跨語音交流——同聲傳譯電話不再是夢想
Rob Knies 2010/03/17
近年來，計算機似乎變得越發(fā)有效（responsive）了，人們可以處理非常復(fù)雜的文檔，存儲并篩選海量數(shù)據(jù)，也可以與世界范圍內(nèi)的眾多對象進行交流，而這些復(fù)雜任務(wù)往往通過簡單地點擊某個按鈕就能實現(xiàn)。現(xiàn)今的計算設(shè)備非常善于完成上述類似的任務(wù)，并且對于某些任務(wù)而言，計算機的功能似乎已經(jīng)達到了頂點。
但是這并不盡然，未來的計算機——或許應(yīng)該說是在不遠的未來，比如五到十年后——將會使得現(xiàn)今我們視為奇跡的事情變的完全微不足道。舉例說來，現(xiàn)在計算機能夠非常好的完成用戶的指令；但是如果計算機不用等待用戶的指令即可完成某些任務(wù)，這聽起來怎么樣？
換句話說，如果你的計算機能夠預(yù)測你的需求并以你的意愿來工作，那又將變得如何？這聽起來似乎有點不太現(xiàn)實，多少帶有點科幻小說的味道，但是也先別太早下結(jié)論。在現(xiàn)今的環(huán)境中，我們需要應(yīng)對急劇增加的數(shù)據(jù)，一旦計算機能夠智能的對這些信息進行分析處理，則將意味著在你睡覺、娛樂或是忙于其他工作的時候，計算機也能夠獨立的為你分擔(dān)掉很多工作。
現(xiàn)在請你想象一下，有一臺非�？斓挠嬎銠C，它能夠在你為一些事情發(fā)愁的之前就幫你把這些事都處理掉；它也能夠即時的處理信息，從而使得你的注意力能夠完全集中在其他一些更為緊迫的事情上。這樣的計算機似乎非常符合現(xiàn)在的白日夢者和技術(shù)理想家的愿望，你可能會說，這肯定是個妄想，其野心超出了科技創(chuàng)新的疆界。但是今年微軟技術(shù)節(jié)（TechFest
2010）的參觀者可能會有不同的看法。
現(xiàn)在我們將以微軟亞洲研究院的同聲傳譯電話為例，去窺探計算技術(shù)的未來：
假設(shè)你是一個美國商人，要與德國的一位同事開會。最便利的方式是通過電話聯(lián)系，但是這位德國同事并不會說英語，而你自己則只會講英語。在這種情況下，似乎來不及找一個合適的翻譯了，那么你該怎么辦？到目前為止，可能的解決方案非常少。但是在不久之后，很快就有一種新的方案面世，因為微軟亞洲研究院開發(fā)出了一種新的技術(shù)——同聲傳譯電話（Translating!
Telephone）！
這一項目把三種關(guān)鍵技術(shù)結(jié)合起來：語音識別（speech recognition）、機器翻譯（machine translation）和文字到語音的轉(zhuǎn)換（text-to-speech）。相信微軟技術(shù)節(jié)的參加者看到這些技術(shù)時，肯定無法掩飾自己的興奮之情。
“不同語音間的翻譯器歷來被很多研究者所關(guān)注，”Kit Thambiratnam，微軟亞洲研究院語音組（Speech Group）的一位研究員說，“但是這種翻譯器非常難以實現(xiàn)，需要結(jié)合很多目前尚不完善的技術(shù)。而我們關(guān)注的是自然交談中的實時性的口語化語言，而不是敘述性的或者結(jié)構(gòu)化的語言，這就越發(fā)難上加難�！彪m然上述三種相關(guān)技術(shù)仍然在不斷發(fā)展，當(dāng)該項目把這些技術(shù)依次串聯(lián)在一起時，則能夠呈現(xiàn)出一種非常穩(wěn)定的體驗。
上圖為從Thambiratnam (說英語) 的角度看到、聽到的內(nèi)容：Seide說的德語被轉(zhuǎn)錄為文本，該文本被翻譯為英文——上述兩種語言的文本都可以在屏幕上看到；Thambiratnam也可以聽到英文文本合成的英語語音。
Thambiratnam說：“當(dāng)多種不同背景的人需要一起交流時，我們的技術(shù)就能提供非常大的便利�！盩hambiratnam用同聲傳譯電話展示了這樣一種的情景：Thambiratnam說英語，他要給他的德國籍經(jīng)理Frank
Seide打個電話，這個電話是通過VoIP音字轉(zhuǎn)換（voice-over IP）進行的。首先，Seide說的德語被一個語音識別器識別，接著，微軟雷德蒙研究院（Microsoft
Research Redmond）發(fā)明的機器翻譯技術(shù)把德語翻譯成英語，然后再把英文的文字合成為英文語音（通過文語轉(zhuǎn)化的語音合成技術(shù)(text-to-speech)實現(xiàn)，下文有介紹），于是，Thambiratnam聽起來就像是Seide在說英語一樣。同樣的，Thambiratnam說的英語也被轉(zhuǎn)化為德語。這樣，就可以實現(xiàn)不同語言間的電話對話了。使這一效果真正能夠?qū)崿F(xiàn)的重要一點是保證轉(zhuǎn)換文本能夠同時呈現(xiàn)給對話的雙方，一旦出現(xiàn)對話不暢時，雙方可以根據(jù)轉(zhuǎn)換文本重復(fù)相關(guān)內(nèi)容來很快的解決相關(guān)問題。
“由于口語與可以用Bing的翻譯機來翻譯的書面語有很大的不同，這對我們來說是個很大的挑戰(zhàn)，”Seide解釋說，“所以我們先把口語轉(zhuǎn)化為更加規(guī)整的書面語體，然后再把它傳遞給翻譯模塊�！�
同聲傳譯系統(tǒng)從英文的VoIP技術(shù)（這一技術(shù)能夠為用戶提供電話的實時文本轉(zhuǎn)錄）演化而來，這些轉(zhuǎn)錄文本可能并不完美，但是它們的優(yōu)勢在于在“剪切粘貼情境（cut-and-paste
scenarios）”中可存儲、瀏覽、搜索以及修改。
另外，微軟亞洲研究院語音組的負責(zé)人宋謌平博士和他的同事共同開發(fā)的文語轉(zhuǎn)化的語音合成技術(shù)（text-to-speech technologies,
TTS，這一技術(shù)能夠?qū)⑽谋巨D(zhuǎn)化為非常逼真的語音）對同聲傳譯電話的實現(xiàn)具有非常重要的意義，這一技術(shù)使得從文本到語音的轉(zhuǎn)換聽起來更加自然。
同時，Seide和Thambiratnam開發(fā)的對話語音識別技術(shù)也發(fā)揮了非常關(guān)鍵的作用�！坝芯渲V語說得很對，‘無用輸入則無用輸出（garbage
in, garbage out）’，獲得正確的文本對我們而言非常重要。我們采用機器學(xué)習(xí)算法來自動形成更為準確的個人化的語音模式，”Thambiratnam說，“用戶不需要花費精力，他們只要通過VoIP電話說話就可以了，系統(tǒng)會學(xué)習(xí)他們的語言，然后變得越來越好，越來越像�！�
考慮到同聲傳譯電話涉及技術(shù)的巨大進步，它們對于方便我們?nèi)粘＝涣鞯拇龠M作用似乎指日可待了，Thambiratnam說：“我們要做的還很多，這些技術(shù)還很不完美，但是我們認為，這些技術(shù)應(yīng)該足可以幫助兩個母語不同的人進行日常交流，只要他們在講話時稍微仔細一點，并偶爾重復(fù)一下模糊的內(nèi)容�！�
圖:為Seide和Thambiratnam
Seide和Thambiratnam對他們的成就以及這一技術(shù)的未來發(fā)展都比較滿意，Seide說：“我覺得最酷的一點是我們把語音識別器中的文本進行翻譯，這也就意味著當(dāng)從一臺有屏幕的PC上打電話時，用戶就能一邊聽一邊看屏幕上同時出現(xiàn)的部分文本，而不用等待一個句子結(jié)束了�！�
當(dāng)被問及這些技術(shù)對跨國交流的作用時，Thambiratnam說：“跨語音交流是計算技術(shù)的宏偉愿景之一，我們的這些技術(shù)是實現(xiàn)它的第一步，最使我激動的是人們通過我們的技術(shù)能夠明白對方在說什么（get
it）”
“相信世界上的所有人都會因此而激動，又有誰會不希望擁有這樣一個系統(tǒng)呢？這樣的一個系統(tǒng)能夠完美的將整個世界聯(lián)系在一起�！�
http://blog.sina.com.cn
相關(guān)閱讀: