Meta开创非书面语言翻译新方法 Meta研发闽南语AI翻译系统

当前的 AI 翻译主要应用于书面语言。但世界现存的几千种语言，近一半是口头语言。口头语言几乎没有规范的书写系统，难以用通常方法来开发、训练翻译模型。

为了应对这一挑战， 建立了第一个以口语为主的闽南语 AI 翻译系统，其可一定程度上让说闽南语与说英语的人，进行良好对话。

对外表示：“口头交流可以帮助打破人与人之间的隔阂，也有助于人们在元宇宙(Metaverse)中交流。”该公司当前正在全力发展元宇宙业务，甚至在 2021 年 11 月将公司名字由 改为 。如果元宇宙要取得成功，需要实现更加身临其境和自然的体验。

据了解，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。如今的机器翻译模型大都需要海量的书面文本来做训练。而闽南语的文本资源较少，在收集和注释数据方面存在不足。

因此，研究者决定利用高资源语言的数据来解决这一问题。他们选择使用普通话作为中介，即将闽南语转为普通话后，再译成相应的另一语言。该方法极大提高了模型的性能。

另外， 还采用了一种语音挖掘的训练数据生成方法，借助预训练的语音编码器，将闽南语和其他语言嵌入到同一语义空间中。这样，即使闽南语没有文字形式，其也能和英语或语义相似的文本对应。

值得一提的是， 还为非书面语言翻译开发了一种新的建模方法。

据了解，目前的语音翻译模型开发，大都需要借助转录或语音生成文本系统。但由于口头语言缺少规范的文字，因此， 将重点放在了语音到语音的翻译上。

研究人员使用“语音到单元的转换”(Speech-to-Unit Translation，S2UT)方法，把输入的语音变成许多声学单元。然后，再让声学单元产生波形。此外，他们还采用双通道解码机制，分别用来生成单元和以相关语言(普通话)生成文本。

接着， 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采用的是 ASR-BLEU 指标。该指标指的是，用自动语音识(ASR Automatic Speech Recognition)将翻译的语音转换成文本，再对比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)，是一种标准的机器翻译指标。

关键词： Meta开创非书面语言翻译新方法 非书面语言翻译新方法 书面语言翻译 语言翻译