CN114818748A - 用于生成翻译模型的方法、翻译方法及装置 - Google Patents
用于生成翻译模型的方法、翻译方法及装置 Download PDFInfo
- Publication number
- CN114818748A CN114818748A CN202210505671.8A CN202210505671A CN114818748A CN 114818748 A CN114818748 A CN 114818748A CN 202210505671 A CN202210505671 A CN 202210505671A CN 114818748 A CN114818748 A CN 114818748A
- Authority
- CN
- China
- Prior art keywords
- translation
- language
- corpus
- model
- sample
- 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.)
- Granted
Links
- 238000013519 translation Methods 0.000 title claims abstract description 425
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000002372 labelling Methods 0.000 claims abstract description 17
- 239000000463 material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 241001122767 Theaceae Species 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000035622 drinking Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了用于生成翻译模型的方法、翻译方法及装置,涉及计算机技术领域,具体为机器翻译技术领域。具体实现方案为:获取样本语料;确定样本语料的翻译语种标签;基于样本语料在翻译语种标签下的当前翻译结果与整句翻译结果,生成样本语料的标注翻译结果;基于样本语料、翻译语种标签以及标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。本实现方式可以降低翻译模型的建模复杂度。
Description
技术领域
本公开涉及计算机技术领域,具体为机器翻译技术领域。
背景技术
目前,在多国会议等应用场景中,经常需要实现多个语种之间的相互翻译。
在实践中发现,现在的翻译方式通常是针对每个语种设置相对应的翻译模型,从而基于多个翻译模型实现多个语种之间的相互翻译。可见,现在的翻译方式存在着翻译模型建模复杂度高的问题。
发明内容
本公开提供了一种用于生成翻译模型的方法、翻译方法及装置。
根据本公开的一方面,提供了一种用于生成翻译模型的方法,包括:获取样本语料;确定样本语料的翻译语种标签;基于样本语料在翻译语种标签下的当前翻译结果与整句翻译结果,生成样本语料的标注翻译结果;基于样本语料、翻译语种标签以及标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
根据本公开的另一方面,提供了一种翻译方法,包括:获取目标语料;确定目标语料对应的目标翻译语种标签;将目标语料和目标翻译语种标签输入上述用于生成翻译模型的方法所生成的翻译模型,得到与目标语料对应的目标翻译结果。
根据本公开的另一方面,提供了一种用于生成翻译模型的装置,包括:样本获取单元,被配置成获取样本语料;语种确定单元,被配置成确定样本语料的翻译语种标签;标注确定单元,被配置成基于样本语料在翻译语种标签下的当前翻译结果与整句翻译结果,生成样本语料的标注翻译结果;模型训练单元,被配置成基于样本语料、翻译语种标签以及标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
根据本公开的另一方面,提供了一种翻译装置,包括:语料获取单元,被配置成获取目标语料;标签确定单元,被配置成确定目标语料对应的目标翻译语种标签;翻译单元,被配置成将目标语料和目标翻译语种标签输入上述用于生成翻译模型的方法所生成的翻译模型,得到与目标语料对应的目标翻译结果。
根据本公开的另一方面,提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上任意一项用于生成翻译模型的方法或者翻译方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上任意一项用于生成翻译模型的方法或者翻译方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上任意一项用于生成翻译模型的方法或者翻译方法。
根据本公开的技术,提供一种用于生成翻译模型的方法,能够降低翻译模型的建模复杂度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于生成翻译模型的方法的一个实施例的流程图;
图3是根据本公开的用于生成翻译模型的方法的一个应用场景的示意图;
图4是根据本公开的用于生成翻译模型的方法的另一个实施例的流程图;
图5是根据本公开的翻译方法的一个实施例的流程图;
图6是根据本公开的用于生成翻译模型的装置的一个实施例的结构示意图;
图7是根据本公开的翻译装置的一个实施例的结构示意图;
图8是用来实现本公开实施例的用于生成翻译模型的方法或者翻译方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103中可以安装有进行在线会议的应用软件。用户可以基于与终端设备101、102、103中的应用软件进行数据交互,触发多国在线会议,以使终端设备101、102、103获取需要翻译的目标语音,并确定与目标语音对应的目标语料,以及将目标语料通过网络104发送给服务器105,以使服务器105返回目标翻译结果。终端设备101、102、103可以在上述应用软件中实时输出目标翻译结果,即,达到实时输出多语言的会议字幕效果。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于手机、电脑、平板等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如,服务器105可以接收终端设备101、102、103通过网络104发送的目标语料,并基于预先训练好的翻译模型,确定与目标语料相匹配的目标翻译结果,并将目标翻译结果通过网络104返回给终端设备101、102、103,以使终端设备101、102、103在上述应用软件中输出目标翻译结果,作为实时会议字幕。并且,服务器105还可以预先训练上述翻译模型,具体可以获取样本语料,并确定样本语料的翻译语种标签,以及基于样本语料在翻译语种标签下的当前翻译结果与整句翻译结果,生成样本语料的标注翻译结果,再基于样本语料、翻译语种标签以及标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于生成翻译模型的方法或者翻译方法可以由终端设备101、102、103执行,也可以由服务器105执行,用于生成翻译模型的装置或者翻译装置可以设置于终端设备101、102、103,也可以设置于服务器105中,本公开实施例对此不做限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于生成翻译模型的方法的一个实施例的流程200。本实施例的用于生成翻译模型的方法,包括以下步骤:
步骤201,获取样本语料。
在本实施例中,执行主体(如图1中的服务器105或者终端设备101、102、103)可以从本地存储或者预先建立连接的电子设备中获取用于模型训练的样本语料。其中,样本语料包括至少一个语种对应的语料。并且,样本语料的数量为至少一个。执行主体基于包括至少一个语种对应的语料,进行模型训练,能够得到实现多语言翻译的翻译模型。
在本实施例的一些可选的实现方式中,每个样本语料可以包括多个样本子语料,其中,样本子语料可以为样本语料对应的完整语料进行流式翻译时,拆分得到的各个语料。例如,在样本语料对应的完整语料为“我早上不喝茶”的情况下,样本语料可以包括“我”、“我早上”、“我早上不”、“我早上不喝”、“我早上不喝茶”等样本子语料。
步骤202,确定样本语料的翻译语种标签。
在本实施例中,翻译语种标签可以为指示样本语料的翻译前语种和翻译后语种的标签。例如,翻译语种标签可以为“<Zh2Jp>”,指示样本语料的翻译前语种为中文,以及样本语料的翻译后语种为日文。其中,样本语料的翻译前语种即为样本语料的当前语种,样本语料的翻译后语种即为样本语料需要翻译成为的语种。
步骤203,基于样本语料在翻译语种标签下的当前翻译结果与整句翻译结果,生成样本语料的标注翻译结果。
在本实施例中,执行主体在确定得到样本语料的翻译语种标签之后,可以按照翻译语种标签,将样本语料翻译成为相对应的语种,得到上述的当前翻译结果与整句翻译结果。其中,当前翻译结果可以为样本语料中各个流式翻译拆分得到的样本子语料对应的翻译结果,整句翻译结果可以为样本语料中属于完整语料的样本子语料对应的翻译结果。
在本实施例的一些可选的实现方式中,还可以执行以下步骤:获取样本语料中的各个样本子语料;对于每个样本子语料,响应于确定该样本子语料为完整语料,将该样本子语料对应的翻译结果,确定为当前翻译结果和整句翻译结果;响应于确定该样本子语料不为完整语料,将该样本子语料对应的翻译结果确定为当前翻译结果,以及将完整语料对应的翻译结果确定为整句翻译结果。通过实施这种可选的实现方式,能够对样本语料中流式翻译拆分得到的不完整语料,确定当前翻译结果,以及对样本语料对应的完整语料,确定整句翻译结果,从而基于当前翻译结果和整句翻译结果确定标注翻译结果,使得标注翻译结果更够体现不完整语料的流式翻译特征,标注翻译结果更加准确。
并且,在得到样本语料在翻译语种标签下的当前翻译结果和整句翻译结果之后,执行主体还可以对当前翻译结果和整句翻译结果取共同前缀,将共同前缀确定为样本语料的标注翻译结果。又或者,执行主体可以对当前翻译结果和整句翻译结果取共同词语,再对共同词语进行排序,得到样本语料的标注翻译结果。又或者,执行主体可以对当前翻译结果和整句翻译结果确定不同词语,再从整句翻译结果中去除不同词语,得到标注翻译结果。
步骤204,基于样本语料、翻译语种标签以及标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
在本实施例中,执行主体可以将样本语料作为训练样本,将标注翻译结果作为训练标签,对待训练模型进行有监督的训练,得到训练完成的翻译模型。具体的,执行主体可以将样本语料和翻译语种标签输入待训练模型,得到待训练模型输出的翻译结果,基于该翻译结果与标注翻译结果之间的差异,调整待训练模型的参数,迭代训练,直至模型收敛,得到训练完成的翻译模型。
并且,在得到训练完成的翻译模型之后,执行主体可以对在线跨国会议中不同语种的语音进行文本转换,得到需要翻译的目标语料,再将需要翻译的目标语料输入该翻译模型,使得该翻译模型实时输出针对该语音的翻译结果。
继续参见图3,其示出了根据本公开的用于生成翻译模型的方法的一个应用场景的示意图。在图3的应用场景中,执行主体可以获取样本语料301,样本语料301中包括样本子语料“我”、“我早上”、“我早上不”、“我早上不喝”以及“我早上不喝茶”。之后,执行主体可以确定样本语料301的翻译语种标签302是“中译英”。之后,执行主体可以将中文的样本子语料,翻译为英文的翻译结果,得到翻译语种标签302下的当前翻译结果303。其中,当前翻译结果303中包括与“我”对应的“I”,与“我早上”对应的“I morning”,与“我早上不”对应的“I don’t in the morning”,与“我早上不喝”对应的“I don’t drink in the morning”,与“我早上不喝茶”对应的“I don’t drink tea in the morning”。同时,执行主体可以确定样本语料对应的完整语料“我早上不喝茶”,再确定完整语料“我早上不喝茶”对应的整句翻译结果,即,“I don’t drink tea in the morning”。之后,执行主体可以基于整句翻译结果304和当前翻译结果303,确定标注翻译结果305。其中,标注翻译结果305包括与“我”对应的“I”,与“我早上”对应的“I”,与“我早上不”对应的“I don’t”,与“我早上不喝”对应的“I don’t drink”,与“我早上不喝茶”对应的“I don’t drink tea in the morning”。之后,执行主体可以基于样本语料301、翻译语种标签302和标注翻译结果305,对待训练模型306进行训练,得到翻译模型307。
本公开上述实施例提供的用于生成翻译模型的方法,在训练翻译模型的过程中,可以确定样本语料对应的翻译语种标签,并基于翻译语种标签进行模型训练,从而实现一个翻译模型实现多语言的翻译,能够降低翻译模型的建模复杂度。并且,在生成样本语料对应的标注翻译结果时,可以基于样本语料的当前翻译结果和整句翻译结果共同确定标注翻译结果,从而提高了标注翻译结果的确定精准度。
继续参见图4,其示出了根据本公开的用于生成翻译模型的方法的另一个实施例的流程400。如图4所示,本实施例的用于生成翻译模型的方法可以包括以下步骤:
步骤401,获取样本语料。
在本实施例中,对于步骤401的详细描述,请参照对于步骤201的详细描述,在此不再赘述。
步骤402,确定样本语料对应的翻译前语种和翻译后语种。
在本实施例中,执行主体可以将样本语料的语种确定为翻译前语种,以及将样本语料需要翻译成为的语种,确定为翻译后语种。例如,在样本语料为“我早上不喝茶”的情况下,执行主体可以将样本语料的当前语种“中文”确定为翻译前语种,如果该样本语料需要翻译成为英文,则可以将“英文”确定为翻译后语种。
步骤403,基于翻译前语种和翻译后语种,生成翻译语种标签。
在本实施例中,执行主体可以基于上述翻译前语种和上述翻译后语种,生成与样本语料相对应的翻译语种标签。
其中,对于翻译语种标签的详细描述,请一并参照对于步骤202的详细描述,在此不再赘述。
步骤404,基于翻译语种标签,将样本语料由翻译前语种翻译为翻译后语种,得到当前翻译结果。
在本实施例中,执行主体可以基于翻译语种标签,确定与翻译语种标签相对应的现有翻译模型。例如,如果翻译语种标签指示中译英,则可以确定得到现有的中译英翻译模型,之后,可以基于该中译英翻译模型得到当前翻译结果,提高当前翻译结果的确定效率。
在本实施例的一些可选的实现方式中,基于翻译语种标签,将样本语料由翻译前语种翻译为翻译后语种,得到当前翻译结果可以包括:对于样本语料中的每个样本子语料,将该样本子语料输入上述与翻译语种标签相对应的现有翻译模型,得到每个样本子语料对应的当前翻译结果;将各个样本子语料对应的当前翻译结果,确定为上述当前翻译结果。
步骤405,确定样本语料对应的整句语料。
在本实施例中,样本语料的各个样本子语料中可以包括整句语料,也可以不包括整句语料。并且,在样本子语料不包括整句语料的情况下,执行主体可以预先存储样本语料与整句语料之间的对应关系,之后,基于该对应关系确定样本语料对应的整句语料。
步骤406,基于翻译语种标签,将整句语料由翻译前语种翻译为翻译后语种,得到整句翻译结果。
在本实施例中,执行主体可以将整句语料输入上述与翻译语种标签相对应的现有翻译模型,得到与整句语料对应的整句翻译结果。
步骤407,确定当前翻译结果与整句翻译结果的共同前缀信息。
在本实施例中,对于每个样本子语料,执行主体可以将该样本子语料的当前翻译结果与整句翻译结果进行比对,并确定该样本子语料的当前翻译结果与整句翻译结果中的共同前缀,基于各个样本子语料的共同前缀,生成共同前缀信息。
其中,共同前缀指的是按照字符由前至后的顺序确定出的相同字符。例如,对于当前翻译结果“I don’t in the morning”和整句翻译结果“I don’t drink tea in themorning”而言,共同前缀可以为“I don’t”。
步骤408,基于共同前缀信息,生成标注翻译结果。
在本实施例中,执行主体可以基于上述共同前缀信息,将每个样本子语料的共同前缀,确定为该样本子语料的标注翻译结果。采用共同前缀生成标注翻译结果的方式,能够使得训练好的翻译模型无需设置额外的语义切分单元,即可在当前语料形成较为完整的语义的情况下对当前语料进行翻译,达到较为精准的流式翻译效果。
步骤409,将样本语料和翻译语种标签输入待训练模型,得到待训练模型输出的翻译结果。
在本实施例中,执行主体可以将样本语料和翻译语种标签进行组合,得到模型输入数据,再将模型输入数据输入待训练模型,得到待训练模型输出的输出数据,即,待训练模型输出的翻译结果。其中,样本语料和翻译语种标签进行组合的方式可以为将翻译语种标签添加至样本语料的字符中的指定位置,例如,添加至样本语料的字符首位、字符末位等,本实施例对此不做限定。
步骤410,基于待训练模型输出的翻译结果与标注翻译结果,调整待训练模型的模型参数,直至调整后的待训练模型满足预设的收敛条件,得到训练完成的翻译模型。
在本实施例中,执行主体可以将上述待训练模型输出的翻译结果与标注翻译结果代入预设的损失函数,并响应于确定当前模型不满足预设的收敛条件,调整待训练模型的参数,并重新选取样本语料、翻译语种标签和标注翻译结果,进行新一轮的迭代,直至多轮迭代后、调整后的待训练模型满足预设的收敛条件,得到训练完成的翻译模型。
本公开上述实施例提供的用于生成翻译模型的方法,还可以基于样本语料的翻译前语种和翻译后语种生成翻译语种标签,从而基于翻译语种标签进行多语言翻译模型的训练,相较于采用对多种模型进行训练,以使各个模型能够对相应语言进行翻译的方案,模型训练复杂度更低。并且,执行主体还可以基于对样本语料的当前翻译结果和整句翻译结果取共同前缀,生成标注翻译结果,使得标注翻译结果能够反映形成完整语义的翻译结果,相当于在翻译模型中实现了语义切分功能,提高了翻译模型的生成精准度。
继续参考图5,示出了根据本公开的翻译方法的一个实施例的流程500。本实施例的翻译方法,包括以下步骤:
步骤501,获取目标语料。
在本实施例中,目标语料可以为需要进行翻译的语料。执行主体可以从本地存储或者预先建立连接的其他电子设备中获取上述目标语料。
在本实施例的一些可选的实现方式中,还可以执行以下步骤:获取目标语音;将目标语音转换为目标语料。在这种可选的实现方式中,目标语音可以为在线多国会议中用户发出的语音,且目标语音可以包含多个语种的语音。之后,执行主体可以基于现有的语音转文字技术,将上述目标语音转换为目标语料。
步骤502,确定目标语料对应的目标翻译语种标签。
在本实施例中,执行主体可以检测用户的触控操作所触发的语言选择指令,并基于该语言选择指令,确定用户选择的将该目标语料翻译成为的翻译后语种。以及,执行主体可以确定该目标语料对应的当前语种,即,翻译前语种。之后,执行主体可以基于翻译前语种和翻译后语种,生成目标翻译语种标签。
其中,对于目标翻译语种标签的生成过程,与上述模型训练阶段的翻译语种标签生成过程类似,请一并操作对于步骤202的详细描述,在此不再赘述。
步骤503,将目标语料和目标翻译语种标签输入上述用于生成翻译模型的方法所生成的翻译模型,得到与目标语料对应的目标翻译结果。
在本实施例中,执行主体可以将目标语料和目标翻译语种标签输入上述翻译模型,得到上述翻译模型输出的、与目标语料对应的目标翻译结果。
在本实施例的一些可选的实现方式中,还可以执行以下步骤:响应于确定目标语料为在线多国会议中经由用户发出的目标语音转换得到的语料,则将目标翻译结果输出在上述在线多国会议所对应的应用软件中。可选的,执行主体可以将目标翻译结果实时输出为目标语料对应的实时字幕。另一种可选的,执行主体可以接收对于该实时字幕的编辑操作,调整该实时字幕。通过实施这种可选的实现方式,能够在多国会议应用场景中,实时输出较为精准的多语言语音字幕。
本公开上述实施例提供的翻译方法,能够利用上述的翻译模型,确定目标语料对应的目标翻译结果,从而提高了目标翻译结果的确定精准度。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种用于生成翻译模型的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于终端设备、服务器等电子设备中。
如图6所示,本实施例的用于生成翻译模型的装置600包括:样本获取单元601、语种确定单元602、标注确定单元603和模型训练单元604。
样本获取单元601,被配置成获取样本语料。
语种确定单元602,被配置成确定样本语料的翻译语种标签。
标注确定单元603,被配置成基于样本语料在翻译语种标签下的当前翻译结果与整句翻译结果,生成样本语料的标注翻译结果。
模型训练单元604,被配置成基于样本语料、翻译语种标签以及标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
在本实施例的一些可选的实现方式中,语种确定单元602进一步被配置成:确定样本语料对应的翻译前语种和翻译后语种;基于翻译前语种和翻译后语种,生成翻译语种标签。
在本实施例的一些可选的实现方式中,还包括:当前样本翻译单元,被配置成基于翻译语种标签,将样本语料由翻译前语种翻译为翻译后语种,得到当前翻译结果。
在本实施例的一些可选的实现方式中,还包括:整句样本翻译单元,被配置成确定样本语料对应的整句语料;基于翻译语种标签,将整句语料由翻译前语种翻译为翻译后语种,得到整句翻译结果。
在本实施例的一些可选的实现方式中,标注确定单元603进一步被配置成:确定当前翻译结果与整句翻译结果的共同前缀信息;基于共同前缀信息,生成标注翻译结果。
在本实施例的一些可选的实现方式中,模型训练单元604进一步被配置成:将样本语料和翻译语种标签输入待训练模型,得到待训练模型输出的翻译结果;基于待训练模型输出的翻译结果与标注翻译结果,调整待训练模型的模型参数,直至调整后的待训练模型满足预设的收敛条件,得到训练完成的翻译模型。
应当理解,用于生成翻译模型的装置600中记载的单元601至单元604分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于生成翻译模型的方法描述的操作和特征同样适用于装置600及其中包含的单元,在此不再赘述。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种用于生成翻译模型的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于终端设备、服务器等电子设备中。
如图7所示,本实施例的翻译装置700包括:语料获取单元701、标签确定单元702以及翻译单元703。
语料获取单元701,被配置成获取目标语料。
标签确定单元702,被配置成确定目标语料对应的目标翻译语种标签。
翻译单元703,被配置成将目标语料和目标翻译语种标签输入上述用于生成翻译模型的方法所生成的翻译模型,得到与目标语料对应的目标翻译结果。
在本实施例的一些可选的实现方式中,语料获取单元701进一步被配置成:获取目标语音;将目标语音转换为目标语料。
应当理解,翻译装置700中记载的单元701至单元704分别与参考图5中描述的方法中的各个步骤相对应。由此,上文针对翻译方法描述的操作和特征同样适用于装置700及其中包含的单元,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如用于生成翻译模型的方法或者翻译方法。例如,在一些实施例中,用于生成翻译模型的方法或者翻译方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的用于生成翻译模型的方法或者翻译方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于生成翻译模型的方法或者翻译方法。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种用于生成翻译模型的方法,包括:
获取样本语料;
确定所述样本语料的翻译语种标签;
基于所述样本语料在所述翻译语种标签下的当前翻译结果与整句翻译结果,生成所述样本语料的标注翻译结果;
基于所述样本语料、所述翻译语种标签以及所述标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
2.根据权利要求1所述的方法,其中,所述确定所述样本语料的翻译语种标签,包括:
确定所述样本语料对应的翻译前语种和翻译后语种;
基于所述翻译前语种和所述翻译后语种,生成所述翻译语种标签。
3.根据权利要求2所述的方法,其中,还包括:
基于所述翻译语种标签,将所述样本语料由所述翻译前语种翻译为所述翻译后语种,得到所述当前翻译结果。
4.根据权利要求2所述的方法,其中,还包括
确定所述样本语料对应的整句语料;
基于所述翻译语种标签,将所述整句语料由所述翻译前语种翻译为所述翻译后语种,得到所述整句翻译结果。
5.根据权利要求1所述的方法,其中,所述基于所述样本语料在所述翻译语种标签下的当前翻译结果与整句翻译结果,生成所述样本语料的标注翻译结果,包括:
确定所述当前翻译结果与所述整句翻译结果的共同前缀信息;
基于所述共同前缀信息,生成所述标注翻译结果。
6.根据权利要求1至5任一项所述的方法,其中,所述基于所述样本语料、所述翻译语种标签以及所述标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型,包括:
将所述样本语料和所述翻译语种标签输入所述待训练模型,得到所述待训练模型输出的翻译结果;
基于所述待训练模型输出的翻译结果与所述标注翻译结果,调整所述待训练模型的模型参数,直至调整后的所述待训练模型满足预设的收敛条件,得到训练完成的翻译模型。
7.一种翻译方法,包括:
获取目标语料;
确定所述目标语料对应的目标翻译语种标签;
将所述目标语料和所述目标翻译语种标签输入如权利要求1至6任一项所述的用于生成翻译模型的方法所生成的翻译模型,得到与所述目标语料对应的目标翻译结果。
8.根据权利要求7所述的方法,还包括:
获取目标语音;
将所述目标语音转换为所述目标语料。
9.一种用于生成翻译模型的装置,包括:
样本获取单元,被配置成获取样本语料;
语种确定单元,被配置成确定所述样本语料的翻译语种标签;
标注确定单元,被配置成基于所述样本语料在所述翻译语种标签下的当前翻译结果与整句翻译结果,生成所述样本语料的标注翻译结果;
模型训练单元,被配置成基于所述样本语料、所述翻译语种标签以及所述标注翻译结果,对待训练模型进行训练,得到训练完成的翻译模型。
10.根据权利要求9所述的装置,其中,所述语种确定单元进一步被配置成:
确定所述样本语料对应的翻译前语种和翻译后语种;
基于所述翻译前语种和所述翻译后语种,生成所述翻译语种标签。
11.根据权利要求10所述的装置,其中,还包括:
当前样本翻译单元,被配置成基于所述翻译语种标签,将所述样本语料由所述翻译前语种翻译为所述翻译后语种,得到所述当前翻译结果。
12.根据权利要求10所述的装置,其中,还包括
整句样本翻译单元,被配置成确定所述样本语料对应的整句语料;基于所述翻译语种标签,将所述整句语料由所述翻译前语种翻译为所述翻译后语种,得到所述整句翻译结果。
13.根据权利要求9所述的装置,其中,所述标注确定单元进一步被配置成:
确定所述当前翻译结果与所述整句翻译结果的共同前缀信息;
基于所述共同前缀信息,生成所述标注翻译结果。
14.根据权利要求9至13任一项所述的装置,其中,所述模型训练单元进一步被配置成:
将所述样本语料和所述翻译语种标签输入所述待训练模型,得到所述待训练模型输出的翻译结果;
基于所述待训练模型输出的翻译结果与所述标注翻译结果,调整所述待训练模型的模型参数,直至调整后的所述待训练模型满足预设的收敛条件,得到训练完成的翻译模型。
15.一种翻译装置,包括:
语料获取单元,被配置成获取目标语料;
标签确定单元,被配置成确定所述目标语料对应的目标翻译语种标签;
翻译单元,被配置成将所述目标语料和所述目标翻译语种标签输入如权利要求1至6任一项所述的用于生成翻译模型的方法所生成的翻译模型,得到与所述目标语料对应的目标翻译结果。
16.根据权利要求15所述的装置,其中,所述语料获取单元进一步被配置成:
获取目标语音;
将所述目标语音转换为所述目标语料。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210505671.8A CN114818748B (zh) | 2022-05-10 | 2022-05-10 | 用于生成翻译模型的方法、翻译方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210505671.8A CN114818748B (zh) | 2022-05-10 | 2022-05-10 | 用于生成翻译模型的方法、翻译方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114818748A true CN114818748A (zh) | 2022-07-29 |
CN114818748B CN114818748B (zh) | 2023-04-21 |
Family
ID=82514131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210505671.8A Active CN114818748B (zh) | 2022-05-10 | 2022-05-10 | 用于生成翻译模型的方法、翻译方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818748B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019165748A1 (zh) * | 2018-02-28 | 2019-09-06 | 科大讯飞股份有限公司 | 一种语音翻译方法及装置 |
CN111027332A (zh) * | 2019-12-11 | 2020-04-17 | 北京百度网讯科技有限公司 | 生成翻译模型的方法和装置 |
CN112633017A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 翻译模型训练、翻译处理方法、装置、设备和存储介质 |
CN112687271A (zh) * | 2020-12-16 | 2021-04-20 | 北京百度网讯科技有限公司 | 语音翻译方法、装置、电子设备和存储介质 |
CN113204977A (zh) * | 2021-04-29 | 2021-08-03 | 北京有竹居网络技术有限公司 | 信息翻译方法、装置、设备和存储介质 |
CN113408306A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 翻译方法及分类模型的训练方法、装置、设备和存储介质 |
CN114254658A (zh) * | 2021-12-14 | 2022-03-29 | 上海流利说信息技术有限公司 | 翻译评测训练数据的生成方法及装置、设备和存储介质 |
-
2022
- 2022-05-10 CN CN202210505671.8A patent/CN114818748B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019165748A1 (zh) * | 2018-02-28 | 2019-09-06 | 科大讯飞股份有限公司 | 一种语音翻译方法及装置 |
CN111027332A (zh) * | 2019-12-11 | 2020-04-17 | 北京百度网讯科技有限公司 | 生成翻译模型的方法和装置 |
CN112687271A (zh) * | 2020-12-16 | 2021-04-20 | 北京百度网讯科技有限公司 | 语音翻译方法、装置、电子设备和存储介质 |
CN112633017A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 翻译模型训练、翻译处理方法、装置、设备和存储介质 |
CN113204977A (zh) * | 2021-04-29 | 2021-08-03 | 北京有竹居网络技术有限公司 | 信息翻译方法、装置、设备和存储介质 |
CN113408306A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 翻译方法及分类模型的训练方法、装置、设备和存储介质 |
CN114254658A (zh) * | 2021-12-14 | 2022-03-29 | 上海流利说信息技术有限公司 | 翻译评测训练数据的生成方法及装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
丁亮等: "基于汉语主题词表的统计机器翻译训练数据筛选方法及实验研究", 《情报学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114818748B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11132518B2 (en) | Method and apparatus for translating speech | |
US12039286B2 (en) | Automatic post-editing model for generated natural language text | |
JP2022028887A (ja) | テキスト誤り訂正処理方法、装置、電子機器及び記憶媒体 | |
CN112926306B (zh) | 文本纠错方法、装置、设备以及存储介质 | |
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN116012481B (zh) | 图像生成处理方法、装置、电子设备及存储介质 | |
CN113407610B (zh) | 信息抽取方法、装置、电子设备和可读存储介质 | |
CN115982376A (zh) | 基于文本、多模数据和知识训练模型的方法和装置 | |
CN114841274B (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
JP2023007369A (ja) | 翻訳方法、分類モデルの訓練方法、装置、デバイス及び記憶媒体 | |
CN112506359A (zh) | 输入法中候选长句的提供方法、装置及电子设备 | |
CN110728156A (zh) | 翻译方法、装置、电子设备及可读存储介质 | |
CN112926298A (zh) | 新闻内容识别方法、相关装置及计算机程序产品 | |
US20230153550A1 (en) | Machine Translation Method and Apparatus, Device and Storage Medium | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN114818748B (zh) | 用于生成翻译模型的方法、翻译方法及装置 | |
CN114020918A (zh) | 分类模型训练方法、翻译方法、装置及电子设备 | |
CN114549695A (zh) | 图像生成方法、装置、电子设备及可读存储介质 | |
CN113204616A (zh) | 文本抽取模型的训练与文本抽取的方法、装置 | |
CN112560466A (zh) | 链接实体关联方法、装置、电子设备和存储介质 | |
CN113723120B (zh) | 参考信息的展示方法、装置和电子设备 | |
CN114501112B (zh) | 用于生成视频笔记的方法、装置、设备、介质和产品 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |