Meta研发闽南语AI翻译系统，创始非书面语言翻译新办法

当前的 AI 翻译次要应用于书面语言。但世界现存的几千种语言，近一半是口头语言。口头语言几乎没有标准的书写系统，难以用凡是办法来开发、训练翻译模子。

为了应对那一挑战，Meta 成立了第一个以白话为主的闽南语 AI 翻译系统，其可必然水平上让说闽南语与说英语的人，停止优良对话。

Meta 对外暗示：“口头交换能够帮忙突破人与人之间的隔膜，也有助于人们在元宇宙（Metaverse）中交换。”该公司当前正在全力开展元宇宙营业，以至在 2021 年 11 月将公司名字由 Facebook 改为 Meta。若是元宇宙要获得胜利，需要实现愈加设身处地和天然的体验。

据领会，开发闽南语翻译系统的一个重要前提是，需要有足够的数据。现在的机器翻译模子大都需要海量的书面文原来做训练。而闽南语的文本资本较少，在搜集和正文数据方面存在不敷。

因而，研究者决定操纵高资本语言的数据来处理那一问题。他们选择利用通俗话做为中介，即将闽南语转为通俗话后，再译成响应的另一语言。该办法极大进步了模子的性能。

别的，Meta 还接纳了一种语音发掘的训练数据生成办法，借助预训练的语音编码器，将闽南语和其他语言嵌入到统一语义空间中。如许，即便闽南语没有文字形式，其也能和英语或语义类似的文本对应。

值得一提的是，Meta 还为非书面语言翻译开发了一种新的建模办法。

据领会，目前的语音翻译模子开发，大都需要借助转录或语音生成文本系统。但因为口头语言贫乏标准的文字，因而，Meta 将重点放在了语音到语音的翻译上。

研究人员利用“语音到单位的转换”（Speech-to-Unit Translation，S2UT）办法，把输入的语音酿成许多声学单位。然后，再让声学单位产生波形。此外，他们还接纳双通道解码机造，别离用来生成单位和以相关语言（通俗话）生成文本。

（来源：Meta）

展开全文

接着，Meta 对闽南语翻译系统的准确性做了评估。一般来说，语音翻译系统的评估接纳的是 ASR-BLEU 目标。该目标指的是，用主动语音识（ASR Automatic Speech Recognition）将翻译的语音转换成文本，再比照转换文本与人工翻译文本，从而计算 BLEU 分数。BLEU 全称为 Bilingual evaluation understudy（双语评价替补），是一种尺度的机器翻译目标。

但关于闽南语等白话语音翻译模子，ASR-BLEU 目标评估的准确性仍有不敷。为此，研究者将闽南语转换成了一种标准的注音符号。那种体例表现的是音节程度上的 BLEU 分数，并且该评估办法也能很便利地比力各模子的翻译量量。

值得一提的是，除开发新的模子翻译评价办法，Meta 还设立了闽南语-英语转换的首个基准数据集，且将其停止了开源，并鼓舞别人继续在闽南语翻译上开展工做，以使该范畴能持续获得停顿。

据领会，Meta 的闽南语翻译模子仍处在进一步开发完美阶段，当前一次还只能翻译一句话。

（来源：Meta）

值得一提的是，Meta 在官方博文中提到，他们在闽南语方面的研究，可以对其他口头语言和书面语言供给帮忙。

同时，该公司还开放了闽南语翻译形式、评估数据集和研究论文，以便利别人复造和成立工做。10 月 19 日，相关论文以《一种现实世界的不成文语言的语音到语音的翻译》（Speech-to-speech translation for a real-world unwritten language）为题，颁发在 Meta 官网上。

此外，Meta 正在筹办发布一个语音对语音翻译语料库，并将之定名为 SpeechMatrix。该语料库利用 Meta 的数据发掘手艺 LASER（Language-Agnostic SEntence Representations，语言-不成知句子表征），那可让人们创建小我的语音到语音翻译系统。

（来源：Meta）

Meta 在无监视语音识别和无监视机器翻译范畴的停顿，将助力更多白话语言的翻译工做。它表白即便没有人工正文，仍能胜利开发高程度的语音到语音翻译模子，尤其是在低资本语言方面。

另据悉，闽南语翻译模子属于 Meta 的通用语音翻译器（UST，Universal Speech Translator）项目。可以用任何语言轻松地与人扳谈是一个持久逃求的梦想。UST 努力于通过开发新的 AI 办法，最末让所有语言实现语音到语音的实时翻译。

总体来看，本次研究使 Meta 的目的离实现又近一步。但 Meta 在丰硕 UST 撑持的语言数量方面，仍有大量工做需要做。将来的一个严重挑战，可能在于足够多样化的训练数据合规搜集。

参考材料：

/