Синхронный автоматический перевод

18.12.2020

Синхронный автоматический перевод (Speech-to-Speech Real-Time Translation) — «моментальный» машинный перевод речи, с одного естественного языка на другой, с помощью специальных программных и технических средств. Так же называется направление научных исследований, связанных с построением подобных систем.

В отличие от печатного текста или искусственных сигналов, естественная речь не допускает простого и однозначного членения на элементы (фонемы, слова, фразы), поскольку они не имеют явных физических границ. Границы слов в потоке речи автоматически могут быть определены лишь в ходе распознавания посредством подбора оптимальной последовательности слов, наилучшим образом согласующейся с входным потоком речи по акустическим, лингвистическим, семантическим и иным критериям.

История

Июнь 2012 года — Программа для автоматического синхронного перевода (Технологический институт города Карлсруэ (федеральная земля Баден-Вюртемберг, Германия).[1] Устройство переводит устные лекции преподавателей института с немецкого на английский язык и воспроизводит перевод в виде субтитров. [2]

Октябрь 2012 года — Автоматический, почти синхронный голосовой перевод с английского на путунхуа. Разработчик — Microsoft. Система машинного обучения, на основе искусственных нейронных сетей (Deep Neural Networks), которая сокращает непонимание до каждого седьмого−восьмого слова. Но самое большое достижение — это, генерация речи с сохранением модуляций голоса говорящего.

Ноябрь 2012 года — Открывшийся сервис, японского мобильного оператора NTT Docomo, позволяет абонентам, говорящим на разных языках общаться в режиме реального времени. Языки, поддерживаемые сервисом: (японский <-> английский), (японский <-> корейский), (японский <-> китайский).

Май 2015 года - Появился Blabber Messenger, который переводит речь на 14 языков, а чат на 88.

Принцип работы

Процесс электронного перевода речи (S2S Real-Time Translation), как правило, включает следующие три этапа) :

  • автоматическое распознавание речи (ASR — automatic speech recognition) — преобразование речи в текст;
  • машинный перевод (MT - Machine Translation); — автоматический перевод текста с одного языка на другой.
  • синтез речи (TTS — text-to-speech) — технология, которая даёт возможность произнести текст голосом, приближенным к естественному.
  • Говорящий на языке A говорит в микрофон, а модуль распознавания речи признаёт[что?] произнесённое. Происходит сравнение входных данных с фонологическими моделями, состоящими из большого количества речевых библиотек. Отфильтрованное таким образом, используя словарь и грамматику языка А, преобразуется в строку слов, основанную на массиве фразы языка[неизвестный термин] А. Модуль автоматического перевода преобразует эту строку. Ранние системы заменяли каждое слово, с соответствующим словом в языке B. Более совершенные системы не используют дословный перевод, а принимают во внимание весь контекст фразы, чтобы произвести соответствующий перевод. Созданный перевод передаётся в модуль синтеза речи, который оценивает произношение и интонацию, соответствующую ряду слов из массива речевых данных языка B. Данные, соответствующие фразе, отбираются, соединяются и выводятся в необходимой потребителю форме на языке В.

    Системы перевода речи

    Системы перевода речи (ST — Speech Translation), состоят из двух основных компонентов: Автоматическое распознавание речи (ASR — automatic speech recognition) и Машинный перевод (MT — Machine Translation) и различаются:

    • Работающие «на клиенте» (client-based).
    • По принципу «клиент-сервер» (client-server) (OnLine service).

    Распознавание слитной спонтанной речи — конечная цель всех усилий по распознаванию речи. Автоматическое распознавание речи разделяют, на привязку и её отсутствие, к голосу конкретного человека.

    Если рассматривать классическую схему «наука-технологии-практические системы», то, наиболее серьезные проблемы в которых будет работать практическая система автоматического распознавания или понимания речи, возникают при условиях:

    • — произвольный, наивный пользователь;
    • — спонтанная речь, сопровождаемая аграмматизмами и речевым «мусором»;
    • — наличие акустических помех и искажений, в том числе меняющихся;
    • — наличие речевых помех.

    Обобщённая классификация систем распознавания речи. См.( )

    Традиционно системы машинного перевода делятся на категории:

    • Rule-Based Machine Translation (RBMT) — системы, основанные на правилах, которые описывают языковые структуры и их преобразования.
    • Example-Based MT (EBMT) — системы на примерах двух текстов, один из которых является переводом другого.
    • Statistical Machine Translation (SMT) — статистический машинный перевод — разновидность машинного перевода текста, основанная на сравнении больших объёмов языковых пар.
    • Hybrid Machine Translation (SMT + RBMT) — Гибридные модели «… где ожидается прорыв в качестве перевода».

    Границы между системами Example-based и Rule-based не очень чёткие, поскольку и те и другие используют словари и правила работы со словарями.

    Статистический машинный перевод

    Статистический машинный перевод основан на поиске наиболее вероятного перевода предложения, с использованием данных двуязычного корпуса (Parallel Corpora) — Битекст. В результате при выполнении перевода компьютер не оперирует лингвистическими алгоритмами, а вычисляет вероятность применения того или иного слова или выражения. Слово или последовательность слов, имеющие оптимальную вероятность, считаются наиболее соответствующими переводу исходного текста и подставляются компьютером в получаемый в результате текст. В статистическом машинном переводе ставится задача не перевода текста, а задача его расшифровки.

    Типичная архитектура статистических систем МП.

    • Одноязычный корпус (язык перевода).
    • Языковая модель — набор n-грамм (последовательностей словоформ длины n) из корпуса текстов.
    • Параллельный корпус.
    • Фразовая таблица — таблица соответствий фраз исходного корпуса и корпуса переводов с некоторыми статистическими коэффициентами.
    • Статистический декодер — среди всех возможных вариантов перевода, выбирает наиболее вероятный.

    В качестве языковой модели в системах статистического перевода используются преимущественно различные модификации n-граммной модели, утверждающей, что <грамматичность> выбора очередного слова при формировании текста определяется только тем, какие(n-1)слов идут перед ним.

    • n-граммы.
      • — Достоинства: — высокое качество перевода, для фраз, которые целиком помещаются в n-граммную модель.
      • — Недостатки: — качественный перевод возможен только для фраз, которые целиком помещаются в n-граммную модель.

    Преимущества SMT

    • Быстрая настройка
    • Легко добавлять новые направления перевода
    • Гладкость перевода

    Недостатки SMT

    • <Дефицит> параллельных корпусов
    • Многочисленные грамматические ошибки
    • Нестабильность перевода

    Системы, которые не используют обучение, называются «Speaker Independent» системы. Системы, использующие обучение, — «Speaker Dependent» системы.

    Системы МП, основанные на правилах «Rule-Based»

    Системы машинного перевода основанные на правилах (Rule-Based Machine Translation), подразделяются:

    • системы пословного перевода;
    • трансферные системы (Transfer) — преобразуют структуры входного языка в грамматические конструкции выходного языка;
    • интерлингвистические системы (Interlingua)- промежуточный язык описания смысла.

    Компоненты типичной RBMT:

    • Лингвистические базы данных: — двуязычные словари; — файлы имен, транслитерации; — морфологические таблицы.
    • Модуль перевода: — грамматические правила; — алгоритмы перевода.

    Особенности RBMT систем:

    • Преимущества: — синтаксическая и морфологическая точность; — стабильность и предсказуемость результата; — возможность настройки на предметную область.
    • Недостатки: — трудоемкость и длительность разработки, — необходимость поддерживать и актуализировать лингвистические БД; — «машинный акцент» при переводе.

    Гибридные модели SMT + RBMT

    Архитектура Гибридной технологии:

    • Обучение: Параллельный корпус->Обучение: — Модель языка; — Данные для постредактирования; — Правила синтеза; — Словарь терминологии.
    • Эксплуатация: Гибридный перевод.

    Этапы Гибридной технологии:

    • Обучение RBMT на основе параллельного корпуса с использованием статистических технологий;
    • Эксплуатация на основе натренированной системы.

    Системы синтеза речи

    Типичная архитектура «Text-to-Speech» System.

    • Анализ текста: — Определение структуры текста; — Нормализация текста; — Лингвистический анализ.
    • Фонетический анализ: — Графо — Фонетическое преобразование.
    • Анализ просодики: — Шаг & Длительность словосочетаний.
    • Синтез речи (Speech Synthesis): — Рендеринг голоса.

    В свою очередь, синтез речи разделяют на группы:

    • параметрический синтез;
    • конкатенативный, или компиляционный (компилятивный) синтез;
    • синтез по правилам;
    • предметно-ориентированный синтез.

    Шумоочистка

    Источники шумов в речевых системах: — помехи от микрофонов, провода, АЦП (аналогово-цифровой преобразователь), внешние шумы, возникающие в окружении говорящего.

    Классификация шумов относительно их характеристик:

    • периодический / непериодический шум;
    • ширина диапазона частот, в котором распределяется энергия шума: — широкополосные (ширина полосы частот более 1 кГц) и узкополосные шумы (ширина полосы частот менее 1 кГц);
    • речевой шум, состоящий из голосов людей, окружающих говорящего.

    Наиболее опасным по своему влиянию на речевой сигнал и наиболее трудноудаляемым шумом считается белый шум: — непериодичный шум, спектральная плотность которого равномерно распределена по всей области частот.

    В области систем распознавания речи в шуме, существует следующие подходы:

    • Разработчики не обращают внимания на шум.
    • Сначала избавляются от шума, а затем распознают очищенный речевой сигнал. Эта концепция обычно используется при разработке систем шумоочистки в качестве дополнительного модуля систем распознавания.
    • Распознавание зашумленного сигнала без его предварительного улучшения, при котором изучается, каким же образом человек распознает и понимает зашумленную речь; ведь он не производит предварительной фильтрации речевого сигнала для того, чтобы очистить его от шума.

    Методы достижения помехозащищённости:

    • сводятся либо к выделению некоторых инвариантных относительно шума признаков, либо к обучению в условиях шума или модификации эталонов распознавания с использованием оценки уровня шумов.

    Слабым местом подобных методов является ненадежная работа систем распознавания, настроенных на распознавание в шуме, в условиях отсутствия шумов, а также сильная зависимость от физических характеристик шума.

    • Вычисление коэффициентов линейного предсказания. В качестве элементов эталонов, вместо численных значений используются вероятностные распределения (среднее математическое, дисперсия).
    • Цифровая обработкой сигнала: — методы маскировки шумов (численные значения, сравнимые с характеристиками шума, игнорируются или используются с меньшими весовыми коэффициентами) и методы шумоподавления с использованием нескольких микрофонов (например, очистка от низкочастотных шумов с использованием микрофона с одной стороны устройства и высокочастотных — с другой стороны).
    • Очистка полезного сигнала от посторонних шумов, с использованием массивов микрофонов, моделирующих направленный микрофон с переменным лучом направления (простейший метод «задержки и суммирования» или более сложный с модификацией весов микрофонов).

    Модели и методы оптимизации

    Большинство существующих метрик автоматической оценки машинного перевода, основаны на сравнении с человеческим эталоном.

    При обучении Speech Translation System, применяют следующие методы оптимизаций качества и скорости перевода:

    • Каскадное ASR/WER с MT/BLEU

    Автоматическое распознавание речи (ASR — automatic speech recognition)

    • ASR/WER (Word Error Rate) — вероятность ошибки в кодовом слове;
    • ASR/PER (Position-independent Word Error Rate)- вероятность ошибок позиционно-независимых слов (в разных предложениях);
    • ASR/CSR (Command Success Rate) — вероятность успешного выполнения команды.

    Машинный перевод (MAT — Machine-Assisted Translation)

    • MT/BLEU (Bilingual Evaluation Understudy) — вероятность совпадение перевода с образцом.

    Особенности

    Помимо проблем, связанных с переводом текста, синхронный перевод речи имеет дело с особыми проблемами, включая бессвязность разговорного языка, меньше ограничений грамматики разговорного языка, неясной границы слова разговорного языка и коррекции ошибок распознавания речи. Кроме того, у синхронного перевода есть свои преимущества по сравнению с переводом текста, в том числе менее сложную структуру разговорного языка и меньше лексики в разговорном языке.[3]

    По мере роста мощностей аппаратных устройств, можно ожидать появления машинных переводчиков c меньшим количеством ошибок в переводе, что является главной проблемой всех электронных переводчиков речи. Ситуация ухудшается в случае принадлежности говорящих к разным языковым группам. Например, английский язык относится к германской группе индоевропейской семьи языков, а китайский — к китайско-тибетской языковой суперсемье. Различия между ними очень велики, и сделать правильный перевод нелегко, к тому же одно и то же слово может означать два и более разных по смыслу вариантов перевода в другом языке. По этим причинам процентное количество ошибок при переводе далеких друг от друга языков остается все ещё высоким. В отличие, например, от перевода языков родственных — к примеру, русского и украинского. [4]

    Стандарты

    Когда много стран начнут исследовать и развивать речевой перевод, будет необходимо стандартизировать интерфейсы и форматы данных, чтобы гарантировать, что системы взаимно совместимы.

    Международное объединенное исследование, создаётся речевыми консорциумами перевода:

    • (C-STAR) Consortium for Speech Translation Advanced Research — международный консорциум по переводу речи для объединенного исследования речевого перевода;
    • (A-STAR) Asia-Pacific — для Азиатско-Тихоокеанского региона.

    Они были основаны как международная объединённая исследовательская организация, по проектированию форматов двуязычных стандартов, которые важны, для продвижения научных исследований этой технологии и стандартизации интерфейсов и форматов данных, чтобы соединить речевой модуль перевода на международном уровне.[5]

    Оценки качества перевода

    • BLEU (Bilingual Evaluation Understudy) — алгоритм оценки-оптимизации качества текста, машинного перевода.
    • WER (Word Error Rate) — алгоритм оценки-оптимизации качества текста, машинного перевода.
    • Классификатор «Речь/не речь» (speech/non-speech) — определяющий вероятность правильного распознавания речи. Компромисс между определением, голос как шум или шум как голос (Type I and type II errors).

    Имя:*
    E-Mail:
    Комментарий: