在不久的將來，如果你看到兩個“眼鏡男”面對面熱切交談，卻各自說著不同種類的語言，不要驚訝，他們很可能是佩戴了具有智能翻譯功能的VR眼鏡。這種眼鏡可以將對方說出的話即時翻譯成自己可以理解的語言并顯示出來。
智能翻譯VR眼鏡，這正是字節(jié)跳動旗下火山翻譯正在進行的一項產(chǎn)品研發(fā)。10月26日，在主題為“智算·新際”的2021人工智能計算大會(AICC 2021)上，字節(jié)跳動AI LAB機器翻譯負責(zé)人王明軒為媒體記者展開了一副智能翻譯的未來畫卷。
字節(jié)跳動AI LAB機器翻譯負責(zé)人王明軒
依托字節(jié)體系 成就百億量級AI翻譯引擎
經(jīng)過近10年的發(fā)展，字節(jié)跳動擁有了抖音、今日頭條、抖音火山版等一系列爆款產(chǎn)品，同時也積累了豐富的場景解決方案和底層技術(shù)能力。為了將這些能力對外賦能，字節(jié)跳動了推出了面向企業(yè)業(yè)務(wù)的數(shù)字化中臺——火山引擎以及一系列中臺產(chǎn)品，火山翻譯便是其中之一。
王明軒介紹，從品牌角度看，火山翻譯可以看做火山引擎的子品牌。火山翻譯承載了對內(nèi)、對外兩個方向的使命。對內(nèi)是通過AI翻譯支持字節(jié)跳動產(chǎn)品及業(yè)務(wù)，對外則通過企業(yè)業(yè)務(wù)將字節(jié)跳動的AI翻譯能力賦能給需要的企業(yè)。
字節(jié)跳動業(yè)務(wù)場景差異極大。火山翻譯不僅僅要面對100多個國家地區(qū)各自的官方語言，還要面對各式各樣的方言，需要解決語言問題非常復(fù)雜。此外，包括抖音在內(nèi)的字節(jié)跳動產(chǎn)品形式豐富，包含了視頻、語音、靜態(tài)和動態(tài)圖像等等，都需要做到準確、迅速的翻譯。
“一個是多語言，一個多模態(tài)。”王明軒概括性地描述了火山翻譯要面對的問題。他表示，解決了這兩個問題的火山翻譯產(chǎn)品具備了極大的通用性。火山翻譯因此擁有了很深厚的技術(shù)積累，也形成了獨有的優(yōu)勢。
據(jù)介紹，目前火山翻譯每天處理的字符數(shù)據(jù)量達到了百億級。為了提升實時業(yè)務(wù)場景的翻譯效率，以及AI數(shù)據(jù)訓(xùn)練的效率，火山翻譯自研并開源了一款業(yè)內(nèi)最快的一個推理引擎（LightSeq）。在硬件方面，通過與浪潮等伙伴的業(yè)務(wù)合作，火山翻譯很好地解決了在AI訓(xùn)練和業(yè)務(wù)場景中的算力需求。
“字節(jié)跳動本身的業(yè)務(wù)就非常具有挑戰(zhàn)性，”王明軒表示，火山翻譯是隨著字節(jié)跳動的發(fā)展和需求成長起來的。因此，在對外賦能的企業(yè)業(yè)務(wù)中，火山翻譯很少遇到復(fù)雜程度或者場景差異度超過字節(jié)跳動自身需求的情況，能夠有效地滿足外部企業(yè)客戶的需求。
全場景賦能 打造多語言無礙互通體驗
翻譯準確性一直是評判翻譯質(zhì)量的核心標準。
“在某些場景火山翻譯的質(zhì)量已經(jīng)超過譯員的平均水平。”王明軒介紹，火山翻譯的準確性從整體看能達到80%以上。雖然距離盡善盡美的100%還有一定距離，但相對于人工翻譯的平均質(zhì)量已經(jīng)有很大進步。
此外，相比于人工翻譯，機器翻譯的特點是使用簡便，成本更低且具有隨時隨地性。對于未來，王明軒認為人工翻譯將會聚焦在頭部小場景需求，而機器翻譯將成為滿足更廣闊、更豐富場景翻譯需求的主力軍。
這些場景可能包括在線文本翻譯、文字及圖片識別、實時會議翻譯、對話即時翻譯等。要做到這些，顯然已經(jīng)超出了“翻譯”的范疇。
因此，火山翻譯從本質(zhì)看，是更多中臺產(chǎn)品的一個集合體。這其中包括語音識別、TTS、圖像識別、視頻識別等中臺能力。在字節(jié)跳動內(nèi)部，將這些中臺能力稱為“原子能力”，意即不可分的最小能力。
“務(wù)實”，是王明軒對字節(jié)跳動一系列研發(fā)活動的看法。過去數(shù)年中，字節(jié)跳動開源了很多有影響力的代碼、模型、數(shù)據(jù)，貢獻了多篇前沿論文，并榮獲ACL2021最佳論文。同時，在實際的場景應(yīng)用中，包括火山翻譯在內(nèi)產(chǎn)品不斷根據(jù)用戶反饋進行迭代和改進，確保產(chǎn)品功能的最佳。
“我們要確保每一項原子能力都做到好，最后他們整合在一起的解決方案才是真正經(jīng)受得起考驗的。”王明軒表示。
熱門專題
