低资源下实时语音图像翻译技术
2019年7月20日
大数据平台和数据应用
黄申博士
腾讯低资源多媒体翻译技术负责人
腾讯低资源多媒体翻译技术负责人，CCF委员。毕业于中科院自动化所模式识别与智能系统专业。在各类国际语音会议和刊物中发表论文23篇，美国专利10余篇；2011年加入杜比实验室负责VoIP多语种电话会议系统的关键解决方案。2016年加入腾讯OCR和翻译等多媒体AI技术在互联网内容安全上的应用；获2017年公司技术突破奖。现已将声纹识别，音频指纹，关键词唤醒，多语种语音转文字，关键词检索，说话人和语种识别，多语种OCR识别，民族语言翻译技术和智能审核解决方案，落地应用在公司内外各大多媒体安全场景中；获WMT世界机翻大赛汉英项目第2名，CWMT民族语机翻大赛第1名，OLR世界东方语种识别大赛第2名；某部委评测维藏语识别技术第1名；近年来，积极打造蒙藏维哈朝等一带一路低资源语种识别系统，旨在将多媒体AI技术发挥出显著的社会效能。
  • 分享简介

    高资源如中英等实时翻译系统已经相当成熟。本演讲将重点介绍如何在低资源，数据稀少情况下，搭建出可以在工业级应用的语音实时翻译系统和OCR实时翻译系统；

    中国是一个200多种语言的国家，不同语言之间的交流经常会存在障碍，以维吾尔族为例，目前能够运用汉语顺利交流的人群只占有约36%，能够消除语言交流的障碍，打造在低资源下可以进行音视图文交流的巴别塔，一直是团队的目标。利用低资源语音识别技术，听懂民族语言；利用低资源语言OCR技术，看懂民族语言；而如何把听懂和看懂转化为理解，就需要作为核心“大脑”的低资源语言机器翻译技术，把这些内容转化为大部分人可以看懂的汉语。本分享将重点介绍腾讯低资源语种AI团队在国内外一系列大赛中获奖的语言语音识别多媒体技术，以及在打造多媒体实时翻译的落地方案。

  • 分享提纲

    1. 腾讯的任务和技术布局；

    2. 低资源语音识别技术的声学模型和语言模型；

    3. 低资源OCR技术；

    4. 端到端语音翻译；

    5. 端到端OCR翻译；

    6. 实时多媒体翻译技术的算法和工程；

    7. DEMO个知识点（可以突出具体的实际行业实例）

    8. 互动答疑

  • 分享收益

    目标：帮助听众知道如何将前沿的语音识别，OCR和翻译技术结合，打造在不同语种下的实时多媒体翻译系统

    要点：低资源语音图像翻译技术的建模，解码和应用

    启示：如何通过低资源技术，节省ai团队的运营成本，同时打造实时多媒体翻译平台


热门推荐