语音识别技术在口译实战中的应用

2021-01-29 02:11:21孔莹
科技视界 2020年33期
关键词:模型

孔 莹

(沈阳建筑大学外国语学院,辽宁 沈阳 110168)

0 引言

自20世纪80年代起,技术就一直应用在口译实战中。纯人工翻译费时费力,早已消亡。随着人工智能发展的日益成熟,语音识别技术、文本转换、语义分析、情感识别、语音合成等自然语言处理技术也越来越多的应用在机器翻译中,谷歌和微软都推出了神经网络的机器翻译,国内的腾讯于2018年推出腾讯君,为博鳌论坛提供口译服务,但翻译效果仍不理想。但不得不说,技术在口译实战中的参与程度越来越高,并且之后无论是作为主体还是客体也会以显性或隐形的方式贯穿始终。机器翻译包括语音识别技术、机器翻译、语音合成三大步骤,但三大步骤发展不平衡,发展得并不理想。本文试图将这种技术作为辅助翻译工具,对它在口译员译前、译中和译后所起的作用进行详细阐述,从而进一步阐述译员与技术之间的关系。

1 语音识别技术的工作原理

Automatic Speech Recognition(ASR),是机器翻译中语音识别、机器翻译和语音合成的第一步,也是发展得最好的一步。这门交叉学科发展已有半个多世纪,国外的隐马尔科夫模型理论HMM不断完善,该模型是一个按照时间点划分的预测模型,在有时间点t的一些情况下,引入一些参数和数学模型的计算,以此来预测时间点t+1的概率,之所以可以应用在语音识别上,是因为语言具有强烈的前后关联性,比如英语中的定语从句、宾语从句等,包括they are和Iam这种固定搭配,这都可以被拿来当设定好的参数,从而用马尔可夫来进行这些关联和计算,从而提高语音识别的效率。……

登录APP查看全文

猜你喜欢
模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用