Google发表新语言语音模型Translatotron呈现更即时、更正确更贴近原音的口语翻译效果

Google新语言语音模型Translatotron，主要是藉由Seq2seq模型系统直接针对口语内容进行分析、翻译，并且将翻译结果转换为另一种语言，透过相近口音呈现翻译结果，而非传统先转成文字再进行翻译，可加快即时翻译效率。

Google稍早宣布将推出可透过单一流程即可完成两种语言互译，无需像过往翻译必须透过语音识别成文字，再透过机器学习方式完成文字翻译，最后将翻译结果文字以语音方式播放，造成翻译结果可能变得不通顺，甚至可去除口语中无谓赘词，让口语翻译效果更好，同时也能提升翻译效率。

根据Google公布的全新语言语音模型Translatotron，主要是藉由Seq2seq模型系统直接针对口语内容进行分析、翻译，并且将翻译结果转换为另一种语言，透过相近口音呈现翻译结果。

由于传统翻译透过语音转文字、以文字内容进行翻译，再将翻译结果转换为语音内容呈现，必须经过几个处理步骤，因此可能会在各个步骤产生翻译错误、增加无谓赘词，或是翻译结果不通顺的情况，在Translatotron的设计仅透过单一流程，让系统能直接针对口语内容进行翻译，去除无谓的口语赘词，或是省略无需翻译的专有名词、外来用语等细节，借此提高口语翻译的正确率与执行效率，并且可藉由人工智慧技术辅助，让翻译结果能以自然、贴近原音形式呈现，宛如原本说话者以不同语言阐述内容。

Translatotron模型系统从2016年开始建造，主要想法便是希望能让口语翻译更加即时，并且能让更多人可打破语言隔阂彼此交谈。而在Seq2seq模型系统设计里，主要是以多任务目标学习方式，分别预测来源与目标内容，借此加快语言即时翻译效率。