Google представил новую революционную технологию перевода устной речи Translatotron
В Блоге компании Google, в разделе, посвященном искусственному интеллекту, появилась публикация, знакомящая пользователей с новой технологией устного машинного перевода, созданной специалистами компании. Она получила название Translatotron.
В отличие от традиционной и широко используемой сегодня каскадной технологии устного машинного перевода, Translatotron способен переводить речь буквально «налету», что открывает целый ряд дополнительных возможностей, улучшающих (пока, правда, потенциально) качество перевода.
Современные каскадные технологии устного машинного перевода имеют три модуля:
- • модуль перевода воспринятой речи пользователя в текст,
- • модуль перевода этого текста на целевой язык,
- • модуль воспроизведения текста на целевом языке.
Таким образом, речь пользователя проходит несколько промежуточных этапов, на каждом из которых возможны собственные искажения, что увеличивает риски неправильного перевода и всей речи в целом. Чтобы снизить эти риски и параллельно увеличить скорость перевода, специалисты Google разработали принципиально новую технологию, в которой вообще нет этапа транскрибирования речи, т.е. слова говорящего переводятся «фраза во фразу», т.е. минуя преобразования речи в текст.
Вкратце суть технологии Translatotron такова: она составляет спектрограмму принятой речи, подлежащей переводу, и затем генерирует спектрограммы речевых фрагментов на целевом языке. Перевод при этом осуществляется с помощью нейронных сетей, главным элементом которых служит нейронный вокодер (neural vocoder).
Как указывают представители Google, Translatotron имеет сразу несколько преимуществ перед каскадной технологией:
- • снижение рисков возникновения ошибок за счет исключения перевода речи в текст и обратно,
- • большая скорость перевода за счет «прямого перевода речи»,
- • исключение из перевода имен собственных, в том числе, ФИО и географических наименований, которые остаются звучать «натуральным голосом» говорящего,
- • возможность сохранения голосовых модуляций говорящего в переведенной речи.
Остановимся подробнее на последнем пункте. Спектрограмма речи, создаваемая Translatotron, содержит не только смысловую информацию, но и характерные особенности звучания голоса, которые можно, затем, воспроизвести на конечном языке. Иначе говоря, недалек тот день, когда можно будет в буквальном смысле своим голосом говорить на другом языке, не зная его в принципе!
Правда, пока качество перевода Translatotron отстает от голосового переводчика того же Google, работающего по каскадной технологии, но создатели нового алгоритма полны оптимизма.
Оценить качество работы Translatotron можно по ссылке.
Комментарии 0