“谷歌悄悄宣布TRANSLATOTRON直接语音到语音翻译模型”

谷歌翻译采用了内置的对话模式，可以帮助说多种语言的人进行对话。 输入英语等语音风格的消息，可以翻译成日语等语音。 但是，要实现这一点，首先要将声音分解为拷贝样式的单词，执行从拷贝到拷贝的翻译，然后使用良好的旧tts (从拷贝到声音的合成)播放翻译后的拷贝。 谷歌目前提出了一种新的方法translatotron直接语音到语音的翻译模式。

还在实验阶段，translatotron模型掉了中间人。 也就是说，它直接转换为声音输入，使用单个观察序列再生为序列模型。 根据谷歌的说法，这种直接翻译模式有几个特点，如更快的推理速度、不自然地识别和翻译之间的复合错误、在翻译后保存原说话者的声音以及更好地解决不需要的单词翻译等。

谷歌在关于这件事的博客复印件中写道，这种直接翻译模式的工作是从去年开始的。 一年后，全球知名安卓操作系统背后的开发者解释说，新的直接翻译更快、更高效。 根据谷歌的说法，translatotron以源谱为输入，生成所需语言的等效谱。 在训练过程中，序列模型采用多任务目标，预测源和目标转录本，生成目标谱图。 但是，谷歌写道，在推理过程中不会采用任何调书或其他中间复制表达。

谷歌现在有了新的翻译模式，但还没有准备集成到谷歌翻译和其他相关工具中。 新系统的蓝牙得分落后，意味着翻译不准确。 从好的方面来说，新模型在翻译后也会保存客户自然的声音。 这是为了避免在tts上输出。 谷歌表示，通过整合扬声器编码器互联网，translatotron可以在翻译语音中保存原说话者的语音特征，使翻译语音听起来更自然、不刺耳。

本文：《“谷歌悄悄宣布TRANSLATOTRON直接语音到语音翻译模型”》