Meta最近发布闽南语翻译系统，让闽南语用户能与英语用户对话，虽然目前一次只能翻译一个完整的句子，但研究团队继续积极训练AI模型，他们相信在两到五年后，系统可以支援更多语言，并显著提升翻译素质。
脸书母公司Meta最近发布了闽南语（本地称福建话）翻译系统，以人工智能（AI）翻译非书写语言，让闽南语用户能与英语用户对话，是世界首创。
Meta研发出的翻译系统称为“通用语音翻译工具”（Universal Speech Translator，简称UST），利用AI使没有文字书写记录的语言，透过语音对语音方式直接翻译。Meta选择以闽南语作为此技术的第一个对应语言，因为它是中文语系中的代表语言之一，目前东亚地区使用闽南语的人口约有4600万人，在中国大陆有约2800万人说闽南语，台湾约1350万人，新加坡和马来西亚则各有100万至200万人。
来自台湾的Meta软件工程师陈鹏仁是闽南语翻译系统团队的领导。他最近跟脸书创办人马克扎克伯格（Mark Zuckerberg）一起出现在视频中，示范了这套闽南语翻译系统，翻译过程相当顺畅。
37岁的陈鹏仁在台北出生长大，台湾大学资讯工程学硕士毕业，在台湾工作一年后到美国加入Meta。他的父亲来自台湾南部，习惯说闽南语，陈鹏仁希望这项技术可以帮助更多像他父亲一样的人，以自己熟悉的语言与其他人沟通。
陈鹏仁接受《联合早报》访问时说：“我们先研发闽南语翻译系统的另一个主要原因，是因为团队有几名同事会讲闽南语，对于研究进展很有帮助。”被问及成功开发出闽南语翻译系统的感受，他回答：“第一次听到开发的系统能够说出自己熟悉的语言非常感动！很开心能够跟家人在开发专案上互动，过程中和家人一起测试，爸爸说中间有几个字听不懂，过了几个礼拜，爸爸对系统的进展很感兴趣，会追问有没有改进。”
面对三大挑战
以往的AI翻译工具，必须利用大量的书写文字训练AI模型，闽南语虽然是华裔族群广泛使用的语言，但大多以口语沟通，缺乏标准的书写文字系统，无法以传统的方式打造翻译工具。Meta开发闽南语翻译系统时主要面临三大挑战，分别是资料搜集、模型设计，以及准确度评估。
闽南语是所谓的“资源匮乏”语言，意味着与西班牙文或英文等语言相比，没有足够的训练资料。将英语翻译成闽南语的翻译人员相对来说很少，因此更难搜集资料并加上注解来训练AI模型。
Meta团队利用资源充足且相似度高的中文作为中间语言，先将英语（或闽南语）语音翻译成中文文字，接着再翻译成闽南语（或英语），然后新增至训练资料中。此方法利用了资源充足的相似语言的资料，借此大幅改善模型成效。
另一个产生训练资料的做法是“语音探勘”，研发团队使用预先训练好的语音编码器，系统会自动分析闽南语语音，并和相似语意的英文语音、文字配对。
在模型设计方面，传统翻译系统大多依赖“语音转文字”系统，但由于闽南语并没有标准书写文字形式，研发团队采用“语音转单元翻译”（speech-to-unit translation，S2UT）系统，将语音转换成一系列的声学单元并生成波形后，再进行解码与翻译。
准确度评估方面，研发团队使用Meta开发的台罗（Tai-lo）系统，将闽南语语音转译成标准化的拼音符号，以音节为单位来评估翻译准确度。Meta团队根据名为“Taiwanese Across Taiwan”的闽南语语音语料库，建立第一个闽南语与英语双向的语音翻译基准资料集。Meta将开放此基准资料集的原始码，鼓励其他研究人员合作进行闽南语语音翻译，一同在该领域取得进一步进展。
闽南语翻译系统目前一次只能翻译一个完整的句子，陈鹏仁说对于语音内容的翻译，模型设计已可以达到很好翻译，最大困难是合成闽南语语音的部分，“闽南语有许多不同的声调，以及非常复杂的变调规则，这个部分还需要研究上的突破。另一个是对于不同口音的支持，困难点落在语料收集上，必须包含完整的口音分布。再提升的瓶颈会在语料的搜集上，包含更多的口音以及更广泛的内容等。”
两到五年后，支援更多语言
Meta首创用于闽南语的各项技术，未来可以扩展至其他有书写系统和无书写系统的语言。Meta将公开资料探勘技术支援的“大型语音翻译语料库”，方便其他研究人员建立自己的语音翻译系统。
Meta研究科学家范蕙蕙说：“翻译系统还面对一些问题，例如速度慢，无法表达语音情感，无法支援休闲用语等。我们还在积极研究，相信在两到五年后，可以支援更多语言并显著提升翻译素质。”
范蕙蕙认为UST未来能消除语言隔阂，让全球数亿人通过自己熟悉的语言接触线上资讯。“目前网络资讯被几种语文主导，人工智能翻译系统不但能帮助那些不说这些语言的人，也会彻底改变全球人沟通和分享资讯的方式。”
赞
