上面的中文是人类说的话，下面的英文是百度 AI 给出的实时翻译。可以看到，没等说到“莫斯科”的时候，AI 自动翻译的英语就已经出现了“meet”，也就是汉语句末的“会晤”。

难道现在 AI 已经掌握了读心术？

其实这是百度在机器同传中研发的最新技术，有预测和可控延迟能力，能实现两种语言之间的高质量、低延迟翻译。它的出现让机器同传又有了新进展！

在我们了解机器同传之前，首先要知道人类同传是什么。

同声传译是一项很重要的工作，在国际会议、外交谈判、演讲等场合，只要交流之间出现了两种语言，就需要同声翻译的帮助，他们会在现场听取演讲，并实时翻译成另一种语言。

▲ 在会场的同声传译（图片来自网络）

同声传译工作通常在一句话的话音刚落，2-3秒之内就要立即传译出来，是一份高压力、高强度的职业。而 AI 机器同传就是把人类翻译工作的过程用 AI 技术来代替。

机器同传运用语音识别技术自动识别演讲者的讲话内容，把语音转化为文字，然后调用机器翻译引擎，将文字翻译为目标语言，显示在大屏幕或者通过语音合成再播放出来。

并不是！在人工智能领域，两种语言的“即时互译”是一项难以攻克的技术问题，主要原因在于源语言和目标语言之间存在较大的词序和语序差异。

▲ 中文语序下，“香山”在前，“最美的时候”在后；而英文翻译中，“香山”被后置，“最美的时候”被提前

这种语序的差异，让同传陷入一种“准确度与速度不可兼得”的尴尬境地：

百度工程师们针对同传中遇到的难题，提出了“一揽子”解决方案，一起看看它有哪些亮点？

人类同传译员常用的一个技巧就是“合理预测”：在发言人话说到一半时，预测到后半句可能要讲的内容，超前翻译，这样能使同传又快又准。

百度的工程师们模仿这一点，研发出了“wait-k words”模型，让机器同传也拥有了“合理预测”的能力，一定程度上解决了上面所说的“准确度与速度不可兼得”的问题。

普通的 AI 同传是一整句话说完之后才进行翻译，而百度同传没等说完前半句，它的“大脑”就会瞬间做出反应，可以“边听边脑补”！

▲ 这是百度同传的脑补现场，当说到“百度在18年前”时，AI 就预测出了“started a business”

另外一点是！百度同传可以个性化控制翻译时的延迟速度，像法语和西班牙语这种比较接近的语言，延迟就设置在比较低的水平。

但是，英语和汉语这种差异较大的语言，以及英语和德语这种词序不同的语言，延迟可以设置为较高水平，从而更好地应对差异。

人类同传译员在接到翻译任务后，通常会提前很多天学习相关知识，进行“备课”，为的就是更好地应对陌生词汇而临危不惧。

于是，百度工程师们模仿了这一准备过程，让机器同传也能通过快速融合领域知识策略，快速学习专业知识，提前“备课”。

当 AI 同传接到某一个领域的翻译任务时，系统会收集该领域数据并在通用模型的基础上进行增强训练，最后对该领域术语库进行强制解码，使专业术语翻译得准确可靠，且提升翻译效率。

区别于传统的上下文相关建模技术，百度推出了上下文无关音素组合的中英文混合建模单元，包含1749个上下文无关中文音节和1868个上下文无关英文音节。这个方法具有泛化性能好、对噪声鲁棒、中英文混合识别等特点。

根据语音识别模型常犯的错误，在训练数据的时候加入噪声数据，让模型在接收到错误的语音识别结果时，也能在译文中纠正过来。

比如，语音识别系统将“大堂”错误地识别为“大唐”，这一对噪声词被收录到训练数据里，再把源语言句子“我们在酒店大堂见面吧”替换为“我们在酒店大唐见面吧”，而保持目标语言翻译不变“Let's meet at the lobby of the hotel”，同时将这两个中文句子存储在它的“大脑”里面，以后再出现类似的情况会更轻松地解决！

和咱们人类译员相比，机器最大的优势是不会因为疲倦而导致译出率下降，能把所有“听到”的句子全部翻译出来，这让机器的“译出率”可以达到100%，远高于人类译员的60%-70%。

同声传译被广泛应用于政府间的峰会、多边谈判和其他商业场合，但是同传人员稀缺也成为了当前的棘手问题。

研发百度同传的目的，并不是取代人类译员，而是为了降低同传成本，让同传的应用范围更加广泛。我们希望世界各地的人在 AI 的帮助下早日实现“无障碍”的交流，用科技让复杂的世界更简单！