1
—— 你這是什么意思啊？
—— 沒什么，意思意思。
一名新入職場的翻譯員，擔心越來越厲害的機器翻譯搶了自己飯碗，于是在知乎上發問，“這個行業還有沒有前途？”老司機們紛紛上前安慰，其中一位說，年輕人你兔樣兔森破，讓機器翻譯一下上面這個對話，看能不能搞定，再來擔心吧。
不知道“年輕人”有沒有去試。雷鋒網去試了試，發現行業公認最厲害的 Google 翻譯和微軟翻譯（Microsoft Translator），確實都搞不定這個極具中國特色的語音對話。但兩者的表現，又是不一樣的。
同一段語音，這是 Google 的結果：
這是微軟的結果：
具體來說。使用語音翻譯，Google 會完整保留所有字；微軟則會把第一句中的語氣詞“啊”字省略掉，把第二句中的“意思”省略掉一個（可判定為誤傷）。為什么？
微軟告訴雷鋒網，之所以省略掉“啊”以及誤傷一個“意思”，是因為他們在語音翻譯中運用了一項獨門絕技——TrueText（智能文本校正）。在一份官方文檔中，微軟這么解釋 TureText 的作用：
這個過程包括去除造成不流利的字詞（例如“啊”“嗯”以及重復措辭）、將文本分解成句子、添加標點符號和大小寫識別。
這就是微軟的語音翻譯技術，為“口頭語”所做的優化之一。Olivier Fontana 是微軟研究院 Microsoft Translator 產品戰略總監，在八月中旬的一次溝通中，他告訴雷鋒網，我們平時說話，說出來的和寫下來的表達方式是不一樣的（口頭語和書面語），TrueText 可以把語音識別出的文字，變成機器更容易理解的、有意義的內容，這一技術微軟在全球范圍內是獨一無二的。
因為工作關系，本文作者日常要處理不少采訪速記，盡管文本經過速錄員的“人工優化”——去掉了不少語氣詞，但通篇文檔中找到幾個連續的完整句子，幾乎是不可能的。除了準備好的演講稿，很少有人平時說話的時候可以用連貫的語句，表達自己的意思。人在說話時，本來就是磕磕絆絆的，是“話中有話”的，是“不言而喻”的，機器理解人的本意，再轉換成另一種語言，更是難上加難。TrueText 技術相當于用機器做了口語文本內容的整理。
很多人認為，語音翻譯就是先把語音識別為文本，再把文本翻譯為另一種語言的過程。其實不是這樣。
Olivier Fontana 告訴雷鋒網，微軟嘗試過這種簡單拼接的方式，但翻譯質量無法令人滿意。最終微軟的方案是，在語音識別階段就為口語的識別做了特殊的輸入優化，識別之后的文本經過 TrueText 技術的處理，再進入文本翻譯階段，文本翻譯的輸出結果也要為口語做優化，最終通過成熟的 TTS 技術讓機器“讀出來”翻譯結果。
Olivier Fontana 說，在“實時對話場景”的翻譯模型研發過程中，微軟面臨著三項關鍵的挑戰：
收集口語語料。需要大量時間和金錢，來收集口語化的語料數據。
訓練這些語料。這一項的運算成本非常高，需要大量的運算能力和硬件加速系統。
開發口語模型。每一種語言的口語表達方式和發音方法都不一樣，同一種語言不同年級的人聲音、俚語、語速和表達方式也不一樣，很難用同一種模型去實現。
微軟介紹，針對口語的翻譯優化，尤其是針對聊天對話內容的優化，以及 TrueText 技術，微軟在業界都是唯一的。
Olivier Fontana 表示，傳統機器翻譯都是基于比較正式的文本翻譯，微軟則加入了大量基于口語對話的語料庫。他透露，微軟甚至還花錢請了很多人到 Skype Translator 上聊天，談他們的假期，日常生活，作為口語數據進行搜集。
Skype Translator 的實時語音翻譯技術，一經問世，就引發了行業關注。這是一項讓兩個不同語言的人，可以實時通過自己的母語進行語音進行溝通的“黑科技”（見視頻）。微軟最早在 2012 年天津的一次學術活動上展示了這項技術。2014年12月，這項技術在 Skype Translator 應用上實現商用，之后陸續運用到桌面版 Skype Translator 和 Microsoft Translator 手機App中。今年上半年，這項技術迎來新的里程碑，微軟將 API 開放給所有人，方便開發者將其集成到自己的應用中。
微軟翻譯針對語音“對話”進行的種種優化，很容易讓人聯想到，這家公司在年初 Build 大會上公布的戰略“對話即平臺”。他們還透露，在今年年底前，將為Office 365企業用戶提供 Skype Meeting Broadcast 服務。通過該服務，可以自動為網絡會議添加字幕，并將會議實時地翻譯成不同語言展現出來。
注：本文曾用標題《微軟翻譯：別人還在為“書面語”奮斗，我們已經為“口頭語”優化》
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
