对话搜狗口语机器翻译团队：全球夺冠只为验证技术，更看重落地商用

边策 发自 凹非寺 量子位 报道 | 公众号 QbitAI

就在上周，搜狗又拿下一项机器翻译国际冠军。

在今年的国际顶级口语机器翻译大赛IWSLT上，搜狗战胜科大讯飞、阿里等众多国内外好手，一举夺魁。

加上去年获得WMT2017机器翻译顶级评测大赛中英和英中第一名，这已是搜狗连续两年，在全球性机器翻译大赛中刷榜。而且这一次还是中国公司不常遇到的“英德互译”比拼，更显技术实力。

在此之前，搜狗更多展现的是输入法、搜索等方面的技术，但现如今，AI翻译，也正在成为搜狗技术、产品和品牌的新标识，大有不鸣则已一鸣惊人的态势。

为何能连续在全球竞技中夺冠？此次口语机器翻译有何特点？内部如何备战？又有什么经验总结可分享？

刚刚载誉归来的搜狗团队，派出负责人代表：语音技术负责人陈伟、机器翻译负责人王宇光等人，与量子位分享了背后故事。

△ 搜狗团队代表

赛况

本次大赛总共设置了3个赛道：

• 基线模型（Baseline Model）：从口语到文字，再用文字翻译；
• 端到端（End-to-End）：直接从口语输出翻译文字；
• 低资源文本翻译：低资源的巴斯克语翻译到英语文本翻译赛道；

评测任务面向TED演讲和大会学术报告场景，测试集包括来自英国、欧洲、印度等各个国家的英语演讲者，存在噪声、口音、自由表达等复杂语音现象。

同时语言中存在大量领域专有名词和口语化的表达(如：大量语气词、错误语法表达等)，具有极强的实战意义和挑战性。

其中，基线模型是当前业内最主流、效果最好的语音翻译解决方案，市场上商用机器同传、翻译机等语音翻译类产品几乎都采用了类似的方法。

也是参赛组织最多、比拼最激烈的赛道。

最终，该赛道比拼中，中国军团成为大赛最大赢家。

搜狗第一，讯飞第二，阿里巴巴第三。

其中，搜狗提交的系统BLEU值达到28.09，领先排名第二的科大讯飞1.6个BLEU，领先第三名的阿里巴巴5.73个BLEU。

备战和参赛

本次大赛，搜狗团队共经历了3个多月时间，投入了十多人参与比赛。

从6月底释放数据集，到8月释放评估测试集，搜狗于9月初提交结果，10月提交论文，整个流程相当紧凑。

搜狗机器翻译负责人王宇光回顾，比赛最终结束日期是在10月30日，他们也是刚从举办地比利时布鲁日回来。现在他们又很快继续投入工作中。

谈到本次比赛的投入力度，王宇光表示过程很辛苦，周末加班甚至还要在比赛前几天接连通宵。

并且过程当中，参赛项目组不是完全脱产，他们同时也在兼顾日常产品推进，差不多是“兼职”参赛，但最终仍达到了既定目标，并拿到了全球第一。

一谈到比赛结果，几位技术人员又露出了笑容，表示付出的努力很值得。

除了人才组队，搜狗也在计算资源上对团队给予保障。

由于本次大赛计算资源没有限制。在语音识别方向，搜狗投入4-5台8卡机对约1700小时语言数据进行声学模型训练，2到3天即训练出模型。

而在机器翻译方向，由于数据集较大等原因，搜狗投入了10-15台八卡机器对7000万数据（句对）进行了4-5天训练。

主赛道竞技

至于为何没有只参加“基线模型”，而没有参加“端到端”比赛，搜狗团队如此解释：

实际上，搜狗最初参赛时，也动念想过在“端对端”测试中试一试，因为是新赛道，听起来更酷，但认真分析后，发现端到端距离商用，还有较长路程要走。

“参赛初心是考验技术，然后能落到产品商用”，搜狗语音技术负责人陈伟说。

而且参赛队伍也在用脚投票，虽然端对端看起来未来有前途，但此次更多参赛组织，选择了Baseline Model(基线模型赛道)。

陈伟还解释，两个赛道的目的一样，而基线模型的准确率更高，因此我们主要在基线模型上面发力。

最后，搜狗在基线模型赛道力压讯飞和阿里夺冠，讯飞则在端对端赛道里拿到第一。

当然，搜狗现如今被问到最多的问题，其中之一就是：后发的搜狗为何比先发的讯飞，技术和产品进展更快速？

搜狗语音技术负责人陈伟解释，一切还得归功于深度学习。

由于深度学习引入，在语音识别、机器翻译等旧领域，产生了新影响，就像重新确定了基础。

所以搜狗可以实现弯道超车，能力并不比其他研究十几年语音的对手差。科大讯飞虽然在语音识别等领域投入早，但是在文本翻译等领域的水平，不及搜狗。

搜狗机器翻译发展现状

除了在技术上的积累，陈伟也列举了正在实现的技术落地。

他们解释，搜狗是一家技术驱动的公司，研究成果会尽快落地，这次在机器翻译上的技术将很快运用到在线翻译产品中。

△ 搜狗翻译宝Pro

目前，搜狗翻译的几个主要应用有：输入法、翻译宝、大会同传。另外，搜狗在语音和翻译上还与vivo和OPPO达成了合作协议。

搜狗方面表示，他们的语音翻译目前已经达到商用水平，从今年一月已经开始做英译中的商业应用，有将近一年的时间。包括今年的极客公园大会、中国网球公开赛上都使用了搜狗的翻译技术。

未来产品

当然，除了现阶段的成果，陈伟也向我们透露了未来几个月里会发布的产品。

在不久后举办的2018年世界互联网大会上，搜狗将基于语音和表情生成技术，推出多语种的虚拟“分身”主持人。

明年春季，搜狗将进一步升级“知音OS”，将唇语和目前的语音识别结合起来，做到多模态感知。

多款包含搜狗AI的微信小程序即将上线，或进行技术升级。比如一款名为“搜狗制音坊”的小程序，仅需用户上传五分钟音频，就能定制个人播报音色，并且不丢失其中的语调和感情色彩。

另外，搜狗还和四维图新、多家智能音箱厂商合作，将搜狗的智能语音技术集成其中。

对于语言翻译的长期发展前景，搜狗认为，现在人机混用无法颠覆当前的人工翻译。2020年口语机器翻译能达到一般同传水平。未来的技术演进方向是：机器辅助人类，到人机结合，最后再到机器取代人类。

参赛经验总结

最后，也附上搜狗参赛团队的经验总结，如果明年你也希望在机器翻译的全球竞技中刷刷榜，这份精简的冠军总结，或许能带来一些参考。

搜狗机器翻译负责人王宇光说，回头复盘，一切其实大道至简：

• 首先任务要选对，做对的挑战比作容易的更有价值；
• 其次，问题分析清楚很关键，最好能够拆分细致，然后组织不同方向的同事参与进来，对于无法全职参赛的队伍，定期碰头沟通问题，很重要；
• 第三，快速迭代，不断解决问题，不断修正方案；
• 第四，反向思考推导，比如在此次比赛中，数据集和结果要求为英德翻译，搜狗团队并没有人懂德语，但他们懂英语，于是在英德翻译后，也会再让模型翻译回英语来看结果，以此检验模型；
• 最后，高效执行，吃苦耐劳，有必胜心态。在此次比赛中，搜狗团队制定了一个起初看起来较高的目标，但依靠强执行、通宵加班完成任务，最终在结果提交时达到了制定的目标，进而也从成功夺冠。

可谓天道酬勤、如愿以偿。

以上，如果你还有对搜狗冠军团队好奇的问题，也欢迎留言~

— 完 —