移境翻譯公司：語(yǔ)言行業(yè)AI的最新趨勢

近年來(lái)，人工智能取得了令人難以置信的進(jìn)步，自2022年底OpenAI的ChatGPT發(fā)布以來(lái)，成為每個(gè)行業(yè)的話(huà)題。

在語(yǔ)言服務(wù)行業(yè)內，人工智能的使用當然不是什么新鮮事，但它卻在繼續塑造這個(gè)行業(yè)。由于MT和合成語(yǔ)音質(zhì)量的進(jìn)步（以前被認為是不合格的、不準備使用的技術(shù)）現在正走出陰影，呈現出新的用例和機會(huì )。這是一個(gè)我們可以預期會(huì )加速的趨勢。
機器生成的現場(chǎng)字幕：召開(kāi)（虛擬）會(huì )議的新主力軍？
實(shí)時(shí)字幕是一項自視頻會(huì )議激增以來(lái)得到極大發(fā)展的服務(wù)，這一領(lǐng)域的技術(shù)已經(jīng)取得了巨大的進(jìn)步。

從本質(zhì)上講，現場(chǎng)字幕服務(wù)涉及將口語(yǔ)內容以最小的延遲轉換為多種語(yǔ)言的書(shū)面內容。實(shí)時(shí)字幕可用于在線(xiàn)會(huì )議以及現場(chǎng)廣播、現場(chǎng)活動(dòng)，并使廣播內容可以在線(xiàn)獲取。目前有三種主要方式可以生成實(shí)時(shí)字幕：
1.一位譯員實(shí)時(shí)打出字幕。
2. 使用語(yǔ)音轉文字技術(shù)和機器翻譯生成初始字幕，然后由譯員實(shí)時(shí)編輯輸出結果。
3. 字幕完全由機器生成，沒(méi)有任何人工干預。

雖然第一種選擇是傳統的方式，但它也越來(lái)越成為一種罕見(jiàn)的現象。即使是現場(chǎng)直播，為了提高速度和效率，人工和機器的混合也正在成為常態(tài)。自從Zoom火爆以來(lái)，由于需求的增加和MT技術(shù)的進(jìn)步，純機器生成的現場(chǎng)字幕的使用已經(jīng)增加。

這一趨勢值得注意的是，與更廣泛的多語(yǔ)言會(huì )議空間類(lèi)似，現場(chǎng)字幕服務(wù)的提供商來(lái)自行業(yè)的不同方面。
? 媒體本地化供應商在更廣泛意義上的字幕領(lǐng)域經(jīng)驗豐富。
? 正在將其技術(shù)融入會(huì )議和活動(dòng)空間的機器翻譯供應商。
? 希望為其現有客戶(hù)提供更強大的服務(wù)組合，同時(shí)也能接觸到預算較少的客戶(hù)的RSI供應商。
? 來(lái)自行業(yè)外的技術(shù)公司以及視頻會(huì )議巨頭，如Zoom、MS Teams和Webex，他們都在其平臺上添加了自己的文本到語(yǔ)音翻譯功能。

換句話(huà)說(shuō)，隨著(zhù)人工智能的進(jìn)步，我們開(kāi)始看到過(guò)去很長(cháng)一段時(shí)間內相當獨立的行業(yè)部門(mén)之間的交叉。

AI配音
配音是媒體本地化行業(yè)中的主要服務(wù)之一，到目前為止，它（幾乎）完全由配音演員來(lái)完成。然而，人工智能配音的最新發(fā)展可能會(huì )改變這一局面。

合成語(yǔ)音技術(shù)的發(fā)展已經(jīng)有了很大的進(jìn)步。一些合成語(yǔ)音現在聽(tīng)起來(lái)與人類(lèi)的聲音驚人地相似，使人很難將它們與實(shí)際的人類(lèi)語(yǔ)言區分開(kāi)來(lái)。最新的技術(shù)創(chuàng )新使合成語(yǔ)音能夠模仿原始說(shuō)話(huà)者的語(yǔ)氣和舉止。

盡管目前還不適用于娛樂(lè )目的，但人工智能配音的當前用例范圍從國際廣播到紀錄片和企業(yè)視頻的配音。此外，在接受Nimdzi 100采訪(fǎng)時(shí)，一些媒體和游戲本地化服務(wù)提供商報告稱(chēng)，他們正在探索以下用例：
? 次要角色：人工智能配音可能用于次要角色，要么以完全合成的方式，要么以一個(gè)配音演員說(shuō)出所有次要角色的方式，聲音被合成改變，每次聽(tīng)起來(lái)都不同。
? 背景喧囂：在游戲中，當玩家仍然需要理解背景信息，但娛樂(lè )因素不那么重要時(shí)，人工智能配音可以用于背景喧囂。
? 分層：一些LSP提到，他們正在考慮向客戶(hù)提供不同的等級，這取決于不同類(lèi)型的制作和預算可能需要的配音質(zhì)量。
? 通過(guò)人工智能改變聲音。
—兒童演員有可能由年長(cháng)的演員進(jìn)行配音，然后利用人工智能將聲音改變成年輕的聲音，這將是效率的一大提高。
—在許多傳統的配音國家，特定的配音演員被分配給屏幕上的演員（永久地，總是同一個(gè)聲音）。但如果這些配音演員突然太忙或退休怎么辦？人工智能可能會(huì )給這樣的配音演員帶來(lái)機會(huì )，讓他們出售自己的聲音，也就是說(shuō)，由別人來(lái)做實(shí)際的配音工作，然后在之后人為地改變聲音。
? 語(yǔ)音描述（AD）：語(yǔ)音描述是一項尚未在所有市場(chǎng)提供的服務(wù)，在有語(yǔ)音描述的國家，大多數的語(yǔ)音描述服務(wù)是以英語(yǔ)提供的?？紤]到AD通常需要比表演更中立的敘述，使用人工智能可能是以預算友好的方式將AD帶到更多市場(chǎng)的方法之一。

合成語(yǔ)音應用和人工智能的發(fā)展已經(jīng)引起了商業(yè)界的關(guān)注。盡管對這項技術(shù)的探索還在進(jìn)行中，但重要的是，人工智能配音的想法已經(jīng)從被拒絕過(guò)渡到被主要媒體本地化參與者積極研究和考慮。

機器翻譯 - 迅速崛起
這不是我們第一次報道人工智能，但它仍然是一個(gè)熱門(mén)話(huà)題，因為人工智能以如此快的速度發(fā)展。

但是，讓我們首先澄清一下，當我們談?wù)揗I時(shí)，我們到底是什么意思。MI是使用人工智能將一種語(yǔ)言的口語(yǔ)信息傳輸到另一種語(yǔ)言的口語(yǔ)信息中。MI，也可以稱(chēng)為語(yǔ)音翻譯（S2ST），使用自動(dòng)語(yǔ)音識別（ASR），然后是人工智能轉錄，機器翻譯，最后是合成語(yǔ)音，以目標語(yǔ)言說(shuō)出信息。這種所謂的級聯(lián)模式是迄今為止市場(chǎng)上所有MI解決方案的基礎。

目前有哪些MI解決方案？

MI技術(shù)可以大致分為兩類(lèi)：針對個(gè)人的技術(shù)和針對企業(yè)的技術(shù)。

針對個(gè)人的解決方案以手持設備的形式出現，如Cheetah Talk、ili Handheld Translator和Vasco Translator，或作為應用程序出現。移動(dòng)設備的解決方案，如Skype Translator和iTranslate Voice App。另一種流行的MI硬件形式是耳塞。Timekettles的WT2 Plus是這種技術(shù)的一個(gè)好例子，谷歌Pixel Buds也是如此。

對于企業(yè)來(lái)說(shuō)，應用程序形式的MI軟件使用最廣泛，而且越來(lái)越受歡迎。這種類(lèi)型的MI工具被用來(lái)翻譯會(huì )議、大會(huì )、大型活動(dòng)（包括在線(xiàn)和現場(chǎng)）或其他在線(xiàn)口語(yǔ)互動(dòng)，如在線(xiàn)課程。在會(huì )議和活動(dòng)領(lǐng)域，Wordly是目前市場(chǎng)上最專(zhuān)業(yè)和最知名的解決方案，盡管到目前為止不是唯一的。例如，其他值得注意的解決方案包括來(lái)自GTCOM和XL8的解決方案。請關(guān)注這個(gè)領(lǐng)域。

直到最近，大多數MI解決方案針對個(gè)人消費者（如游客）特別是在亞洲市場(chǎng)。它們被設計為促進(jìn)簡(jiǎn)單的雙向交流。然而，MI正越來(lái)越多地進(jìn)入多語(yǔ)言在線(xiàn)會(huì )議領(lǐng)域，這在傳統上是人類(lèi)會(huì )議口譯員的領(lǐng)域。這種轉變有兩個(gè)主要原因；第一個(gè)是疫情引起的，第二個(gè)是技術(shù)原因。疫情開(kāi)創(chuàng )了一個(gè)虛擬會(huì )議的新時(shí)代，推動(dòng)了對在線(xiàn)多語(yǔ)言的需求。同時(shí)，這一領(lǐng)域的技術(shù)也取得了重大飛躍，特別是得益于機器生成的現場(chǎng)字幕的進(jìn)步。

這種需求的增加和質(zhì)量的大幅提高相結合，導致更多的公司投資于語(yǔ)音轉語(yǔ)音技術(shù)和新的解決方案在市場(chǎng)上不斷涌現。這一發(fā)展不僅適用于口譯領(lǐng)域，也適用于媒體本地化領(lǐng)域，在該領(lǐng)域，人工智能配音正在出現，一些解決方案甚至可以在合成版本中保留原演員的聲音（見(jiàn)關(guān)于人工智能配音的部分）。當涉及到人工智能時(shí)，我們最終將見(jiàn)證媒體和口譯領(lǐng)域的融合，這不是不可能的。

另一個(gè)值得注意的發(fā)展是，RSI供應商開(kāi)始進(jìn)入這一領(lǐng)域。2023年1月，KUDO是第一個(gè)RSI平臺，以發(fā)布自己的MI功能。這一發(fā)展使該公司可以做到以下兩點(diǎn)：
1. 一方面，可以接觸到更大的客戶(hù)群，另一方面，也可以接觸到那些預算較小的客戶(hù)，而對于這些客戶(hù)而言，RSI服務(wù)過(guò)于昂貴。
2. 在與視頻會(huì )議巨頭（如Zoom、MS Teams和Webex）競爭時(shí)保持競爭力，這些巨頭除了封閉式字幕和機器生成的現場(chǎng)字幕外，還增加了自己的RSI功能。至少現在，這些大平臺都沒(méi)有自己的MI功能，盡管Zoom有一個(gè)Wordly的附加功能。

ChatGPT
OpenAI最新的GPT-3（生成預訓練轉換器3）變體，稱(chēng)為ChatGPT，最近風(fēng)頭正勁。有充分的理由支持這種現象——技術(shù)已經(jīng)發(fā)展了很長(cháng)一段時(shí)間，有些人將其視為AI的一個(gè)轉折點(diǎn)。對于那些不了解的人，這里簡(jiǎn)要介紹一下：GPT-3使用公共數據進(jìn)行訓練，并應用機器學(xué)習技術(shù)，僅需要最少的輸入即可執行多種按需任務(wù)，包括：
? 常用語(yǔ)言的翻譯
? 歸納文本
? 寫(xiě)文章、詩(shī)歌、故事、科學(xué)論文等
? 回答問(wèn)題

ChatGPT是GPT-3的最新變體。除了上述任務(wù)外，ChatGPT還可以。
? 編寫(xiě)和糾正代碼
? 用于聊天機器人和虛擬助手
? 生成對話(huà)文本
? 解釋復雜的主題
? 可以針對各種語(yǔ)言任務(wù)進(jìn)行微調/定制化

為什么ChatGPT相比其他已經(jīng)存在的技術(shù)有可能是一個(gè)改變游戲規則的潛在因素？有兩個(gè)主要原因：
? 1）ChatGPT的結果質(zhì)量非常高，聽(tīng)起來(lái)非常逼真。
? 2）ChatGPT的潛在應用非常廣泛，因為它是開(kāi)放給任何人使用的！

盡管ChatGPT并非沒(méi)有局限性，也絕非事實(shí)上的真相來(lái)源，但它已經(jīng)改變了游戲規則，因為它使任何人都能以更快的速度完成更多工作。這項技術(shù)能在多大程度上被使用（例如需要多少編輯和事實(shí)核查），以及它是否會(huì )真正成為一些人炒作的“谷歌殺手”，還有待觀(guān)察。

在語(yǔ)言行業(yè)中，人們正在談?wù)揅hatGPT并嘗試弄清它將如何影響他們。雖然現在還為時(shí)過(guò)早，但像GPT-3這樣的大型語(yǔ)言模型（LLM）被嵌入到翻譯過(guò)程的不同步驟中也不是沒(méi)有可能。已經(jīng)證明它是在內容創(chuàng )作過(guò)程中解決寫(xiě)作障礙或快速處理演示文稿和演講腳本的有用工具。雖然它不完全是單語(yǔ)言的，但目前在英語(yǔ)方面表現最佳。已確定的其他用例包括：
? 增強型MT：消除性別偏見(jiàn)，調整形式。
? TMS集成：自動(dòng)術(shù)語(yǔ)提取、QA、評分等。

現在，有很多的炒作，無(wú)論你從哪個(gè)角度看，ChatGPT已經(jīng)成為一個(gè)游戲規則的改變者。然而，從長(cháng)遠來(lái)看，這是否意味著(zhù)該技術(shù)將成為真正的顛覆者，影響我們的日常生活以及語(yǔ)言行業(yè)的工作流程，這一點(diǎn)相當值得懷疑，但現在說(shuō)這些還為時(shí)尚早。

貝納托定理
這種現象表現為新技術(shù)的引入造成了對淘汰或行業(yè)消亡的新恐懼。

這是一個(gè)普遍的原則，人們傾向于采用新的恐懼，如對未來(lái)的焦慮或對過(guò)時(shí)的恐懼，在他們能夠克服以前的恐懼之前，這些恐懼最終會(huì )消逝在潛意識里。

在語(yǔ)言行業(yè)中，這種現象表現為新技術(shù)的引入造成了新的擔心，擔心行業(yè)會(huì )被淘汰或消亡。然而，隨著(zhù)時(shí)間的推移和新技術(shù)的出現，這個(gè)行業(yè)開(kāi)始克服這些恐懼，它們最終被歸入潛意識。這種循環(huán)反復出現，因為每項新技術(shù)都會(huì )帶來(lái)新的恐懼，只是隨著(zhù)行業(yè)的調整、前進(jìn)和不斷發(fā)展而被克服。

貝納托定理和阿馬拉定律為理解像ChatGPT這樣的新技術(shù)對語(yǔ)言行業(yè)的影響提供了一個(gè)框架。阿馬拉定律強調，我們往往高估了一項技術(shù)的短期影響，而低估了其長(cháng)期影響。通過(guò)考慮這兩個(gè)原則，我們可以更全面地了解ChatGPT和其他人工智能語(yǔ)言模型將如何塑造這個(gè)行業(yè)的未來(lái)。