实时翻译是如何实现的？

科技让我们能够随时通过手机联系到身处世界各地的人。它打破了距离与时间的限制，无论是朋友、家人，还是商务伙伴，我们都能轻松自如地和他们建立联系。然而，直到现在，语言仍是我们面对面沟通的一个障碍。

尽管我们能够向全球各地发送消息、拨打电话或是视频聊天，但仍不能进行跨语言的流畅交谈。现在，国内领先的智能学习公司——有道，正利用AI来解决这一问题。过去一年半的时间，Qualcomm持续与有道开展合作，通过终端侧的实时翻译来帮助人们打破语言的限制、轻松自如地进行沟通。

想象一下：你与海外客户进行电话会议。虽然你说的是普通话，但海外客户能够实时地听到标准的英文翻译，这种无缝、流畅的实时翻译十分令人惊叹。但是，这样的实时翻译对技术要求颇高，是此前技术无法实现的。Qualcomm骁龙865 5G移动平台和其集成的第五代Qualcomm人工智能引擎AI Engine，其AI性能是前代平台的2倍，能够支持实时离线翻译的实现。事实上，在2019年12月举行的骁龙技术峰会期间，我们已经在现场展示过部分用例。

实时翻译是如何实现的

翻译功能通常由CPU执行，但对于特定应用而言，CPU作为一个通用的性能模块，不能提供足够强大或实用的性能支持。Qualcomm骁龙与有道合作，把翻译移植到更合适的处理模块——Qualcomm Hexagon DSP上，以实现端到端的时延和性能优化。这样做的优势在于，能够有效降低功耗并加大算力，以提高翻译准确性，为实时翻译带来更好的体验。

无论用户正在进行传统的语音通话还是网络通话，当用户的语音进入骁龙865终端的麦克风并传入骁龙865集成的第五代Qualcomm AI Engine时，有道实时翻译就会马上开始运行。在翻译的过程中，骁龙865会唤醒Qualcomm传感器中枢（Sensing Hub）来消除噪声和回声，然后启动Hexagon处理器进行神经网络处理，这主要包括以下三个阶段：

1、 自动语音识别（ASR）——以英文来举例，通过在Hexagon处理器上运行卷积神经网络（CNN），用户的英文语音可以被转录为英文文字。

2、 神经网络机器翻译（NMT）——接下来，英文文字能够通过神经网络机器翻译转换成中文文字。这不仅仅是逐字翻译，而是结合语句结构的翻译。Hexagon处理器能够助力有道算法更好的理解两种语言之间语句结构的区别，以及词语在不同语境中可能具有的不同含义。

3、 文字转语音——最后，神经网络机器翻译出的中文文字会转化为普通话语音。

值得关注的是，上述处理过程全部都能够在终端侧实时地进行，这让跨语言交谈真正变得轻松自如。

实时翻译的未来

目前，有道实时翻译技术支持包括普通话、英文在内的多种语言。未来，该技术甚至可以扮演口译员的角色，在人们面对面交谈时进行翻译。

在5G技术的支持下，实时翻译将会以更具沉浸感的方式呈现在人们的生活中。例如，由新一代无线通信和骁龙5G终端赋能的超低时延技术能够在视频电话中支持面部识别，这带来的不仅仅只是声音同步，而是逼真的口型同步，对方就连看起来也像是正在使用与用户相同的语言进行对话。

Qualcomm Technologies希望帮助全世界进行连接、计算和沟通。这也是为什么我们很高兴能够与有道合作，并打造能够帮助人们克服语言障碍的技术。我们很荣幸可以与合作伙伴一起丰富用户体验，共同架起全世界沟通的桥梁。

Qualcomm骁龙、Qualcomm人工智能引擎AI Engine、Qualcomm Hexagon和Qualcomm传感器中枢是Qualcomm Technologies， Inc．和／或其子公司的产品。