语音技术助力翻译和译后编辑

语音技术助力

翻译和译后编辑

作者：Maria Stasimioti

编译：薛冰玉

审校：小迪

01

语音技术发展回顾

自动语音识别（ASR）是一项可以处理人类语音并其转换为文本的技术，最早可以追溯到上个世纪五十年代年。1952年，贝尔实验室 (Bell Labs) 的数字语音识别系统奥德丽 (Audrey) 问世，可以识别数字0到9的发音。时间来到1962年，IBM推出了语音识别系统“ShoeBox”，可以识别16个不同的单词。20世纪70年代中期，隐马尔可夫模型（HMM）为语音识别带来了突破性进展。该模型通过概率函数确定转录的正确单词，并且已经成功应用于ASR多年。从那时起，ASR快速发展，深度神经网络出现后又给ASR带来了一场革命。

如今，ASR技术主要有两种方式：传统的混合模型方式和端到端模型的深度学习方式。其中，在端到端方式中，语音识别系统能够学习语音中包含的声学、语言和发音信息，并且可以将输入的声学特征序列直接映射为单词序列。

现在，许多人每天都使用 ASR 来执行语音搜索查询、发送短信或与语音助手交互等操作。此外，已有人提议利用ASR 技术来提高翻译、译后编辑、口译和字幕的质量和表现。

02

提高译员的工作效率

最近一项研究提到：“计算机辅助翻译 (CAT) 工具在很大程度上是基于传统的键鼠输入模式。”不过商用CAT工具已经开始提供集成ASR系统的服务，因为这很有可能提高翻译效率。维也纳大学计算术语和机器翻译教授 Dragoş Ciobanu 报告了自由译者甚至在不结合使用翻译记忆库的情况下成功使用 ASR 的案例。

该研究还指出，ASR能够提高译员的工作效率。在ASR技术助力下，一部分译员的翻译速度提高，另一部分译员的其他工作速度提高，比如网络搜索或起草邮件等。为了最大限度地提高工作效率，许多译员会结合使用CAT工具快捷键和ASR。

除了实际的生产力提升（比如说使用 ASR 后，打字速度从每分钟 40 个单词提高到 150 个单词），Ciobanu 还强调了在翻译中使用 ASR 的一些其他好处。根据研究，ASR 有利于实现“更灵活、以翻译人员为中心、符合人体工程学的工作流程和工作环境”。译员每天对着电脑，眼困眼乏，腰酸背痛，而ASR能够极大地帮助解决这些问题。此外，ASR还可以解决大量使用CAT工具和MT可能出现的文字问题。

最后，ASR让视障人士译员成为可能。

03

解码人类语音的挑战

解码人类语音并不容易，困难主要有以下几点：

📍  同音字

📍  语码转换

📍  说话人音量、语速、音质的变化

📍  环境音

📍  口头省略（比如连读）和改正（说错后重新措辞）等

📍  副语言特征（语速、语气、语调）

因此，比起打字输入的译文，译员要更仔细地检查ASR所生成的译文。研究表明，要将ASR技术成功融入实践，还需要一定水平的翻译经验。

04

语音技术和译后编辑

最近，人们对于ASR用于译后编辑的潜力展开了多项研究，并得出了如下结论。

首先，语音代替打字不仅可以提高译员的工作效率，对于译后编辑员来说也是如此。借助语音识别系统进行译后编辑比仅利用语音识别系统进行翻译效率更高，而且更符合人体工程学，也就是说，工作中的译员更不容易疲惫厌倦。

其次，在使用了语音技术进行译后编辑后，译员更愿意尝试这种基于语音的译后编辑工作流程。

最后，语音输入比打字输入更能提起译后编辑员的兴趣。因为译员不仅可以通过口述修改需要大幅改动的某些片段，而且对于得看键盘打字的译员来说，视线在源文本、机翻译文、键盘之间来回移动提高了工作的复杂程度。

因此，语音输入为译后编辑增加了一个维度，允许译员根据任务难度和人机交互条件的变化，结合或交替使用不同的输入模式。

原文链接：https://slator.com/how-translators-and-post-editors-benefit-from-speech-technologies/

本期编辑：杨莹YOUNG

【往期回顾】

 微信公众号 

语言服务行业