隨著交通的越來越便利，人們能踏足的地方也越來越遠，但五花八門的語言使人們望而卻步。然而幾天之前微軟旗下的Skype宣布，具備實時語音翻譯技術的翻譯器SkypeTranslator中文預覽版正式在中國市場推出。使問題慢慢得到了解決。
作為一項長久愿望，在此前數十年時間，語音實時翻譯的發展一直受到錯誤率高，麥克風敏感度差異，噪音環境等因素阻礙。但近些年來，由于大數據的涌現，這項技術取得了不錯的進展。而SkypeTranslator更是凝聚了微軟在語音識別，自動翻譯和機器學習等多領域的成果。
簡單地說，SkypeTranslator的翻譯邏輯主要分為三步：將你的實時語音轉成文字；將文字翻譯成另一種語言的文字；將文字轉成語音。其中，識別實時語音并轉成文字是最棘手的部分。
如你所知，精確的實時語音翻譯有賴于強大的機器學習——也就是軟件學習訓練數據的能力。這些訓練數據包括翻譯的網頁，配有字幕的視頻，以及預先翻譯且轉錄成文字的一對一談話。事實上，已有不少人分享了他們過去的對話記錄。SkypeTranslator通過記錄對話來分析文本并訓練系統更好地“學習”語言——當準備好的數據錄入系統后，機器學習軟件會在這些對話和環境涉及到的單詞中搭建一個統計模型，當你說話時，軟件會在統計模型中尋找相似內容，然后應用到預先“學到”的轉化程序中，得以讓語音轉換為文本，再從文本轉換成另一種語言。
值得一提的是，與程序設定一般的朗誦不同，人會一邊思考一邊說話，會犯錯，這種犯錯在口語表達中的體現就是打磕巴，停頓，重復，或者頻頻出現如“嗯”“啊”“呃”之類的語氣助詞，針對于此，SkypeTranslator的機器學習模型也會處理這些停頓。在預覽版中，用戶可以看到部分語氣詞停頓被移除，而未被移除的部分則可能通過用戶反饋進行再優化。
目前看來，實時語音翻譯技術并不完美，它是一項不斷優化的技術。每個國家的語言，時刻都在變化，哪怕同一國家，因地域不同也有不同口音。這些問題可以通過更大范圍的數據解決么？也許能，但還需要時間。
