CN111368559A - 语音翻译方法、装置、电子设备及存储介质 - Google Patents
语音翻译方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111368559A CN111368559A CN202010128882.5A CN202010128882A CN111368559A CN 111368559 A CN111368559 A CN 111368559A CN 202010128882 A CN202010128882 A CN 202010128882A CN 111368559 A CN111368559 A CN 111368559A
- Authority
- CN
- China
- Prior art keywords
- speech
- language
- translation
- target
- voice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013519 translation Methods 0.000 title claims abstract description 241
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000013598 vector Substances 0.000 claims description 76
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 5
- 239000012634 fragment Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
- G06F40/47—Machine-assisted translation, e.g. using translation memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/005—Language recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Machine Translation (AREA)
Abstract
本公开实施例公开了一种语音翻译方法、装置、电子设备及存储介质。所述方法包括：获取待翻译语言对应的源语音；获取指定的目标语言；将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。本公开实施例可以实现多语言语音翻译，以及提高语音翻译的效率和准确率。
Description
技术领域
本公开实施例涉及语音识别领域，尤其涉及一种语音翻译方法、装置、电子设备及存储介质。
背景技术
同声传译是指译员在不打断讲话者讲话的情况下，不间断地将内容口译给听众的一种翻译方式。
目前实现同声传译的方式为：将源语音识别成第一语言的文本，将第一语言的文本机器翻译成第二语言的文本，基于第二语言的文本生成目标语言的语音。
但这种方式只能实现从某一语言的语音到另一语言的语音，也即只能支持语音之间一一互译。此外，这种方式需要经过语音到文本、文本翻译、翻译文本到语音三个步骤，语音翻译的时间长，且每个步骤均会产生误差，而且前一步骤的误差会延续倒下一步骤，从而降低语音翻译的准确率。
发明内容
本公开实施例提供一种语音翻译方法、装置、电子设备及存储介质，可以实现多语言语音翻译，以及提高语音翻译的效率和准确率。
第一方面，本公开实施例提供了一种语音翻译方法，包括：
获取待翻译语言对应的源语音；
获取指定的目标语言；
将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
第二方面，本公开实施例还提供了一种语音翻译装置，包括：
源语音获取模块，用于获取待翻译语言对应的源语音；
目标语言指定模块，用于获取指定的目标语言；
语言翻译模块，用于将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
翻译语音获取模块，用于获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
第三方面，本公开实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序所述处理器执行所述程序时实现如本公开实施例中任一所述的语音翻译方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例中任一所述的语音翻译方法。
本公开实施例通过将源语音输入到预先训练的语音翻译模型中，并通过指定目标语言，获取语音翻译模型输出的目标语言对应的翻译语音，解决了现有技术中仅能支持语音一一互译以及语音到语音的翻译准确率低的问题，实现通过指定语言，获取任意指定语言的翻译语音，从而实现任意语音向任意语言的语音的转换，同时仅通过语音翻译模型实现语音翻译，简化语音翻译的过程，减少中间环节放大的翻译错误，提高语音翻译的效率和准确率。
附图说明
图1是本公开实施例中的一种语音翻译方法的流程图；
图2是本公开实施例所适用的Seq2Seq模型的示意图；
图3是本公开实施例所适用的Seq2Seq模型中编码器的示意图；
图4是本公开实施例所适用的Seq2Seq模型中解码器的示意图；
图5是本公开实施例中的一种语音翻译方法的流程图；
图6是本公开实施例中的一种语音翻译装置的结构示意图；
图7是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例
图1为本公开实施例中的一种语音翻译方法的流程图，可适用于将源语音翻译成任意指定的目标语言对应的翻译语音情况，该方法可以由语音翻译装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中，具体是配置于电子设备中，电子设备可以是终端设备，可以包括手机、车载终端或笔记本电脑等，或者可以是服务器。如图1所示，该方法具体包括如下步骤：
S110，获取待翻译语言对应的源语音。
源语音用于作为待翻译的语音，包括说话人声音的音频信号。更具体的，源语音以音频格式文件存储。源语音可以包括至少一个语言的语音片段。例如，源语音可以是中文：我爱唱歌，或者可以是包括英文和中文两种语言的语音片段：I love to唱歌，其中，该源语音包括英文片段I love to和中文片段唱歌。
实际上源语音可以是经过采集的语音经过预处理之后得到的，预处理可以包括降噪、预加重和端点检测等处理。
待翻译语言为源语音的语言，待翻译语音的数量为至少一个。若源语音为单一语言的语音，待翻译语言为该单一语言。若源语音为混合语言的语音，待翻译语言为混合语言，或者为混合语言中的一个语言。示例性的，待翻译语言可以是混合语言中单词数最多的语言，例如，源语音为I love to唱歌，英文包括3个单词，而中文包括1个单词，英文的单词数多于中文的单词数，待翻译语言为英文。
S120，获取指定的目标语言。
目标语言用于确定翻译语音的语言。目标语言通常为用户指定，也可以是按照设定规则随机指定。具体的，获取用户的输入信息确定目标语言。
S130，所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言。
语音翻译模型用于将任意语音翻译成任意语言的翻译语音，也即用于将M种语言的语音翻译成N种语言的翻译语音。具体的，语音翻译模型包括机器学习模型，例如，神经网络模型，具体是单神经网络模型(如卷积神经网络模型)或融合神经网络模型(如融合卷积神经网络和循环神经网络的模型)等。
目标语言匹配的指示信息用于标识目标语言，不同的目标语言匹配的指示信息不同。示例性的，指示信息可以是设定字符，例如，1-中文，2-英文，3-日文，或者是a-中文，b-英文，c-日文，此外，还可以是符号，对此本公开实施例不做具体限制。
第一语言集合包括至少两个语言，第二语言集合包括至少两个语言。第一语言和第二语言集合不完全相同，第一语言集合和第二语言集合形成的语言集合包括至少三个语言。
S140，获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述源语音对应的待翻译语言与所述目标语言不同。
翻译语音可以是指与源语音的语义相同，语言不同的语音。待翻译语言是指源语音对应的语言。源语音对应的待翻译语言的数量为至少一个。如果待翻译语言的数量为至少两个，则目标语言与至少一个待翻译语言不同。
可选的，所述获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，包括：通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量；其中，所述语音翻译模型为Seq2Seq模型；通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，作为翻译语音。
其中，语音翻译模型为Seq2Seq模型(序列到序列模型)。实际上，Seq2Seq模型是一种循环神经网络的变种，包括编码器(Encoder)和解码器(Decoder)。如图2所示，编码器用于编码序列的信息，将任意长度的序列信息(x)编码到特征向量(c)，具体是将源语音代表的语音序列进行切分以及编码转换成为特征向量。解码器用于根据上下文信息对特征向量(c)进行解析，形成语音序列(y)，即翻译语音。特征向量实际用于表征源语音的特征。
通过采用Seq2Seq模型实现源语音到目标语言的翻译语音的翻译，可以直接将源语音作为语音序列转换为指定语言的语音序列作为翻译语音，简化语音翻译的过程，减少中间环节放大的翻译错误，提高语音翻译的效率和准确率。
可选的，所述通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量，包括：通过所述编码器对所述源语音进行切分，形成至少一个源语音片段；通过所述编码器获取各所述源语音片段以及所述源语音的语音特征，形成至少一个语音元素，所述语音特征包括下述至少一项：时长、频率、音强、音色和频谱特性；通过所述编码器根据各所述语音元素依次对初始向量进行变换，形成特征向量。
源语音片段为源语音中的部分语音，不同源语音片段的时长可以不同，也可以相同。语音元素用于表征一个源语音片段的语音特征或整体源语音的语音特征。特征向量用于表征聚合从源语音中提取得到的全部语音特征。其中，源语音片段的语音特征可以用于确定源语音片段中字、词和句的惯用搭配结构，源语音的语音特征用于确定语法结构关系。
通常，源语音在翻译时按照字、词或者句，逐字逐词逐句翻译。由此可以按照源语音进行划分，形成字、词或者句的片段，再进行翻译。从而，编码器对源语音进行切分，可以是按照时间进行切分，具体是按照设定时长进行切分，还可以是识别说话人语音的停顿时间点并按照停顿时间点进行切分，形成源语音片段。全部源语音片段组成源语音。源语音片段可以代表字、词或者句的语音片段。
可以针对每个源语音片段分别提取语音特征形成语音元素，同时还可以针对源语音提取出整体语音特征形成语音元素。语音特征包括下述至少一项：时长、频率、音强、音色和频谱特性。时长可以是指语音时长。频率可以是指语音频率。音强可以是指语音的幅值。音色用于描述语音波形特征。频谱特性用于评价频率的分布情况，例如，可以是梅尔频率倒谱系数。此外，还有其他语音特征，对此，本公开实施例不作具体限制。
编码器在计算特征向量时，通常预先配置一个初始隐藏层向量，并将一个语音元素作为输入，计算得到当前时刻对应的隐藏层向量。而后依次将语音元素分别作为输入，对上一时刻得到的隐藏层向量进行变换，得到当前时刻对应的隐藏层向量，当全部语音元素均输入完成，得到隐藏层向量即为特征向量。
示例性的，如图3所示，h1、h2、h 3……hn为隐藏层向量，与上一时刻的状态以及当前输入有关。h0为预设的初始隐藏层向量，x1、x2、x3……xn为语音元素，c为特征向量。根据h0以及此刻输入x1计算h1，再根据h1以及此刻输入x2计算h2，以此类推，根据hn以及此刻输入xn计算c。
通过编码器对源语音进行切分，形成至少一个源语音片段，并分别提取语音特征作为语音元素，对初始隐藏层向量进行变换，形成用于表征源语音特征的特征向量，实现编码过程，准确将源语音按照人类说话习惯将源语音映射为特征向量，提高特征向量的代表性。
可选的，所述通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，包括：通过所述解码器对所述特征向量进行解析，确定至少一个备选翻译语音片段；从至少一个备选翻译语音片段中查询与所述目标语言匹配的目标翻译语音片段，并拼接形成目标语言的语音序列。
备选翻译语音片段包括多个语言的翻译语音片段，可以从备选翻译语音片段中筛选出属于目标语言的目标翻译语音片段。目标翻译语音片段用于组成翻译语音。在备选翻译语音片段中筛选出属于目标语言的目标翻译语音片段，并将目标翻译语音片段拼接形成语音序列，从而，该语音序列的语言为目标语言。
实际上，语音翻译模型可以实现源语音到任意语言的翻译语音的翻译，在解码器进行解码形成语音片段时，可以根据指定的目标语言筛选出与目标语言匹配的语音片段，从而形成目标语言对应的翻译语音的组成片段，并进行拼接最终形成翻译语音。
具体的，解码器在对特征向量进行解析时，通常将特征向量作为输入，计算得到当前时刻对应的隐藏层向量，确定备选翻译语音片段并计算各备选翻译语音片段的概率(如置信度)，根据各备选翻译语音片段的概率确定目标翻译语音片段。后续依次根据上一时刻得到隐藏层向量确定计算当前时刻对应的隐藏层向量，以及确定当前时刻对应的备选翻译语音片段并计算各备选翻译语音片段的概率，进而确定当前时刻对应的目标翻译语音片段。示例性的，根据上一时刻得到隐藏层向量计算当前时刻对应的隐藏层向量，确定目标翻译语音片段，可以仅根据上一时刻得到的隐藏层向量计算当前时刻对应的隐藏层向量，还可以根据上一时刻得到的隐藏层向量、特征向量以及上一时刻对应的目标翻译语音片段，确定当前时刻对应的隐藏层向量，当前时刻对应的目标翻译语音片段。
其中，根据各备选翻译语音片段的概率，从中筛选出概率最高的作为目标翻译语音片段，例如，与目标语言匹配的备选翻译语音片段的概率高于与目标语言不匹配的备选翻译语音片段的概率，从而筛选出目标翻译语音片段。
示例性的，如图4所示，h1’、h2’、h3’……hn’为隐藏层向量，与上一时刻的状态以及当前输入有关。h0’为预设的初始隐藏层向量，y1、y2、y3……yn为输出序列，c为特征向量。根据h0’以及c计算h1’，再根据h1’以及c计算h2，以此类推，根据hn-1’以及c计算hn’。同时根据h0、h1’、c计算多个备选翻译语音片段的概率，并从中确定目标翻译语音片段作为y1输出，再根据h1’、y1和c计算多个备选翻译语音片段的概率，并从中确定目标翻译语音片段作为y2输出，以此类推，根据hn-1’、yn-1以及c输出yn。对y1、y2、y3……yn进行拼接，得到的语音即为翻译语音。
通过解码器将编码器形成的特征向量进行解析，并筛选出与目标语言匹配的目标翻译语音片段进行拼接，形成翻译语音，可以从多个语言对应的翻译语音片段中筛选出与目标语言匹配的目标翻译语音片段，并拼接形成翻译语音，实现能够将源语音翻译成多种语音，以及可以在指定翻译语音的语言的情况下，准确得到目标语言的翻译语音。
可选的，所述编码器和所述解码器包括神经网络模型。
实际上，编码器和解码器均可以基于神经网络模型构建。其中，神经网络模块可以包括下述至少一项：卷积神经网络模型、循环神经网络模型、深度神经网络模型、反向传播神经网络模型、长短期记忆网络模型、门重复单元模型。通过采用神经网络模型构建编码器和解码器，可以提高源语音的编码和特征向量解码的准确率，从而，提高源语音的翻译准确率。
此外，Seq2Seq模型还可以采用Attention机制，实际上，在解码器在对特征向量进行解析时，目标翻译语音片段不仅和解码器的上一时刻隐藏层向量相关、特征向量、以及上一时刻对应的目标翻译语音片段有关，还与编码器中的隐藏层向量相关，通过Attention机制，针对每个目标翻译语音片段的计算，确定编码器中各隐藏层向量的权重，将当前时刻的解码的输入与所有时刻的编码器的隐藏层向量进行加权求和，计算下一时刻的隐藏层向量以及目标翻译语音片段，从而更加准确确定目标翻译语义片段。
本公开实施例通过将源语音输入到预先训练的语音翻译模型中，并通过指定目标语言，获取语音翻译模型输出的目标语言对应的翻译语音，解决了现有技术中仅能支持语音一一互译以及语音到语音的翻译准确率低的问题，实现通过指定语言，获取任意指定语言的翻译语音，从而实现任意语音向任意语言的语音的转换，同时仅通过语音翻译模型实现语音翻译，简化语音翻译的过程，减少中间环节放大的翻译错误，提高语音翻译的效率和准确率。
在一个示例性的实施方式中，图5为本公开实施例中的一种语音翻译方法的流程图，该方法具体包括如下步骤：
S210，获取样本对集合，其中，所述样本对集合中的各样本对包括一个目标源语音，以及一个目标翻译语音，所述目标翻译语音标注有语言信息。
其中，样本对是指目标源语音与目标翻译语音的组合。样本对集合包括多个样本对。样本对用于作为训练样本。示例性的，样本对中的目标源语音与目标翻译语音的语言可以相同，也可以不同。
需要说明的是，语音可以直接从网络中抓取，通常根据抓取源头确定语音的语言，例如，从美国广播中抓取的语音，该语音的语言为英文。可以人工翻译，并采集语义相同的其他语言的语音，作为目标源语音，并将抓取的语音作为目标翻译语音，形成样本对。或者，可以通过现有的方式，将抓取的语音进行文本识别，并进行翻译生成其他语言的翻译文本，对应生成语音作为目标源语音，将抓取的语音作为目标翻译语音，形成样本对。
语言信息用于标识语音的语言。可以仅对样本对中的目标翻译语音进行标注，还可以对样本对中的目标源语音以及目标翻译语音均进行标注。
示例性的，语言信息可以是设定字符，例如，1-中文，2-英文，3-日文，或者是a-中文，b-英文，c-日文，此外，还可以是符号，对此本公开实施例不做具体限制。
此外，针对混合语言的源语音可以仅标注为一个语言，如标注单词含量最高的语言，也可以分别标注语言。示例性的，目标源语音为I love to唱歌，可以按照英文包括3个单词，而中文包括1个单词，将该目标源语音标注为英文；还可以将I love to标注为英文，并将唱歌标注为中文；或者可以标注为中文。
可选的，所述样本对中目标源语音对应的待翻译语言数量包括至少两个，所述目标源语音对应的至少一个待翻译语言与所述目标翻译语音的语言不同。
目标源语音可以包括多个待翻译语言的语音片段。目标源语音对应的多个待翻译语言中至少有一个待翻译语言的目标翻译语音的语言不同。将包括至少两种待翻译语言的目标源语音与目标翻译语音形成样本对，该样本对实际实现对混合语言的语音进行翻译。
示例性的，样本对中目标源语音为I love to唱歌，目标翻译语音为我喜欢唱歌。
通过配置样本对的目标源语音对应的待翻译语言的数量为至少两种，并基于该样本对训练模型，可以实现对多语言混合句的语音进行翻译，支持多语言语音翻译，提高语音模型的翻译准确率，以及降低语音翻译的实现成本。
S220，根据所述样本对集合对初始模型进行训练，形成语音翻译模型，其中，所述样本对集合对应的语言数量包括至少三个。
样本对集合中包括大量的样本对，用于训练初始模型。初始模型为未训练完成的语音翻译模型。初始模型经过样本对集合中的样本对的训练，形成语音翻译模型。
语音翻译模型可以实现不同语言语音之间的翻译。样本对集合中包括样本对所对应的语言数量包括至少三个，从而训练完成的语音翻译模型至少可以实现三个语言的语音之间的相互翻译。
S230，获取待翻译语言对应的源语音。
S240，获取指定的目标语言。
S250，将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
S260，获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
本公开实施例通过配置多语言的样本对，对初始模型进行
形成多语言语音互译的语音翻译模型，实现语音翻译模型支持多语言语音互译，同时提高多语言语音互译的准确率。
图6为本公开实施例提供的一种语音翻译装置的结构示意图，可适用于将源语音翻译成任意指定的目标语言对应的翻译语音情况。该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中。如图6所示，该装置可以包括：源语音获取模块310、目标语言指定模块320、语言翻译模块330和翻译语音获取模块320。
源语音获取模块310，用于获取待翻译语言对应的源语音；
目标语言指定模块320，用于获取指定的目标语言；
语言翻译模块330，用于将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
翻译语音获取模块340，用于获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
本公开实施例通过将源语音输入到预先训练的语音翻译模型中，并通过指定目标语言，获取语音翻译模型输出的目标语言对应的翻译语音，解决了现有技术中仅能支持语音一一互译以及语音到语音的翻译准确率低的问题，实现通过指定语言，获取任意指定语言的翻译语音，从而实现任意语音向任意语言的语音的转换，同时仅通过语音翻译模型实现语音翻译，简化语音翻译的过程，减少中间环节放大的翻译错误，提高语音翻译的效率和准确率。
进一步的，所述翻译语音获取模块320，包括：Seq2Seq模型翻译单元，用于通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量；其中，所述语音翻译模型为Seq2Seq模型；通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，作为翻译语音。
进一步的，所述Seq2Seq模型翻译单元，包括：编码子单元，用于通过所述编码器对所述源语音进行切分，形成至少一个源语音片段；通过所述编码器获取各所述源语音片段以及所述源语音的语音特征，形成至少一个语音元素，所述语音特征包括下述至少一项：时长、频率、音强、音色和频谱特性；通过所述编码器根据各所述语音元素依次对初始向量进行变换，形成特征向量。
进一步的，所述Seq2Seq模型翻译单元，包括：解码子单元，用于通过所述解码器对所述特征向量进行解析，确定至少一个备选翻译语音片段；从至少一个备选翻译语音片段中查询与所述目标语言匹配的目标翻译语音片段，并拼接形成目标语言的语音序列。
进一步的，所述语音翻译装置，还包括：在将源语音输入到预先训练的语音翻译模型中之前，获取样本对集合，其中，所述样本对集合中的各样本对包括一个目标源语音，以及一个目标翻译语音，所述目标翻译语音标注有语言信息；根据所述样本对集合对初始模型进行训练，形成语音翻译模型，其中，所述样本对集合对应的语言数量包括至少三个。
进一步的，所述样本对中目标源语音对应的待翻译语言数量包括至少两个，所述目标源语音对应的至少一个待翻译语言与所述目标翻译语音的语言不同。
进一步的，所述编码器和所述解码器包括神经网络模型。
本公开实施例提供的语音翻译装置，与语音翻译方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见前述，并且本公开实施例与前述实施例具有相同的有益效果。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待翻译语言对应的源语音；获取指定的目标语言；将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，目标语言指定模块还可以被描述为“获取指定的目标语言的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，本公开提供了一种语音翻译方法，包括：
获取待翻译语言对应的源语音；
获取指定的目标语言；
将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
根据本公开的一个或多个实施例，本公开提供的语音翻译方法中，所述获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，包括：通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量；其中，所述语音翻译模型为Seq2Seq模型；通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，作为翻译语音。
根据本公开的一个或多个实施例，本公开提供的语音翻译方法中，所述通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量，包括：通过所述编码器对所述源语音进行切分，形成至少一个源语音片段；通过所述编码器获取各所述源语音片段以及所述源语音的语音特征，形成至少一个语音元素，所述语音特征包括下述至少一项：时长、频率、音强、音色和频谱特性；通过所述编码器根据各所述语音元素依次对初始向量进行变换，形成特征向量。
根据本公开的一个或多个实施例，本公开提供的语音翻译方法中，所述通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，包括：通过所述解码器对所述特征向量进行解析，确定至少一个备选翻译语音片段；从至少一个备选翻译语音片段中查询与所述目标语言匹配的目标翻译语音片段，并拼接形成目标语言的语音序列。
根据本公开的一个或多个实施例，本公开提供的语音翻译方法，在将源语音输入到预先训练的语音翻译模型中之前，还包括：获取样本对集合，其中，所述样本对集合中的各样本对包括一个目标源语音，以及一个目标翻译语音，所述目标翻译语音标注有语言信息；根据所述样本对集合对初始模型进行训练，形成语音翻译模型，其中，所述样本对集合对应的语言数量包括至少三个。
根据本公开的一个或多个实施例，本公开提供的语音翻译方法中，所述样本对中目标源语音对应的待翻译语言数量包括至少两个，所述目标源语音对应的至少一个待翻译语言与所述目标翻译语音的语言不同。
根据本公开的一个或多个实施例，本公开提供的语音翻译方法中，所述编码器和所述解码器包括神经网络模型。
根据本公开的一个或多个实施例，本公开提供了一种语音翻译装置，包括：
源语音获取模块，用于获取待翻译语言对应的源语音；
目标语言指定模块，用于获取指定的目标语言；
语言翻译模块，用于将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
翻译语音获取模块，用于获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
根据本公开的一个或多个实施例，本公开提供的语音翻译装置中，所述翻译语音获取模块，包括：Seq2Seq模型翻译单元，用于通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量；其中，所述语音翻译模型为Seq2Seq模型；通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，作为翻译语音。
根据本公开的一个或多个实施例，本公开提供的语音翻译装置中，所述Seq2Seq模型翻译单元，包括：编码子单元，用于通过所述编码器对所述源语音进行切分，形成至少一个源语音片段；通过所述编码器获取各所述源语音片段以及所述源语音的语音特征，形成至少一个语音元素，所述语音特征包括下述至少一项：时长、频率、音强、音色和频谱特性；通过所述编码器根据各所述语音元素依次对初始向量进行变换，形成特征向量。
根据本公开的一个或多个实施例，本公开提供的语音翻译装置中，所述Seq2Seq模型翻译单元，包括：解码子单元，用于通过所述解码器对所述特征向量进行解析，确定至少一个备选翻译语音片段；从至少一个备选翻译语音片段中查询与所述目标语言匹配的目标翻译语音片段，并拼接形成目标语言的语音序列。
根据本公开的一个或多个实施例，本公开提供的语音翻译装置中，所述语音翻译装置，还包括：在将源语音输入到预先训练的语音翻译模型中之前，获取样本对集合，其中，所述样本对集合中的各样本对包括一个目标源语音，以及一个目标翻译语音，所述目标翻译语音标注有语言信息；根据所述样本对集合对初始模型进行训练，形成语音翻译模型，其中，所述样本对集合对应的语言数量包括至少三个。
根据本公开的一个或多个实施例，本公开提供的语音翻译装置中，所述样本对中目标源语音对应的待翻译语言数量包括至少两个，所述目标源语音对应的至少一个待翻译语言与所述目标翻译语音的语言不同。
根据本公开的一个或多个实施例，本公开提供的语音翻译装置中，所述编码器和所述解码器包括神经网络模型。
根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如本公开实施例中任一所述的语音翻译方法。
根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例中任一所述的语音翻译方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种语音翻译方法，其特征在于，包括：
获取待翻译语言对应的源语音；
获取指定的目标语言；
将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
2.根据权利要求1所述的方法，其特征在于，所述获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，包括：
通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量；其中，所述语音翻译模型为Seq2Seq模型；
通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，作为翻译语音。
3.根据权利要求2所述的方法，其特征在于，所述通过所述语音翻译模型中的编码器提取所述源语音中的语音特征，并进行编码，形成所述源语音的特征向量，包括：
通过所述编码器对所述源语音进行切分，形成至少一个源语音片段；
通过所述编码器获取各所述源语音片段以及所述源语音的语音特征，形成至少一个语音元素，所述语音特征包括下述至少一项：时长、频率、音强、音色和频谱特性；
通过所述编码器根据各所述语音元素依次对初始向量进行变换，形成特征向量。
4.根据权利要求2所述的方法，其特征在于，所述通过所述语音翻译模型中的解码器根据所述特征向量和所述目标语言，将所述特征向量映射为目标语言的语音序列，包括：
通过所述解码器对所述特征向量进行解析，确定至少一个备选翻译语音片段；
从至少一个备选翻译语音片段中查询与所述目标语言匹配的目标翻译语音片段，并拼接形成目标语言的语音序列。
5.根据权利要求1所述的方法，其特征在于，在将源语音输入到预先训练的语音翻译模型中之前，还包括：
获取样本对集合，其中，所述样本对集合中的各样本对包括一个目标源语音，以及一个目标翻译语音，所述目标翻译语音标注有语言信息；
根据所述样本对集合对初始模型进行训练，形成语音翻译模型，其中，所述样本对集合对应的语言数量包括至少三个。
6.根据权利要求5所述的方法，其特征在于，所述样本对中目标源语音对应的待翻译语言数量包括至少两个，所述目标源语音对应的至少一个待翻译语言与所述目标翻译语音的语言不同。
7.根据权利要求2所述的方法，其特征在于，所述编码器和所述解码器包括神经网络模型。
8.一种语音翻译装置，其特征在于，包括：
源语音获取模块，用于获取待翻译语言对应的源语音；
目标语言指定模块，用于获取指定的目标语言；
语言翻译模块，用于将所述源语音和与所述目标语言匹配的指示信息输入到预先训练的语音翻译模型中，所述语音翻译模型用于将第一语言集合中的语言翻译成第二语言集合中的语言，所述第一语言集合包括多个语言，所述第一语言集合包括所述待翻译语言，所述第二语言集合包括多个语言，所述第二语言集合包括所述目标语言；
翻译语音获取模块，用于获取所述语音翻译模型输出的与所述目标语言对应的翻译语音，其中，所述待翻译语言与所述目标语言不同。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的语音翻译方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的语音翻译方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010128882.5A CN111368559A (zh) | 2020-02-28 | 2020-02-28 | 语音翻译方法、装置、电子设备及存储介质 |
| US17/186,895 US11586831B2 (en) | 2020-02-28 | 2021-02-26 | Speech translation method electronic device and computer-readable storage medium using SEQ2SEQ for determining alternative translated speech segments |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010128882.5A CN111368559A (zh) | 2020-02-28 | 2020-02-28 | 语音翻译方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111368559A true CN111368559A (zh) | 2020-07-03 |
Family
ID=71206596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010128882.5A Pending CN111368559A (zh) | 2020-02-28 | 2020-02-28 | 语音翻译方法、装置、电子设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11586831B2 (zh) |
| CN (1) | CN111368559A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112183120A (zh) * | 2020-09-18 | 2021-01-05 | 北京字节跳动网络技术有限公司 | 语音翻译方法、装置、设备和存储介质 |
| CN112528679A (zh) * | 2020-12-17 | 2021-03-19 | 科大讯飞股份有限公司 | 一种意图理解模型训练方法及装置、意图理解方法及装置 |
| CN112560512A (zh) * | 2021-02-24 | 2021-03-26 | 南京酷朗电子有限公司 | 用于外语学习的智能语音分析和辅助交流方法 |
| CN112800784A (zh) * | 2021-03-03 | 2021-05-14 | 北京雅信诚医学信息科技有限公司 | 一种利用在线翻译服务的翻译*** |
| CN112951274A (zh) * | 2021-02-07 | 2021-06-11 | 脸萌有限公司 | 语音相似度确定方法及设备、程序产品 |
| CN113591495A (zh) * | 2021-06-30 | 2021-11-02 | 北京搜狗智能科技有限公司 | 语音翻译方法、装置及存储介质 |
| CN114615224A (zh) * | 2022-02-25 | 2022-06-10 | 北京快乐茄信息技术有限公司 | 语音消息处理方法及装置、服务器、存储介质 |
| WO2023063746A1 (ko) * | 2021-10-15 | 2023-04-20 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
| WO2023142454A1 (zh) * | 2022-01-28 | 2023-08-03 | 北京百度网讯科技有限公司 | 语音翻译和模型训练方法、装置、电子设备以及存储介质 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12002451B1 (en) * | 2021-07-01 | 2024-06-04 | Amazon Technologies, Inc. | Automatic speech recognition |
| CN113836271B (zh) * | 2021-09-28 | 2023-08-15 | 北京有竹居网络技术有限公司 | 自然语言处理的方法和产品 |
| US20230306207A1 (en) * | 2022-03-22 | 2023-09-28 | Charles University, Faculty Of Mathematics And Physics | Computer-Implemented Method Of Real Time Speech Translation And A Computer System For Carrying Out The Method |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7643985B2 (en) * | 2005-06-27 | 2010-01-05 | Microsoft Corporation | Context-sensitive communication and translation methods for enhanced interactions and understanding among speakers of different languages |
| US8639701B1 (en) * | 2010-11-23 | 2014-01-28 | Google Inc. | Language selection for information retrieval |
| US20170148436A1 (en) * | 2012-07-09 | 2017-05-25 | National Institute of Information and Communicatios Technology | Speech processing system and terminal |
| CN108027812A (zh) * | 2015-09-18 | 2018-05-11 | 迈克菲有限责任公司 | 用于多路径语言翻译的***和方法 |
| CN108141498A (zh) * | 2015-11-25 | 2018-06-08 | 华为技术有限公司 | 一种翻译方法及终端 |
| CN108447486A (zh) * | 2018-02-28 | 2018-08-24 | 科大讯飞股份有限公司 | 一种语音翻译方法及装置 |
| CN110503945A (zh) * | 2019-09-06 | 2019-11-26 | 北京金山数字娱乐科技有限公司 | 一种语音处理模型的训练方法及装置 |
-
2020
- 2020-02-28 CN CN202010128882.5A patent/CN111368559A/zh active Pending
-
2021
- 2021-02-26 US US17/186,895 patent/US11586831B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7643985B2 (en) * | 2005-06-27 | 2010-01-05 | Microsoft Corporation | Context-sensitive communication and translation methods for enhanced interactions and understanding among speakers of different languages |
| US8639701B1 (en) * | 2010-11-23 | 2014-01-28 | Google Inc. | Language selection for information retrieval |
| US20170148436A1 (en) * | 2012-07-09 | 2017-05-25 | National Institute of Information and Communicatios Technology | Speech processing system and terminal |
| CN108027812A (zh) * | 2015-09-18 | 2018-05-11 | 迈克菲有限责任公司 | 用于多路径语言翻译的***和方法 |
| CN108141498A (zh) * | 2015-11-25 | 2018-06-08 | 华为技术有限公司 | 一种翻译方法及终端 |
| CN108447486A (zh) * | 2018-02-28 | 2018-08-24 | 科大讯飞股份有限公司 | 一种语音翻译方法及装置 |
| CN110503945A (zh) * | 2019-09-06 | 2019-11-26 | 北京金山数字娱乐科技有限公司 | 一种语音处理模型的训练方法及装置 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112183120B (zh) * | 2020-09-18 | 2023-10-20 | 北京字节跳动网络技术有限公司 | 语音翻译方法、装置、设备和存储介质 |
| CN112183120A (zh) * | 2020-09-18 | 2021-01-05 | 北京字节跳动网络技术有限公司 | 语音翻译方法、装置、设备和存储介质 |
| WO2022057637A1 (zh) * | 2020-09-18 | 2022-03-24 | 北京字节跳动网络技术有限公司 | 语音翻译方法、装置、设备和存储介质 |
| CN112528679A (zh) * | 2020-12-17 | 2021-03-19 | 科大讯飞股份有限公司 | 一种意图理解模型训练方法及装置、意图理解方法及装置 |
| CN112528679B (zh) * | 2020-12-17 | 2024-02-13 | 科大讯飞股份有限公司 | 一种意图理解模型训练方法及装置、意图理解方法及装置 |
| CN112951274A (zh) * | 2021-02-07 | 2021-06-11 | 脸萌有限公司 | 语音相似度确定方法及设备、程序产品 |
| CN112560512A (zh) * | 2021-02-24 | 2021-03-26 | 南京酷朗电子有限公司 | 用于外语学习的智能语音分析和辅助交流方法 |
| CN112560512B (zh) * | 2021-02-24 | 2021-08-06 | 南京酷朗电子有限公司 | 用于外语学习的智能语音分析和辅助交流方法 |
| CN112800784A (zh) * | 2021-03-03 | 2021-05-14 | 北京雅信诚医学信息科技有限公司 | 一种利用在线翻译服务的翻译*** |
| CN113591495A (zh) * | 2021-06-30 | 2021-11-02 | 北京搜狗智能科技有限公司 | 语音翻译方法、装置及存储介质 |
| WO2023063746A1 (ko) * | 2021-10-15 | 2023-04-20 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
| WO2023142454A1 (zh) * | 2022-01-28 | 2023-08-03 | 北京百度网讯科技有限公司 | 语音翻译和模型训练方法、装置、电子设备以及存储介质 |
| CN114615224B (zh) * | 2022-02-25 | 2023-08-25 | 北京快乐茄信息技术有限公司 | 语音消息处理方法及装置、服务器、存储介质 |
| CN114615224A (zh) * | 2022-02-25 | 2022-06-10 | 北京快乐茄信息技术有限公司 | 语音消息处理方法及装置、服务器、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11586831B2 (en) | 2023-02-21 |
| US20210271826A1 (en) | 2021-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111368559A (zh) | 语音翻译方法、装置、电子设备及存储介质 | |
| CN107657017B (zh) | 用于提供语音服务的方法和装置 | |
| CN112786006B (zh) | 语音合成方法、合成模型训练方法、装置、介质及设备 | |
| CN112115706B (zh) | 文本处理方法、装置、电子设备及介质 | |
| US20240021202A1 (en) | Method and apparatus for recognizing voice, electronic device and medium | |
| CN111382261B (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
| CN111402861B (zh) | 一种语音识别方法、装置、设备及存储介质 | |
| CN112183120A (zh) | 语音翻译方法、装置、设备和存储介质 | |
| CN113470619B (zh) | 语音识别方法、装置、介质及设备 | |
| CN112786011A (zh) | 语音合成方法、合成模型训练方法、装置、介质及设备 | |
| CN111368560A (zh) | 文本翻译方法、装置、电子设备及存储介质 | |
| CN111369971A (zh) | 语音合成方法、装置、存储介质和电子设备 | |
| CN109920431B (zh) | 用于输出信息的方法和装置 | |
| CN111292719A (zh) | 语音合成方法、装置、计算机可读介质及电子设备 | |
| CN111563390B (zh) | 文本生成方法、装置和电子设备 | |
| US20240029709A1 (en) | Voice generation method and apparatus, device, and computer readable medium | |
| CN113205793B (zh) | 音频生成方法、装置、存储介质及电子设备 | |
| CN112509562A (zh) | 用于文本后处理的方法、装置、电子设备和介质 | |
| CN111681661B (zh) | 语音识别的方法、装置、电子设备和计算机可读介质 | |
| CN111339789A (zh) | 一种翻译模型训练方法、装置、电子设备及存储介质 | |
| CN112364653A (zh) | 用于语音合成的文本分析方法、装置、服务器和介质 | |
| CN112883967A (zh) | 图像字符识别方法、装置、介质及电子设备 | |
| CN113257218A (zh) | 语音合成方法、装置、电子设备和存储介质 | |
| CN111400454A (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
| CN114765025A (zh) | 语音识别模型的生成方法、识别方法、装置、介质及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |