Meta开源首个AI语音翻译系统，未来闽南语可无障碍畅行元宇宙！-技术圈

机器翻译是现今人类消除语言障碍、重建巴别塔的新工具。然而，在世界现存的 7000 多种已知语言中，许多低资源语言还未得到足够的关注，尤其是有近一半的语言没有标准的书面系统，这是构建机器翻译工具的一大障碍，所以目前 AI 翻译主要集中在书面语言上。

在利用 AI 推动自然语言翻译这件事上，Meta一直致力于“No Language Left Behind”（没有一种语言被落下）的目标。总部位于加州的Meta公司最近开发了一种名为“S2UT” (speech-to-unit translation) 的翻译技术，能将原本没有特定文字书写纪录的语言，直接透过语音对语音翻译方式转换成另一种语言，比如亚洲地区许多人都会使用的汉语方言之一闽南话，现在也有了专属的机器翻译系统，讲闽南话的人可以与讲英语的人进行无障碍对话了。

这是由Meta开源的第一个由AI驱动的非书面的、语音到语音的翻译系统。来听听这项工作的负责人、Meta AI研究员Peng-Jen Chen与扎克伯格的对话，Chen出生于中国台湾。

该系统可以将闽南话的语音翻译成英语语音，反之亦可。会讲闽南话的读者可以来检验一下，是不是翻译效果还挺不错？

据了解，这个开源翻译系统是Meta的通用语音翻译(UST)项目的一部分，该项目致力于开发新的人工智能方法，帮助实现所有现存语言的实时语音到语音的翻译。目前，Meta已经开源了该翻译模型和评估数据集，研究论文如下：

论文地址：https://research.facebook.com/file/799432337944526/Speech-to-speech-translation-for-a-real-world-unwritten-language.pdf

克服训练数据的挑战

闽南话是汉语方言之一，是一种低资源语言，没有标准的书写系统，人工的英语到闽南话翻译人员也相对很少，所以为模型收集和标注训练数据就变得更加困难。

640 (1).png

图注：讲闽南话（Hokkien）的人的数量

为此，来自Meta AI的研究团队采用了一种特殊方案，利用汉语普通话（属于高资源语言）作为中间语言来构建伪标签和人工翻译。他们首先将英语（或闽南话）语音翻译成普通话文本，然后再翻译成闽南话（或英语）并将其添加到训练数据中。这种方法通过利用来自类似高资源语言的数据，极大地提高了模型性能。

语音挖掘是训练数据生成的另一种方法。使用预训练的语音编码器，能够将闽南话语音嵌入编码到与其他语言相同的语义空间中，所以闽南话没有书面形式也不造成问题。闽南话语音可以与语义嵌入相似的英语语音和文本对齐，然后从文本中合成英语语音，产生并行的闽南话和英语语音。

640 (2).png

图注：无需人类标注的语音翻译模型

新的建模方法：语音到语音

许多语音翻译系统都依赖转录或者是语音到文本的系统。但是，闽南话的形式主要是口语，缺乏标准的书面文字系统，无法转录成文本作。所以，Meta所构建的是一个语音到语音的翻译系统。

研究人员使用语音到单元（speech-to-unit，S2UT）翻译，将输入语音直接翻译成一系列的声学单元，这也是Meta先前最早开创的一种路径。然后，从这些声学单元中生成波形。此外，研究人员还采用了UnitY作为双通道解码机制，第一通道解码器生成相关语言（即汉语普通话）的文本，第二通道解码器创建单元。

640 (3).png

图注：UnitY 模型架构

新的准确性评估系统

语音翻译系统的评估工具通常是ASR-BLEU指标，该指标首先使用自动语音识别 (ASR) 将翻译后的语音转录为文本，然后将转录文本与人工翻译的文本进行比较，计算BLEU分数。

但要评估闽南话的语音翻译系统，难处还是在于它没有标准的书面文字系统。所以，为了实现自动评估，研究人员开发了一个系统，将闽南语语音转录为一种称为Tâi-lô 的标准化注音符号。这样就能在音节的层面上计算BLEU分数，从而比较不同方法的翻译质量。

除了开发这种评估闽-英语音翻译的方法外，研究人员还基于闽南话语料库 Taiwanese Across Taiwan，创建了第一个闽-英双向语音到语音翻译基准数据集。该基准数据集将开源，以方便更多研究人员从事闽南话语音翻译工作。

为何选择闽南语

对此，Meta发言人表示，目前使用闽南语的使用人口超过5,000万人，同时也是中文语系中的代表语言之一；但也因为没有文字，因此无法透过一般翻译技术转换成其他语言。其次，海外华人使用的另一大语言-粤语虽然也是中国的一大方言，但其与古汉语的关联更加紧密，因此有以繁体字为主体的成形文字为依托。目前的机器语言已经能够对粤语进行相当完善的翻译，差异只在于输入时选择笔画更多的繁体字。

Meta希望能借此让人们可以打破语言隔阂，以最自然形式进行交流，藉此促成更深入的互动，让更多研究人员可以建立众多无法透过文字纪录的语言，让更多语言可以透过人工智能方式翻译成其他语言。世界许多地区的人交流的时候依然使用的是没有成形文字的方言，尤其是少数民族聚居的地区。

不止闽南话

这项工作所用技术可以进一步扩展到许多其他书面和非书面语言。

为此，Meta还发布了SpeechMatrix，它是一个大型的语音到语音翻译语料库，使用了Meta的创新数据挖掘技术LASER，从欧洲议会录音的真实演讲中挖掘数据。该数据库包含136种语言对的语音对齐，共41.8万小时的语音。挖掘的数据和模型都是免费的，研究人员可以创建自己的语音到语音翻译 (S2ST) 系统。

640 (4).png

图注：LASER挖掘获得的语音到语音成对数据

Meta在无监督语音识别 ( wav2vec-U ) 和无监督机器翻译( mBART )方面的研究进展，也为口语翻译工作提供了支持。比如用于预训练语音模型的无监督域自适应技术，提高了下游无监督语音识别的性能，尤其是对于低资源语言，在没有任何人工标注的情况下，可以构建高质量语音到语音翻译模型。

该模型仍在不断推进中，目前一次只能翻译一个完整的句子，但这迈出了未来实现语言间同声传译的一步。

据Meta AI的研究员Peng-Jen Chen说，这个闽南话翻译系统其实有一部分是出于他的一个私人心愿。他在中国台湾长大，同时会讲普通话，但是他的父亲普通话不好，他希望他的父亲能够用闽南话与每个人都顺畅地交流。这也是AI之于人类的意义之一。

参考链接：https://ai.facebook.com/blog/ai-translation-hokkien/

部分来源 | AI科技评论

编 | Black 审 | 林蛋壳

声明：投资有风险，入市须谨慎。本资讯不作为投资理财建议。