今年以來(lái)，中國(guó)人工智能大模型等為代表的數(shù)字技術(shù)迅速發(fā)展，國(guó)產(chǎn)AI逐漸賦能千行百業(yè)，讓人有了切切實(shí)實(shí)的感受。

前不久，在上海舉辦的2025世界人工智能大會(huì)上，2024年諾貝爾物理學(xué)獎(jiǎng)獲得者杰弗里·辛頓發(fā)表題為《數(shù)字智能是否會(huì)取代生物智能》的演講，提出自己對(duì)人工智能發(fā)展的建議。演講結(jié)束后，中國(guó)外交部原副部長(zhǎng)傅瑩和辛頓偶遇，發(fā)生了一段耐人尋味的對(duì)話。

傅瑩說(shuō)：“杰弗里，今天你的演講我聽(tīng)得非常清楚，屏幕上有實(shí)時(shí)中文翻譯字幕，AI一直在翻譯你的話?！?/p>

辛頓略顯意外：“我看不到屏幕，但我耳機(jī)里聽(tīng)到的是人工翻譯?！?/p>

傅瑩回應(yīng)：“所以，AI在聆聽(tīng)你?！?/p>

這項(xiàng)“聽(tīng)懂”辛頓的AI技術(shù)，來(lái)源于中國(guó)企業(yè)科大訊飛。辛頓以英文形式演講，專(zhuān)業(yè)詞匯多、理解難度大，AI如何將中英同傳首字響應(yīng)壓縮到2秒以內(nèi)，達(dá)到了人類(lèi)頂尖同傳譯員的反應(yīng)速度？這背后涉及底層技術(shù)的攻關(guān)。

“傳統(tǒng)模式下，機(jī)器翻譯要經(jīng)歷‘源語(yǔ)音—源文字—翻譯—目標(biāo)文字—目標(biāo)語(yǔ)音’五段跳，因此效率低、延時(shí)長(zhǎng)?！笨拼笥嶏w副總裁、安徽聽(tīng)見(jiàn)科技有限公司總經(jīng)理王瑋介紹，“不少人可能有這樣的體驗(yàn)，用手機(jī)軟件語(yǔ)音翻譯時(shí)，先在屏幕上識(shí)別出中文，再花時(shí)間翻譯成外語(yǔ)。而現(xiàn)在，我們的技術(shù)能實(shí)現(xiàn)源語(yǔ)音到目標(biāo)語(yǔ)音的端到端翻譯?！?/p>

當(dāng)前，中國(guó)已發(fā)布超1500個(gè)大模型，在全球已發(fā)布的大模型中數(shù)量位居首位。從“邊聽(tīng)邊說(shuō)”到“語(yǔ)音同傳”，背后離不開(kāi)訊飛星火語(yǔ)音同傳大模型的支撐。

更進(jìn)一步，有沒(méi)有可能讓機(jī)器從單項(xiàng)語(yǔ)言的識(shí)別翻譯，到多項(xiàng)語(yǔ)言混合的識(shí)別和翻譯？

今年7月，香港立法會(huì)正式推出與科大訊飛聯(lián)合打造的智慧謄錄系統(tǒng)“智識(shí)聽(tīng)”AI實(shí)時(shí)字幕功能。公眾可以通過(guò)立法會(huì)網(wǎng)站的網(wǎng)上廣播等平臺(tái)收看帶有實(shí)時(shí)字幕的立法會(huì)大會(huì)會(huì)議直播。該功能受到香港特區(qū)立法會(huì)主席梁君彥的線上“點(diǎn)贊”。

“‘智識(shí)聽(tīng)’建設(shè)歷時(shí)近三年，其間，遇到最棘手的技術(shù)問(wèn)題就是如何提高三語(yǔ)混讀引擎識(shí)別率。”王瑋介紹說(shuō)，會(huì)議中可能出現(xiàn)普通話、粵語(yǔ)、英語(yǔ)三種語(yǔ)言，英語(yǔ)識(shí)別率下降到85％左右，必須使用三語(yǔ)混讀引擎。

如何解決？一方面是引擎升級(jí)，從CPU版本換成了GPU版本；另一方面，香港立法會(huì)提供了包含2.5億漢字的中英文對(duì)照和20萬(wàn)個(gè)高頻粵語(yǔ)詞匯，助力機(jī)器學(xué)習(xí)，提升文本翻譯的效果。

如今“智識(shí)聽(tīng)”實(shí)時(shí)字幕的準(zhǔn)確率達(dá)96％，通過(guò)人工即時(shí)修正后準(zhǔn)確率可達(dá)99％。會(huì)議的逐字記錄效率也因此項(xiàng)技術(shù)的落地大幅提升。

“未來(lái)，我們將不斷強(qiáng)化多語(yǔ)種支持能力，將逐步覆蓋‘一帶一路’共建國(guó)家重點(diǎn)語(yǔ)種字幕生成，助力香港連接國(guó)際舞臺(tái)。”王瑋說(shuō)。 （本報(bào)記者　　趙　　昊）