Dec, 2021

等距 MT: 用于自动配音的神经机器翻译

PDF
TL;DR本论文提出了一种名为 “同构机器翻译” 的自学习方法，使得变压器模型直接学习生成与源文本长度接近的输出，而不需要产生多个假设或任何辅助排名函数，并在四种语言对上进行了测试，结果表明该方法优于文献中提出的更复杂的方法。
发现论文，激发创造
  • 基于音素计数比奖励强化学习的等距神经机器翻译

    使用递归学习来优化对齐源语言和目标语言句对中的音素数目，以提高自动视频配音的声音和画面同步性能。

    Mar, 2024

  • AppTek 提交给 IWSLT 2022 同构口语语言翻译任务

    AppTek 使用基于神经 Transformer 的系统对英语到德语的音–语翻译任务进行了改进，通过使用源端伪标记、目标端伪标记和使用剩余字符长度编码来实现长度控制，同时使用由 MuST-C 原始语料库派生的合成数据，使翻译满足长度条件，研究结果表明，可以在最小化 BERT 和 BLEU 分数损失的同时实现超过 90％的长度符合度。

    May, 2022

  • 联合优化翻译和语音时序以改善自动配音中的等时间性

    本研究提出了一种自动配音的模型，通过同时进行翻译和语音持续时间的优化，实现生成的配音更好地匹配原始视频的时间轴，同时简化了整个系统的结构。

    Feb, 2023

  • 神经机器翻译输出长度控制

    本文首次解决了神经机器翻译中输出长度的控制问题，并调查了两种解决方法，分别是将输出与目标输入长度比例类相关联和在 Transformer 位置嵌入中加入长度信息。实验结果表明，这两种方法都可以使网络生成更短的翻译，并获得解释性的语言技能。

    Oct, 2019

  • 双语同步：通过编辑操作恢复翻译关系

    探讨了将目标序列转化为源序列的翻译方法以及对其进行细化、优化的多种实验，得出了一种基于编辑的通用系统可以与专门针对此任务训练的系统相媲美甚至优于这些系统的结论。

    Oct, 2022

  • 从语音到语音翻译到自动配音

    本文提出了一种基于神经网络的语音 - 语音翻译系统，实现了自动配音。实验结果表明自动配音的自然度得到了显著提升，包括多个技术创新点，如神经机器翻译、音频渲染、语音对位、语音合成等。

    Jan, 2020

  • VideoDubber: 视频配音的语音感知长度控制机器翻译

    该研究针对影视配音中原始语音和目标语音的对齐问题，提出一种机器翻译系统，通过考虑语音时长控制翻译长度，构建了真实世界情景下的测试集，实现了对自然长度的更好控制。

    Nov, 2022

  • 使用大型语言模型的自适应机器翻译

    本文旨在探究如何利用上下文学习的方法来提高实时自适应机器翻译的质量，并研究将强编码器 - 解码器模型和模糊匹配相结合以进一步提高翻译质量的方法。已在五个大不同的语言对上展开了实验。

    Jan, 2023

  • 联合学习对齐和翻译的神经机器翻译

    本文旨在解决传统编码器 - 解码器架构中的长度固定向量制约所面临的性能瓶颈，并提出一种基于（软）搜索方式的新方法，在英法翻译任务中获得了与基于短语的模型相当的翻译性能，且（软）对齐结果与人类直觉相符。

    Sep, 2014

  • 基于对齐分块的神经同声传译

    提出了一种用于机器翻译的神经网络模型，其能够动态决定何时继续输入源文本或生成翻译文本，通过使用单向或双向编码器来处理实际语音和文本输入，使用词对齐方法生成分块训练数据，并在 IWSLT 2020 英 - 德任务上优于 wait-k 基线 2.6 到 3.7% BLEU 中的结果。

    May, 2020