（文章來源：砍柴網(wǎng)）

如今人工智能的發(fā)展過程，就如同我們求學(xué)的過程：不停地努力學(xué)習(xí)，不停地擴(kuò)充知識，不停地刷新成績。當(dāng)成績刷到語言這一關(guān)，翻譯機(jī)出現(xiàn)了。而且為了幫人類越過語言障礙這條“溝”，翻譯機(jī)做了許多努力，才最終行的“通”?！奥牭们宀拍茏g得準(zhǔn)。”對于翻譯機(jī)而言，這句話不光是一句廣告詞，更說出了翻譯機(jī)的本質(zhì)。

想要翻譯機(jī)譯的準(zhǔn)，首先需要的就是對你說的話有一個準(zhǔn)確的識別。就像如果要正確的回答問題，就一定要先聽清、聽懂問題。如果連你說的話識別出來都是錯的，那還談何翻譯的準(zhǔn)呢?所以翻譯機(jī)工作的第一步，就是從聽懂你說話開始。訊飛翻譯機(jī)依托訊飛語音識別技術(shù)，應(yīng)用強(qiáng)大的神經(jīng)網(wǎng)絡(luò)模型，中文語音識別準(zhǔn)確率超過98%，并且支持5種漢語方言識別，2016和2018連續(xù)兩屆包攬CHiME語音識別大賽冠軍。

所以今天我們就來扒一扒，有科大訊飛語音識別技術(shù)傍身的訊飛翻譯機(jī)，到底為什么能譯的更準(zhǔn)。記得上學(xué)那會兒，老師洋洋灑灑講完一個知識點(diǎn)，總喜歡最后接一句“都聽懂了沒有?”臺下的學(xué)生七零八落的點(diǎn)著頭，但也不知道有多少人只是因?yàn)槁犚娏死蠋熣f的每個字而點(diǎn)頭，又有多少人是因?yàn)檎嬲牰嗣烤湓挼暮x而點(diǎn)頭。

市面上的翻譯機(jī)，其實(shí)就像是一個班里水平層次不齊的學(xué)生。老師教學(xué)方式是相同的，但有人資質(zhì)平平，勉強(qiáng)及格，對外界信息需要一定時間消化才能反饋(或者不能);而有的人學(xué)習(xí)能力強(qiáng)、成績優(yōu)秀，對外界的信息能迅速做出準(zhǔn)確的反應(yīng)。翻譯機(jī)在開始的語音識別階段，從收到聲音到轉(zhuǎn)換成對應(yīng)的文字，過程都是相同的：接收聲音信號-提取聲音特征-綜合聲學(xué)模型和語言模型-解碼形成文字。

難就難在如何把你說的話能夠意思分毫不差、一字不差的識別出來。這也就是不同品牌的翻譯機(jī)從一開始拉開差距的地方。為什么說識別的一字不差很難呢?如果在安靜的環(huán)境下說著語法、發(fā)音都標(biāo)準(zhǔn)的普通話，機(jī)器可以很容易準(zhǔn)確識別，而一旦夾雜了多音字、方言口音，或者說話環(huán)境嘈雜、有回音等聲音干擾，機(jī)器的識別過程就沒那么輕松了。

在收到了有特征的聲紋信息后，機(jī)器會通過聲學(xué)模型組成單詞或拼音，再通過語言模型來讓識別結(jié)果變得更準(zhǔn)確。語言模型是非常重要的，它通過學(xué)習(xí)詞與詞之間的相互關(guān)系，來估計你所說的話對應(yīng)的每個字的可能性，并利用語言本身的統(tǒng)計規(guī)律來幫助提升識別正確率。如果還了解特定領(lǐng)域或任務(wù)相關(guān)的先驗(yàn)知識，語言模型可以識別的更準(zhǔn)確。但如果不使用語言模型，機(jī)器面對大量的聲音信息，識別出的結(jié)果則會是一團(tuán)亂麻。

所以說，機(jī)器也和人一樣，越學(xué)習(xí)、越優(yōu)秀。但不是所有翻譯機(jī)都能有足夠的學(xué)習(xí)資源，而訊飛翻譯機(jī)恰巧就是“飽讀詩書”的那一個。眾所周知，科大訊飛深耕人工智能技術(shù)，為醫(yī)療、教育、家庭、城市等智能化建設(shè)作出了相當(dāng)?shù)某删?，也因此，訊飛擁有了千萬級各行業(yè)平行領(lǐng)域數(shù)據(jù)的支撐，也因此為語言模型帶來了豐富的學(xué)習(xí)文本。

隨著對各行業(yè)學(xué)習(xí)的不斷深入，基于大量垂直領(lǐng)域語料，不斷對特定垂直領(lǐng)域的語音聽寫模型進(jìn)行訓(xùn)練，這樣一來，機(jī)器不僅能聽懂日?？谡Z，連那些專業(yè)術(shù)語也能聽懂了。這就是訊飛翻譯機(jī)行業(yè)翻譯官工作的基礎(chǔ)——先聽清楚你在說什么，再為你翻譯出專業(yè)的結(jié)果。

打開訊飛翻譯機(jī)，我們能看到醫(yī)療、金融、外貿(mào)、法律、體育、能源、計算機(jī)、電力八大行業(yè)翻譯官。行業(yè)翻譯功能的到來，也就意味著訊飛翻譯機(jī)相較于其他翻譯機(jī)，對你說話含義的理解又更深入了一步。另一個影響翻譯機(jī)識別能力的關(guān)鍵，是翻譯機(jī)的耳朵——麥克風(fēng)?；叵胍幌?，當(dāng)我們和別人說話時，面對著對方和背對著對方，聽到的清楚程度是有區(qū)別的。

麥克風(fēng)作為翻譯機(jī)的耳朵，如果想要各個方向都聽的清楚，獲得較好音質(zhì)的音頻，就需要360度無死角、多帶幾個麥克風(fēng)在身上。所以，訊飛翻譯機(jī)采用四麥克風(fēng)陣列，利用陣列方位信息進(jìn)行噪聲抑制，將陣列原始信號與深度學(xué)習(xí)結(jié)合，加強(qiáng)識別模型訓(xùn)練，以便讓翻譯機(jī)聽得更清楚，從而提高翻譯機(jī)在嘈雜環(huán)境、聲音源過遠(yuǎn)等情況下的語音識別準(zhǔn)確率。