百度翻译app在线使用，百度实时在线翻译

中新网10月24日电在人工智能领域，两种语言之间的“即时翻译”是一个很难攻克的技术难题，主要原因是源语言之间的词序和词序存在较大差异。目标语言。最近，百度开发了具有预测能力和可控延迟的即时机器翻译系统。这样可以在两种语言之间实现高质量、低延迟的翻译。这是自然语言处理领域的重大技术进步，将极大促进即时机器翻译和口译的发展。

机器同声传译利用语音识别技术自动识别说话者所说的内容，将语音转换为文本，调用机器翻译引擎将文本翻译成目标语言，并在大屏幕上显示，或者使用语音合成进行播放。机器相对于人类翻译者最大的优势在于，它们可以翻译所有“听到”的句子，而不会因为疲劳而降低翻译率，而且机器的“翻译率”要高得多，达到100%。 60% 到70% 的人工翻译。同时，在价格方面也有优势。

在机器同声传译领域，百度结合语音技术和机器翻译技术，从语音识别、翻译质量、延迟、领域知识整合等方面推出“一揽子”解决方案。

在语音识别方面，与传统的上下文相关建模技术不同，百度提出了上下文无关音素组合的中英文混合建模单元，包括1749个上下文无关中文音节和1868个上下文无关英文音节。该方法泛化性能高、抗噪声能力强、能够识别中英文混合体。

从翻译质量的角度出发，提出了一种“语音容错”的对抗训练翻译模型。根据语音识别模型常犯的错误，将噪声数据有针对性地添加到训练数据中。如果语音识别结果不正确，您还可以在翻译过程中进行纠正。例如，如果语音识别系统错误地将“大厅”识别为“大唐”，则该噪声词对将自动包含在训练数据中，源语言句子“让我们在酒店大堂见面”将被替换为替换为“”。对于“让我们在酒店大堂见面”，将目标语言翻译保留为“让我们在酒店大堂见面”，并使用这两个中文句子进行训练，以获得容错性更强的模型。

为了减少延迟并提高翻译质量，翻译人员通常会对音频内容做出合理的期望。百度开发者从人类翻译中汲取灵感，开发了“wait-k word”模型，可以在翻译过程中直接预测目标语言的词汇。这是历史信息。该模型平衡了翻译质量和翻译延迟，用户可以根据自己的实际需要设置延迟时间（例如延迟1（k=1）个单词或延迟5（k=5）个单词）。例如，对于比较接近的语言，例如法语和西班牙语，您可以将延迟设置相对较低，但对于差异很大的语言，例如英语和中文，您可以将延迟设置相对较低。如果词序不同，例如英语和德语，您可能需要将延迟设置为较低级别和较高级别，以更好地适应差异。

同声传译经常接触到不同领域的专业知识，短时间内吸收大量相关领域的内容是同声传译员面临的一大挑战。基于此，百度提出了模仿人类同声传译准备过程，快速整合领域知识的策略。该策略利用百度海量的互联网大数据来训练具有通用翻译能力的模型，当接到特定领域的同声传译任务时，系统会采集该领域的数据，训练出具有通用翻译能力的模型，并在此基础上进行强化训练，获得对应领域的强模型，最终强制解码该领域的术语库，技术术语翻译准确可靠，提高翻译效率。

作为对外开放和商务国际化的需求之一，同声传译被广泛应用于政府间首脑会议、多边谈判等商务场景，但同声传译员短缺是目前的一大问题。为了解决全球同声传译员数量少、成本高的问题，越来越多的开发者开始注重机器同声传译机的研发，百度也开发出了高精度机器同声传译机。想解决实时翻译的问题。 -高质量的机械同声传译技术和系统。

尽管机器同声传译正在取得新的进展，但与经验丰富的同声传译员相比仍然存在一定的差距。百度翻译技术一位负责人表示，同声传译的目的并不是要取代人工口译员，而是为了降低同声传译的成本，让同声传译能够更广泛地普及，“我希望这能够实现。” “在人工智能的帮助下，我们打破了沟通障碍。