會員動態(tài) | 三個第一！科大訊飛包攬IWSLT 2021同聲傳譯三賽道冠軍
會員動態(tài) | 三個第一！科大訊飛包攬IWSLT 2021同聲傳譯三賽道冠軍
發(fā)布日期：2021-08-10 10:29
包攬同聲傳譯任務(wù)三賽道冠軍
IWSLT是國際上最具影響力的口語機(jī)器翻譯評測比賽之一，針對語音翻譯實(shí)際應(yīng)用面臨的難題，通過每年設(shè)定一些研究任務(wù)，并向外界提供公開的數(shù)據(jù)集合，吸引全球各地的科研團(tuán)隊(duì)參與比賽，以此推動語音翻譯技術(shù)創(chuàng)新和知識共享。大賽至今已經(jīng)舉辦18年，在業(yè)界頗具話語權(quán)。
今年的IWSLT為考察不同語言對語序的影響，以及語音同聲傳譯整體性能，在同聲傳譯任務(wù)中共設(shè)置了三個賽道：一是英德文本同傳，實(shí)時地將真實(shí)的文本翻譯成目標(biāo)語言文本；二是語序差異較大的英日文本同傳；三是英語到德語的語音同傳，實(shí)時地將語音翻譯成目標(biāo)語言文本。
本次比賽針對“翻譯質(zhì)量”和“翻譯延遲”兩個維度進(jìn)行評測。英國愛丁堡大學(xué)（UEDIN）、德國AppTek公司（APPTEK）、日本奈良先端科學(xué)技術(shù)大學(xué)院大學(xué)（NAIST）、字節(jié)跳動火山翻譯團(tuán)隊(duì)（VOLCTRANS）和科大訊飛-中科大聯(lián)合團(tuán)隊(duì)（USTC-NESLIP）等多支隊(duì)伍參與其中。
翻譯效果-延遲曲線（英德文本同傳）
最終，科大訊飛團(tuán)隊(duì)在以上三個賽道均取得第一名。根據(jù)科大訊飛本次提交的最終系統(tǒng)效果，在低中高三個延遲區(qū)間上都顯著優(yōu)于其他系統(tǒng)，尤其是在低延遲區(qū)間的突出表現(xiàn)，對于進(jìn)一步推動機(jī)器同傳的商業(yè)落地頗具價值。
表2 英日文本同傳效果排名
表3 英德語音同傳效果排名
創(chuàng)新性提出CAAT統(tǒng)一同傳模型結(jié)構(gòu)
相比人工同傳，機(jī)器同聲傳譯可以做到不知疲倦地持續(xù)翻譯，并可保證高譯出率和隱私性，在未來具有廣泛的應(yīng)用場景。
但是，機(jī)器同傳在技術(shù)上仍面臨著一些巨大的挑戰(zhàn)，不僅有低延遲的要求，還面臨翻譯調(diào)序、口語化和級聯(lián)誤差、篇章翻譯等難題。需要在翻譯質(zhì)量和翻譯延遲之間尋找一個最佳平衡。
訊飛創(chuàng)新性地提出Cross Attention Augmented Transducer（CAAT）同傳架構(gòu)，本次提交的系統(tǒng)正是基于這一框架實(shí)現(xiàn)的。
針對同傳任務(wù)中翻譯質(zhì)量和延遲這兩個評價目標(biāo)，借鑒語音識別中部分模型的優(yōu)化方式，它實(shí)現(xiàn)了將動態(tài)的同傳策略和翻譯模型聯(lián)合優(yōu)化，從而在延遲-翻譯質(zhì)量之間找到了更好的平衡。
相比目前主流的機(jī)器翻譯技術(shù)，CAAT避免了固定延遲導(dǎo)致的延遲過大或翻譯質(zhì)量下降的問題，在相同延遲下取得翻譯質(zhì)量的明顯提升。
除了這一模型結(jié)構(gòu)的創(chuàng)新外，針對任務(wù)中語音翻譯數(shù)據(jù)量有限這一問題，訊飛還從模型融合、數(shù)據(jù)增強(qiáng)等策略上進(jìn)一步優(yōu)化。
AI創(chuàng)新讓溝通不再有邊界
正是科大訊飛在機(jī)器翻譯和語音同傳領(lǐng)域的深耕，同時積極推動技術(shù)走向落地，在業(yè)內(nèi)首創(chuàng)AI翻譯機(jī)品類，推出具備多語種翻譯的訊飛聽見智能會議系統(tǒng)，并不斷擴(kuò)展技術(shù)的應(yīng)用空間，推動AI技術(shù)真正服務(wù)社會剛需和人類生活。
今年最新推出的訊飛雙屏翻譯機(jī)，在正反兩面屏幕的加持下，可呈現(xiàn)出同傳級的實(shí)時翻譯效果，人們在保持社交距離的同時，還能順暢地對談交流。特別是創(chuàng)新研發(fā)了會話翻譯、錄音翻譯、演講翻譯、同聲字幕等功能，可與手電腦、大屏（電視、投影、會場LED等）實(shí)現(xiàn)翻譯聯(lián)動，幫助用戶在跨語言匯報工作、提案演講、遠(yuǎn)程開會時提供實(shí)時語音翻譯或同傳翻譯字幕，賦能工作及生活中絕大多數(shù)的跨語言場景，開創(chuàng)跨屏翻譯時代。
依托科大訊飛的語音轉(zhuǎn)寫、機(jī)器翻譯、語音合成等世界先進(jìn)水平的智能語音核心技術(shù)，訊飛聽見同傳可提供全場景多語種同傳及各類定制服務(wù)，支持8國語種的實(shí)時轉(zhuǎn)寫和中文到多國語種的翻譯，已經(jīng)廣泛應(yīng)用于大型會議、發(fā)布會、展覽會等場景。
目前，訊飛聽見同傳已服務(wù)大會超10000場次，聽見會議系統(tǒng)累計(jì)覆蓋1000余家企業(yè)單位，訊飛聽見會議累計(jì)服務(wù)1000000次遠(yuǎn)程視頻會議。訊飛聽見網(wǎng)站及APP為近1500萬用戶提供智能轉(zhuǎn)寫及翻譯服務(wù)，累計(jì)轉(zhuǎn)寫時長超3866萬小時，為聽障群體定向捐贈時長超1400萬小時。
創(chuàng)新永不止步
盡管如此，目前的機(jī)器同傳技術(shù)相比人工同傳依然存在很多不足，比如人工同傳對表達(dá)的語義理解更準(zhǔn)確，翻譯更地道，機(jī)器容易出現(xiàn)直譯問題；雖然人工同傳會對發(fā)言人內(nèi)容進(jìn)行刪減，但核心內(nèi)容不會丟失，但機(jī)器容易出現(xiàn)識別和翻譯錯誤等問題。
本次科大訊飛在IWSLT 2021同傳任務(wù)上的技術(shù)突破不是終點(diǎn)，而是新的起點(diǎn)，后續(xù)科大訊飛仍將繼續(xù)用嚴(yán)謹(jǐn)?shù)目茖W(xué)精神，專注核心技術(shù)研發(fā)，提升在語音翻譯和機(jī)器同傳領(lǐng)域的核心競爭力，進(jìn)一步迭代提升機(jī)器同傳的性能和效果。用人工智能讓世界溝通無障礙。
科大訊飛股份有限公司成立于1999年，是亞太地區(qū)知名的智能語音和人工智能上市企業(yè)。自成立以來，長期從事語音及語言、自然語言理解、機(jī)器學(xué)習(xí)推理及自主學(xué)習(xí)等核心技術(shù)研究并保持了國際前沿技術(shù)水平；積極推動人工智能產(chǎn)品研發(fā)和行業(yè)應(yīng)用落地，致力讓機(jī)器“能聽會說，能理解會思考”，用人工智能建設(shè)美好世界。