有道词典在线翻译下载有道翻译在线翻译( 二 ) _翻译

在比赛结束后，该团队将研究方案整理成论文发表，在基于目前最流行深度学习模型 Transformer 的技术上，研究人员开发出了一种基于端到端语音识别的口音分类算法，据了解该论文目前也被 ICASSP2021 接收。

文章插图
有道参加 INTERSPEECH 2020 比赛团队发表的论文。
实验表明，有道提出的方法在测试集上达到了 72.39％的精度，在开发集上达到了 80.98％的精度。在 2020 年 INTERSPEECH 口音英语语音识别挑战赛中，研究人员提交的系统在口音识别任务中排名第二。
更重要的是，他们在比赛中使用的方案，和如今有道词典 app 中上线的功能思路相通。「研究这些属性，归根结底是希望能够提升用户在不同场景下使用产品的体验，」王海魏表示。「我们希望用户能够在遇到不同口音、不同语种的情况下都能获得更好的使用效率。」
相比打比赛，一项技术的工程落地是个长期过程。在有道 AI 团队，人们总是希望产品能够做到接近完美，LID 技术的迭代到最终上线花费了近四个月时间的打磨。
与手机自带系统不同，有道词典 app 需要适配大量不同品牌型号的手机，而其中的一部分可能配置较低，甚至有一些品牌的设备对于录音功能的调用还会存在延迟。一个小小功能的上线，背后是研发人员无数次尝试和努力。
这样的工作很复杂，但有道一直在做。
为什么有道翻译如此好用？
有道翻译拥有一个专注于技术落地的团队，其中算法团队的成员们主要根据业务的需求，调研、设计和实现各种相关算法，训练各类模型。数据团队的成员则不断挖掘高质量训练数据，并根据算法的要求，对数据进行清洗、分类、标注等工作。此外，高性能和研发团队负责优化模型训练的速度，实现推理引擎，优化服务性能，提供在线和离线的翻译能力。

文章插图
有道 AI 语音团队。
在分工合作下，有道翻译提供的产品不断演进，逐渐成为了国内大量用户的首选。目前，网易有道全线产品月活跃用户 (MAU) 已经超过了 1.2 亿。
经常需要对外文翻译的同学可能会发现，百度、谷歌和有道翻译等系统在不同领域的内容上各有胜负，其实在不同领域上质量的差异，大多是由于训练语料的领域分布引起的。如果为每个领域训练专用的模型可以得到较好结果，但成本较高，如果希望一个模型能够适配多个领域，一方面可以增加训练数据，另一方面也需要在模型，或者训练过程中对领域语料的使用进行优化，如在模型训练时引入领域信息，或者训练时对某些领域的语料进行重采样等。
有道的翻译系统支持用户自定义术语表的扩展，可以根据用户提供的不同术语来实时优化翻译结果，给出正确的译文。
「我们在训练中采取了多任务学习的方式，增加了待翻译文本的领域预测，使得整个系统在翻译不同的领域时都会较好的质量，」有道 AI NLP 团队负责人王瑾玫表示。「另外，在一些对速度不太敏感的应用场景，我们探索了基于领域记忆库的实时优化算法，极大的提升了对应领域的翻译质量。」

文章插图
中英文混合的内容也可以被有道词典准确识别。
自谷歌 2016 年在翻译系统中整合神经网络（GNMT）已过去近五年时间，而网易有道也紧随其后在 2017 年年初上线自研的 NMT，当前业界使用 AI 翻译的技术相比过去已经有了显著提高，但在一些真实场景中仍然能看到很多亟待解决的问题。即使是在 Transformer 被广泛使用的今天，翻译质量还有不少可以提升的空间，比如低资源甚至零资源语言的翻译质量问题，虽然在多任务学习和预训练模型方法的使用上有了改善，但还可以再进一步提升。
「使用 Transformer 模型也存在缺点，需要根据不同的任务场景进行一些优化，如在长句推理时计算量比较大，堆叠深度时模型能力难以提升，」王瑾玫说道。「因此在有道翻译上，我们对离线应用，深度模型应用等任务上都做了相应的优化。」

文章插图
有道的硬件产品词典笔现在已经发展到了第三代，除了快速的翻译能力之外，还可以给你的口语发音打分。
一个学习工具，要想从 0 到 1 获得人们的青睐是一件比较困难的事情，目前在教育领域里，像有道翻译这样热门的产品为数不多。另一方面，对于有道来说，从「1 到 1.1」也是一种重要的创新。

有道词典在线翻译下载 有道翻译在线翻译( 二 )

有道词典在线翻译下载有道翻译在线翻译( 二 )