國產(chǎn)AI翻譯更“智慧”

今年以來，中國人工智能大模型等為代表的數(shù)字技術(shù)迅速發(fā)展，國產(chǎn)AI逐漸賦能千行百業(yè)，讓人有了切切實實的感受。

前不久，在上海舉辦的2025世界人工智能大會上，2024年諾貝爾物理學(xué)獎獲得者杰弗里·辛頓發(fā)表題為《數(shù)字智能是否會取代生物智能》的演講，提出自己對人工智能發(fā)展的建議。演講結(jié)束后，中國外交部原副部長傅瑩和辛頓偶遇，發(fā)生了一段耐人尋味的對話。

傅瑩說：“杰弗里，今天你的演講我聽得非常清楚，屏幕上有實時中文翻譯字幕，AI一直在翻譯你的話�！�

辛頓略顯意外：“我看不到屏幕，但我耳機里聽到的是人工翻譯�！�

傅瑩回應(yīng)：“所以，AI在聆聽你。”

這項“聽懂”辛頓的AI技術(shù)，來源于中國企業(yè)科大訊飛。辛頓以英文形式演講，專業(yè)詞匯多、理解難度大，AI如何將中英同傳首字響應(yīng)壓縮到2秒以內(nèi)，達到了人類頂尖同傳譯員的反應(yīng)速度？這背后涉及底層技術(shù)的攻關(guān)。

“傳統(tǒng)模式下，機器翻譯要經(jīng)歷‘源語音—源文字—翻譯—目標文字—目標語音’五段跳，因此效率低、延時長�！笨拼笥嶏w副總裁、安徽聽見科技有限公司總經(jīng)理王瑋介紹，“不少人可能有這樣的體驗，用手機軟件語音翻譯時，先在屏幕上識別出中文，再花時間翻譯成外語。而現(xiàn)在，我們的技術(shù)能實現(xiàn)源語音到目標語音的端到端翻譯。”

當前，中國已發(fā)布超1500個大模型，在全球已發(fā)布的大模型中數(shù)量位居首位。從“邊聽邊說”到“語音同傳”，背后離不開訊飛星火語音同傳大模型的支撐。

更進一步，有沒有可能讓機器從單項語言的識別翻譯，到多項語言混合的識別和翻譯？

今年7月，香港立法會正式推出與科大訊飛聯(lián)合打造的智慧謄錄系統(tǒng)“智識聽”AI實時字幕功能。公眾可以通過立法會網(wǎng)站的網(wǎng)上廣播等平臺收看帶有實時字幕的立法會大會會議直播。該功能受到香港特區(qū)立法會主席梁君彥的線上“點贊”。

“‘智識聽’建設(shè)歷時近三年，其間，遇到最棘手的技術(shù)問題就是如何提高三語混讀引擎識別率�！蓖醅|介紹說，會議中可能出現(xiàn)普通話、粵語、英語三種語言，英語識別率下降到85％左右，必須使用三語混讀引擎。

如何解決？一方面是引擎升級，從CPU版本換成了GPU版本；另一方面，香港立法會提供了包含2.5億漢字的中英文對照和20萬個高頻粵語詞匯，助力機器學(xué)習(xí)，提升文本翻譯的效果。

如今“智識聽”實時字幕的準確率達96％，通過人工即時修正后準確率可達99％。會議的逐字記錄效率也因此項技術(shù)的落地大幅提升。

“未來，我們將不斷強化多語種支持能力，將逐步覆蓋‘一帶一路’共建國家重點語種字幕生成，助力香港連接國際舞臺�！蓖醅|說。 （本報記者　　趙　　昊）