賽事成績多語種呈現(xiàn)，人們跨越語言溝通障礙順暢交流，視障人士可以“聽見”文字，聽障人士可以“看見”文字……在剛剛閉幕的北京2022年冬奧會上，作為官方自動語音轉(zhuǎn)換與翻譯獨家供應(yīng)商的科大訊飛，提供了自動翻譯和相關(guān)的語音轉(zhuǎn)換、語音識別及語音合成等硬核技術(shù)，助力實現(xiàn)賽場內(nèi)外的溝通交流無障礙，一個溝通無障礙奧運會如約呈現(xiàn)。

北京冬奧會與科大訊飛可謂是“一拍即合”，前者匯聚世界不同國家、不同語言的人群，后者具有面向冬奧場景的多語音、多語言處理關(guān)鍵技術(shù)。早在2019年，科大訊飛就組建了北京2022年冬奧會和冬殘奧會示范應(yīng)用專項團隊，借助先進的機器翻譯和多語言語音轉(zhuǎn)換技術(shù)，圍繞“人和人之間溝通無障礙、人和組織之間溝通無障礙、人和賽事之間溝通無障礙”三大方向，加速應(yīng)用場景落地。

基于智能語音新一代人工智能開放創(chuàng)新平臺，科大訊飛研發(fā)定制了具有冬奧特征的多語種語音及語言服務(wù)平臺，可提供面向冬奧場景定制優(yōu)化的語音識別、語音合成、機器翻譯、自動問答等多種核心能力。達成60個語種語音合成，69個語種語音識別，168個語種機器翻譯和3個語種的交互理解，覆蓋面超過全球超200個國家和地區(qū)，同時還能識別內(nèi)容進行文本書面化處理。而機器領(lǐng)域的突破，可支持168種語言的機器翻譯；自動問答的多

語種信息獲取及交互技術(shù)，可支持中、英、日等3種語言的交互理解。

語言是一門藝術(shù)、一種智慧，也是促進世界相知相融的重要工具。北京2022年冬奧會和冬殘奧會上，科大訊飛擔(dān)綱官方自動語音轉(zhuǎn)換與翻譯獨家供應(yīng)商，是科技發(fā)展的大勢所趨，也是自身核心技術(shù)發(fā)展的水到渠成。然而，由于自動語音轉(zhuǎn)換與翻譯涉及技術(shù)眾多，難度和挑戰(zhàn)非常大，科大訊飛在為賽事提供技術(shù)支持的過程中，也遇到了不少難點。

在多語種語音語言技術(shù)研發(fā)領(lǐng)域，由于涉及60多個語種的語音識別合成翻譯等技術(shù)研發(fā)，除了中英文之外，針對其他語種（比如瑞典語、波蘭語等）語料比較少的問題，通過源頭核心技術(shù)創(chuàng)新，在端到端建模和無監(jiān)督、弱監(jiān)督訓(xùn)練方面取得重大突破，例如在多語種語音識別方面，100小時有監(jiān)督數(shù)據(jù)加上大量無標簽語音和文本數(shù)據(jù)可以達到1萬小時有監(jiān)督訓(xùn)練的效果。這項技術(shù)也在OpenASR國際低資源多語種語音識別挑戰(zhàn)賽的15個語種受限賽道和7個語種非受限賽道系統(tǒng)，全部取得第一名的成績。

在語音同傳技術(shù)實時性和效果的平衡上，我們知道，同傳要解決兩個問題，第一是要將語音識別轉(zhuǎn)寫出來，第二是將轉(zhuǎn)寫的內(nèi)容翻譯出來，以前這兩個任務(wù)是單獨建模先后完成的，現(xiàn)在我們提出“流式的CAAT語音翻譯框架”模型，在一個模型內(nèi)解決這兩個問題，從而實現(xiàn)同傳效果的“又快又好”。這些技術(shù)創(chuàng)新，對于保障冬奧場景下的語音同傳應(yīng)用效果起到非常關(guān)鍵的作用。

在多語種自動問答中，融合了數(shù)字人生成、語音識別、語音合成、自然語言理解等多項技術(shù)，并結(jié)合FAQ問答、文檔集合問答、知識庫問答和基于文本蘊含識別的多源答案驗證等技術(shù)進行知識庫構(gòu)建，最終實現(xiàn)人們可以和冬奧虛擬志愿者“愛加”用六種語言自由互動交流。

講好中國故事、傳遞中國聲音，科大訊飛自創(chuàng)建以來始終致力于語音及語言、自然語言理解、機器學(xué)習(xí)推理及自主學(xué)習(xí)等核心技術(shù)研究，在行業(yè)發(fā)展史上樹立了從“能聽會說”到“能理解會思考”的關(guān)鍵里程碑。此次擔(dān)當(dāng)北京2022冬奧會和冬殘奧會官方自動語音轉(zhuǎn)換與翻譯獨家供應(yīng)商，科大訊飛更是不斷攻堅克難，突破了多語種語音語言技術(shù)的研發(fā)、語音同傳技術(shù)實時性和效果的平衡、多語種智能（自動）問答三大技術(shù)難題，讓多語種交流、同傳又準、又好、又快，真正實現(xiàn)了交流無國界、溝通無障礙。讓我們一起，為中國技術(shù)實力點贊！