長(cháng)久以來(lái)，人類(lèi)都含有一個(gè)共同的夙愿：發(fā)明一個(gè)機器，實(shí)現全世界之間毫無(wú)障礙的自由交流。而毫無(wú)疑問(wèn)，自由交流，在一個(gè)宣稱(chēng)為自由連接的互聯(lián)網(wǎng)時(shí)代，更能夠彰顯它的價(jià)值。畢竟，同是地球人，同住地球村，當你我覓得彼此，卻聽(tīng)不懂彼此的語(yǔ)言，實(shí)在有些尷尬

長(cháng)久以來(lái)，人類(lèi)都含有一個(gè)共同的夙愿：發(fā)明一個(gè)機器，實(shí)現全世界之間毫無(wú)障礙的自由交流。而毫無(wú)疑問(wèn)，自由交流，在一個(gè)宣稱(chēng)為自由連接的互聯(lián)網(wǎng)時(shí)代，更能夠彰顯它的價(jià)值。畢竟，同是地球人，同住地球村，當你我覓得彼此，卻聽(tīng)不懂彼此的語(yǔ)言，實(shí)在有些尷尬。

微軟旗下的Skype進(jìn)行宣布，具備了實(shí)時(shí)語(yǔ)音翻譯的翻譯器Skype Translator中文預覽版已經(jīng)正式在中國的市場(chǎng)上推出了。其實(shí)，不同于母語(yǔ)間的人直接對話(huà)，讓機器實(shí)時(shí)翻譯，這些技術(shù)微軟早在去年的時(shí)候就已經(jīng)與公眾見(jiàn)面了，只是那個(gè)時(shí)候還不支持中文。你知道，哪怕是對于機器，有大約一萬(wàn)個(gè)常用漢字以及各種語(yǔ)音語(yǔ)調的中文也頗具挑戰性。但如今，包括微軟和谷歌在內的科技巨頭的發(fā)力，使得地球上使用人數最多的語(yǔ)言與使用最廣泛的語(yǔ)言能夠直接開(kāi)展對話(huà)了。

Skype的翻譯系統主要是分個(gè)三步驟：首先，把你的實(shí)時(shí)語(yǔ)音翻譯成文字；然后，再把文字翻譯成為另外一種語(yǔ)言的文字；最后，把文字轉換成語(yǔ)音。其中，識別實(shí)時(shí)語(yǔ)音并轉換成文字，一直是最棘手的部分。

如你所知，精準的實(shí)時(shí)語(yǔ)音翻譯，有賴(lài)于強大的機器學(xué)習，也就是軟件學(xué)習訓練數據的能力。這些訓練數據包括翻譯的網(wǎng)頁(yè)，配有字幕的視頻，以及預先翻譯且轉錄成文字的一對一談話(huà)。Skype Translator通過(guò)記錄對話(huà)來(lái)分析文本并且訓練系統能夠更好地“學(xué)習”語(yǔ)言——當準備好的數據錄入系統后，機器學(xué)習軟件會(huì )在這些對話(huà)和環(huán)境涉及到的單詞中搭建一個(gè)統計模型，當你說(shuō)話(huà)時(shí)，軟件會(huì )在統計模型中尋找相似內容，然后應用到預先“學(xué)到”的轉化程序中，得以讓語(yǔ)音轉換為文本，再從文本轉換成另一種語(yǔ)言。

值得一提的是，與程序設定一般的朗誦不同，人會(huì )一邊思考一邊說(shuō)話(huà)，會(huì )犯錯，這種犯錯在口語(yǔ)表達中的體現就是打磕巴，停頓，重復，或者頻頻出現如“嗯”“啊”“呃”之類(lèi)的語(yǔ)氣助詞，針對于此，Skype Translator的機器學(xué)習模型也會(huì )處理這些停頓。在預覽版中，用戶(hù)可以看到部分語(yǔ)氣詞停頓被移除，而未被移除的部分則可能通過(guò)用戶(hù)反饋進(jìn)行再優(yōu)化。

在數據進(jìn)入系統之后，機器學(xué)習軟件會(huì )為對話(huà)中的單詞建立統計模型，當你說(shuō)到某一個(gè)東西時(shí)，系統會(huì )在統計模型里尋找類(lèi)似的單詞，并響應之前做過(guò)的類(lèi)似的翻譯。實(shí)時(shí)語(yǔ)音翻譯對用戶(hù)對話(huà)的環(huán)境很敏感，稍有噪音干擾可能準確度就會(huì )降低很多。這一方面，深度神經(jīng)網(wǎng)絡(luò )有效的減少識別錯誤率，改善了系統的健壯性，讓實(shí)時(shí)翻譯能夠有更大的應用范圍。

不過(guò)，作為一項不斷優(yōu)化的技術(shù)，無(wú)論是微軟的Skype Translator還是“老對手”谷歌的Google Translate，至少在現階段，實(shí)時(shí)語(yǔ)音翻譯技術(shù)應該還是談不上完美的，系統對語(yǔ)音的識別準確率也有待完善。要知道，語(yǔ)言如同一只野獸，時(shí)刻都在變化，哪怕同一國家，因地域不同也有不同口音與俚語(yǔ)文化。這些問(wèn)題可以通過(guò)更大范圍的數據解決么？也許能，但還需要時(shí)間。

然而無(wú)論怎樣，就像一位評測者所言：“整個(gè)體驗就像是兩名電話(huà)銷(xiāo)售員在使用對講機，不過(guò)在使用過(guò)程中，這樣的抱怨將會(huì )被‘奇跡’帶來(lái)的震驚所取代。”

Skype的機器學(xué)習原型通過(guò)預覽階段的大量數據進(jìn)行訓練，并優(yōu)化語(yǔ)音識別（SR）和自動(dòng)化機器翻譯（MT）任務(wù)，這些優(yōu)化包括去除語(yǔ)句中的不流利成分（比如“ahs”、“umms”和重復性的語(yǔ)言）、把文本分段成句子、增加標點(diǎn)符號、文本的大小寫(xiě)等等。

至于不同語(yǔ)言的文本翻譯，Skype利用的則是和Bing翻譯一樣的引擎技術(shù)：語(yǔ)法和統計模型的結合使用，同時(shí)為特定語(yǔ)言進(jìn)行特殊的訓練。普通的文本翻譯往往要求使用規范正確的書(shū)面語(yǔ)言，而Skype翻譯系統不僅包括Bing翻譯的引擎技術(shù)，還額外增加了一層口語(yǔ)化的語(yǔ)言業(yè)務(wù)。

此外，Skype還建立了一套自定義的串連整個(gè)流程的架構，以協(xié)調系統里多個(gè)部分間的運作。如何簡(jiǎn)單又高效的運作整個(gè)系統，也是一門(mén)不小的學(xué)問(wèn)。

Skype的實(shí)時(shí)語(yǔ)音翻譯系統還面臨著(zhù)很多挑戰，比如語(yǔ)言的變化的速度很快，每個(gè)人說(shuō)話(huà)的方式又很獨特，這些都會(huì )為實(shí)時(shí)翻譯造成不少的麻煩。但是，對于這一種可能會(huì )真正改變人們交流方式的科技產(chǎn)品，越來(lái)越多的人都為之激動(dòng)。相信全人類(lèi)的夙愿終會(huì )實(shí)現。