永远从客户角度出发——最美西溪人徐晓云

2019年春节火车票价该不该涨?从经济学的角度思考

✽本文资讯仅供参考,并不构成投资或采购等决策建议(承兑)。

全新FSx for ONTAP横向扩展文件系统可帮助组织将高性能数据密集型工作负载迁移或扩展至云 加利福尼亚州圣何塞--(美国商业资讯)--智能数据基础设施公司NetApp®(NASDAQ: NTAP)在re:Invent大会上宣布,与AW…
  • 科技
  • 2023-12-1
  • 文传商讯