智能语音产业:翻译机成新落地场景 各巨头争相入局
导读：“智能语音目前最实在落地的场景便是翻译，如果产品确实能够做好的话，市场空间很大。”赛迪顾问人工智能研究中心副总经理向阳向21世纪经济报道记者表示。
“智能语音目前最实在落地的场景便是翻译，如果产品确实能够做好的话，市场空间很大。”赛迪顾问人工智能研究中心副总经理向阳向21世纪经济报道记者表示。
在智能语音领域，如果说去年火了智能音箱，那么今年火的便是翻译机了。
这不仅是因为翻译机产品种类的火爆，在京东搜索翻译机，能够出现超过7300件商品。在这背后，则是越来越多的玩家争相步入该市场：科大讯飞(29.550, -0.34, -1.14%)自2016年底便推出晓译翻译机，经过2017年底的升级后，于今年4月推出讯飞2.0翻译机；今年1月，搜狗公司的旅行翻译宝正式亮相，3月在京东正式启动预售；5月，小米生态链公司香蕉出行推出魔芋AI翻译机，并在微软Build开发者大会上得以展示；7月19日，猎豹移动发布AI翻译产品——小豹AI翻译棒，为翻译机市场再添战火。
除此之外，据21世纪经济报道记者不完全统计，目前市面上还有准儿翻译机、网易有道翻译蛋、百度途鸽翻译机等。甚至，有智能手机厂商还专门推出主打翻译功能的手机。
“智能语音目前最实在落地的场景便是翻译，如果产品确实能够做好的话，市场空间很大。”赛迪顾问人工智能研究中心副总经理向阳向21世纪经济报道记者表示，“不过现在许多产品性能并不足够稳定，效果也不太突出，仍有待进一步改进。”
技术趋成熟
翻译机的工作流程总体可以解读为三个步骤。
首先是翻译机内置麦克风辨识使用者说话的语言及内容，并将语音转换为文字，然后通过机器翻译引擎进行文字对文字的翻译，将原始语言转化为目标语言。最后，将翻译的内容进行语音合成并播放出来。
因此，翻译机的工作离不开三项技术核心：自动语音识别（Automatic Speech Recognition）、机器翻译（Machine Translation）和语音合成（Speech Synthesis，或称Text-to-Speech，TTS）。
其中，语音识别就好比“机器的听觉系统”，该技术让机器通过识别和理解，把语音信号转变为相应的文本或命令。自2009年以来，将机器学习领域深度学习研究引入到语音识别声学模型训练，使用带RBM预训练的多层神经网络，提高了声学模型的准确率，同时借助大数据语料的积累，语音识别技术取得突飞猛进的进步。
在此方面，微软公司研究人员率先取得了突破性进展，他们使用深层神经网络模型（DNN）后，语音识别错误率降低了30%。近几年来，各大科技巨头自动语音识别能力几乎均提升至95%以上。根据Gartner预测，到2020年，人类30%的浏览活动将由语音识别系统帮助完成。
语音合成又名文语转换，是将文本转换为语音的技术。如果说语音识别技术是让计算机学会“听”人的话，将输入的语音信号转换成文字，那么语音合成技术就是让计算机程序把我们输入的文字“说”出来，将任意输入的文本转换成语音输出。从语音合成发展历史来看，表现力、音质、复杂度和自然度是合成技术的技术难点所在。不过随着技术演进，当前语音合成技术在音质、复杂度和自然度方面已有了极大改善。
机器翻译同样在近几年内经历了剧变。在2013年之前，基于统计模型的机器翻译一直都是主流，此后基于人工神经网络的机器翻译（NMT， Neural Mahcine Translation） 逐渐兴起。
21世纪经济报道记者了解到，人工神经网络翻译拥有一个有海量节点的深度神经网络，通过传导运算，实现生成另一种语言的译文。2016年底，谷歌翻译开发并使用了Google神经机器翻译系统（GNMT， Google NMT）。与之前的统计模型相比，神经网络机器翻译具有译文流畅、准确易理解、翻译速度快等优点。
在种种技术成熟的加持下，如今的翻译机也具备了相当的实力。讯飞翻译负责人翟吉博向21世纪经济报道记者透露，通过语音识别、语义理解等AI技术，讯飞翻译机2.0语音识别准确率能够达到98%，目前已能够实现对34种语言的即时互译；讯飞语音引擎也已支持22种中国方言识别，该能力将逐步整合进讯飞翻译机，目前2.0产品支持粤语、河南话、四川话、东北话四种方言。
搜狗相关人士则向记者介绍，搜狗翻译硬件采用了搜狗相关AI技术。在语音识别方面，搜狗可做到准确率超过98%。
市场需求大
相关智能语音技术已基本成熟，而之所以催生出翻译机这一硬件形态，则源于天然巨大的市场需求。
据《2017年中国出境旅游大数据报告》显示，2017年中国公民出境旅游突破1.3亿人次，花费达1152.9亿美元，中国已成为泰国、日本、韩国、越南、俄罗斯等多个国家的第一大入境旅游客源地。但一直以来，语言不通是出境游人群最大的痛点。
“翻译本身是一个重大的市场需求。”搜狗副总裁吴滔表示，“中国每年出境人次很高，旅行、留学、商务等各类跨国交流需求都很旺盛，中国每年的出境人数在全球范围内处在非常高的位置，人们对翻译机的需求一直都在，跨越语言的交流都需要翻译来帮忙，但是之前是受限于技术无法实现很好的翻译效果。随着技术的进步，有了更好的翻译模型，能把翻译做得更好、更准。所以放眼未来，翻译产品的受众不会是窄众。”
然而，在手机翻译软件盛行的情况下，为何一定要以硬件形态出现？翟吉博表示，软硬件一体化产品能够更好解决真实场景的用户需求。“我们的用户大多是用过翻译APP，但在使用过程中感受并不佳。”他向21世纪经济报道记者解释道，例如，在国外嘈杂的环境下，手机对音源的识别率并不高；若通过文本输入再翻译，则非常耗时且便捷性不够。
此外，在翟吉博看来，手机作为私人物品，并不符合人与人当面交流的沟通工具的属性，在国外复杂网络环境下，手机APP也未必能达到好的体验。因此，他认为，在真实环境下，软硬件一体化产品是更优解决方案。
从产品的热销情况可一窥其火爆程度。据翟吉博介绍，目前讯飞翻译机2.0在京东平台拥有99%的好评率，销售额破亿。搜狗方面人士则告诉21世纪经济报道记者，搜狗旅行翻译宝在开售一小时后各地陆续售罄，当天销售额破1000万。
不过，围绕当下愈演愈烈的翻译机战场，各家也在基本的翻译功能之上，加入更优化的体验。翟吉博强调，定义AI+翻译的四大标准包括清、懂、准和美。讯飞翻译机2.0不仅做到了语音和物件、语音和图像翻译，更在离线翻译、方言翻译等A.I．翻译最具有难度的环节上持续发力。
与此同时，针对真实使用环境，讯飞翻译机拥有诸多考虑。例如，嘈杂环境下，翻译机在硬件和算法上进行了特殊处理，在网络情况不稳定时翻译机可变云端翻译为NMT离线翻译功能。在对背景噪音处理上，翻译机通过四麦拾音降噪，帮助更好地识别人声。
搜狗方面则表示，搜狗翻译宝目前支持中英日韩 4 种语言的离线互译，并推出拍照翻译功能，帮助翻译路牌、菜单等。
不过目前，翻译机仍处于新兴市场，且价格普遍徘徊在几百元至数千元不等，而大多数游客每年出国旅游不过两三次，线下使用频率不高。“目前翻译机垂直市场中，用户对企业的认知还需要一段时间。”吴滔表示，“不过未来随着用户认知的提升，翻译硬件市场逐步打开，我相信这个市场将会非常巨大。”