低延迟神经语音翻译

Jan Niehues、Ngoc-Quan Pham、Thanh-Le Ha、Matthias Sperber、Alex Waibel

通过神经机器翻译的发展，机器翻译系统的质量得到了显著提高。通过利用深度学习的进步，系统现在能够更好地近似从源句子到目标句子的复杂映射。但有了这种能力，新的挑战也随之出现。低延迟语音翻译中的部分句子翻译就是一个例子。由于该模型在训练中只看到完整的句子，因此它将始终尝试生成完整的句子（尽管输入可能只是部分句子）。我们表明，NMT系统可以适应没有特定任务训练数据的情况。此外，在不损失原始训练数据性能的情况下，这是可能的。我们通过创建人工数据和使用多任务学习来实现这一点。调整后，我们能够将增量输出构建期间显示的更正数量减少45%，而不会降低翻译质量。

doi:10.21437/Interspeech.2018-1055

引自：Niehues，J.、Pham，N.-Q、Ha，T.-L.、Sperber，M.、Waibel，A.（2018）《低延迟神经言语翻译》。程序。Interspeech 2018，1293-1297，doi:10.21437/Interspeech.2018-1055

@正在进行{niehues18_interspeech，作者＝{Jan Niethues和Ngoc Quan Pham和Thanh Le Ha以及Matthias Sperber和Alex Waibel}，title={{低延迟神经语音翻译}}，年份=2018年，booktitle={Proc.Interspeech 2018}，页数={1293--1297}，doi＝{10.21437/Interspeech.2018-1055}，issn={2308-457X}}