40、语音翻译与中文广播语音转录技术解析

语音翻译与中文广播语音转录技术解析

1. 跨语言适应与话题适应的效果

在语音翻译领域，进行分割细化后，对目标语言模型、翻译词典和短语表逐步应用跨语言适应。如同文本翻译的结果一样，语言模型适应和翻译模型适应分别能提升翻译性能。当同时应用这两种适应模型时，提升效果是累加的，与未适应的统计机器翻译（SMT）系统相比，BLEU 得分相对提升 3.2 - 3.6%，NIST 得分相对提升 1.7 - 1.8%。不过，与未适应的语音翻译系统相比，在 95% 置信区间内，BLEU 得分在 [15.12%, 17.65%]，NIST 得分在 [5.100, 5.459]，这种提升在统计上并不显著。

总体而言，应用话题适应来提高识别准确率有助于提升翻译性能。话题适应后，更好的识别准确率和更精准的翻译模型带来的提升是累加的，与未适应的背景词假设相比，BLEU 和 NIST 得分分别相对提升 1.8% 和 1.1%。与手动转录的翻译结果相比，语音翻译仍有很大的提升空间，也就是说，提高上游的识别准确率有望改善下游的翻译性能。

2. 统一无监督话题适应框架

通过潜在语义分析，提出了一个用于单语言和跨语言适应的统一无监督话题适应框架。该方法能进行高效的话题推断，只需少量文本即可实现快速适应。其贡献包括：
- 提出潜在狄利克雷树分配，它是潜在狄利克雷分配的推广，用于建模话题相关性。
- 将潜在语义分析（LSA）扩展到 N - 元语法 LSA，推导了用于高效训练的变分 EM 算法，并提出分数 Kneser - Ney 平滑方法来处理分数计数。
- 通过双语 LSA 将单语言适应扩展到跨语言适应。由于存在一对一的话题对应关系，双语 LSA 便于在 SMT 解码