iOS15上線圖片翻譯功能，能取代專業(yè)翻譯軟件嗎？

原標(biāo)題：iOS15上線圖片翻譯功能，能取代專業(yè)翻譯軟件嗎？

此前iOS15系統(tǒng)更新，有一個(gè)功能引發(fā)了不小的關(guān)注，那就是內(nèi)置圖片翻譯。

用戶可以直接選擇照片中要翻譯的文本，查看翻譯結(jié)果。據(jù)說(shuō)蘋(píng)果還更新了翻譯模型，提升了翻譯效果。

這就刺激了，如果說(shuō)幾年前神經(jīng)機(jī)器翻譯的出現(xiàn)，是許多人類翻譯的噩夢(mèng)，那這個(gè)系統(tǒng)內(nèi)置翻譯圖片功能的推出，大概能讓不少專業(yè)翻譯軟件睡不著覺(jué)吧。

就拿我這種需要經(jīng)常閱讀英文資訊的人來(lái)說(shuō)，時(shí)常遇到pdf文獻(xiàn)、圖片類內(nèi)容，需要第三方軟件拍照識(shí)別后進(jìn)行翻譯。如果iOS15直接可以識(shí)別圖片，不就省略了幾個(gè)步驟嗎？簡(jiǎn)直懶人福音。

那么問(wèn)題來(lái)了，翻譯好不好，重點(diǎn)在“療效”，iOS15的圖片翻譯能力已經(jīng)強(qiáng)大到能替代專業(yè)翻譯軟件了嗎？要知道，信達(dá)雅的中文表達(dá)一直是NLP領(lǐng)域的難題，一家?guī)е韫然虻目萍脊荆婺芡瓿傻氐赖闹杏⒒プg？

本著實(shí)踐出真知的態(tài)度，我們準(zhǔn)備了多道考題，并選取了口碑和用戶數(shù)都相對(duì)突出的有道詞典APP來(lái)參與橫向評(píng)測(cè)，以此來(lái)摸索iOS15圖片翻譯的真實(shí)水平。

真心話與大冒險(xiǎn)：圖片翻譯三步曲

針對(duì)翻譯功能的專業(yè)評(píng)測(cè)有不少，各種指標(biāo)諸如短中長(zhǎng)句都有詳細(xì)的評(píng)測(cè)標(biāo)準(zhǔn)與規(guī)范，不過(guò)作為普通用戶，我們決定從大家日常使用圖片翻譯的具體場(chǎng)景和步驟中去進(jìn)行測(cè)評(píng)。

一般來(lái)說(shuō)，圖片中的文字要被精準(zhǔn)地翻譯出來(lái)，需要至少具備三種能力：

第一步：火眼金睛，“看得準(zhǔn)”。

圖片翻譯想要滿足用戶需求，首先考驗(yàn)的不是NLP技術(shù)，而是OCR能力。只有識(shí)別得準(zhǔn)，才能為后續(xù)翻譯奠定基礎(chǔ)，這一能力的關(guān)鍵考核指標(biāo)，就是字準(zhǔn)率。

從操作上來(lái)看，蘋(píng)果iOS15采用內(nèi)置方式，可以直接選擇照片中要翻譯的文本，查看翻譯結(jié)果；有道詞典需要打開(kāi)app中的拍照識(shí)別功能。前者在使用上要更方便一些。不過(guò)到了識(shí)別環(huán)節(jié)，iOS15就有些拉胯了。

我們找了一個(gè)英文短句、一個(gè)英文長(zhǎng)句和一個(gè)中文長(zhǎng)句。結(jié)果顯示，在英文字準(zhǔn)率上，蘋(píng)果和有道差距不大。

比如，有道100%識(shí)別出了原文“Do me a favor, can you look for my credit card.I don't find it.”

iOS15的結(jié)果是：Do me a favor.，can you look for my credit card,I don find it.

盡管蘋(píng)果將don't識(shí)別成了don，但不太影響閱讀，準(zhǔn)確率還是可以接受的。

換個(gè)英文長(zhǎng)句測(cè)試一下，下面這張圖片，有道的識(shí)別結(jié)果是：

One bad chapter doesn't mean my story is over until you find a new chapter which you think it's right，達(dá)到了98.96%的字準(zhǔn)率。

iOS15的結(jié)果是：

One bad chapter t mean my story is over until you find chapter which you think it’l S right。

將it's right 識(shí)別成了it'l S right，可能會(huì)影響后續(xù)的語(yǔ)義理解。

到了中文字準(zhǔn)率測(cè)試，有道和蘋(píng)果就拉開(kāi)差距了。比如下面這張圖片：

有道是100%完整識(shí)別，蘋(píng)果iOS15則將“雨水”的雨，“一系列”的一，沒(méi)有識(shí)別出來(lái)，倒數(shù)第二段的“紀(jì)念祖”三個(gè)字也被遺漏了，直接影響閱讀體驗(yàn)和用戶理解。

綜合來(lái)說(shuō)，英文字準(zhǔn)率二者差距不大，有道略勝一籌；中文字準(zhǔn)率上，有道能做到90%以上的精準(zhǔn)識(shí)別，蘋(píng)果iOS15只有79%，有道優(yōu)勢(shì)明顯。

造成這一差距的原因，可能是有道詞典在圖片翻譯上積累更多。

早在5年前有道就開(kāi)始嘗試開(kāi)發(fā)圖片翻譯功能，后續(xù)又通過(guò)有道智云為許多主流手機(jī)廠商提供相關(guān)能力，許多用戶會(huì)在各種光照條件、各種用法下使用，因此積累了大量訓(xùn)練語(yǔ)料，通過(guò)不斷迭代段落分析、圖片檢測(cè)、圖像偏移角度檢測(cè)、語(yǔ)種檢測(cè)等算法，OCR能力自然能得到針對(duì)性優(yōu)化。

加上有道作為中國(guó)公司，對(duì)中文母語(yǔ)的理解更深，而蘋(píng)果iOS15剛剛開(kāi)始廣泛推廣，在現(xiàn)實(shí)場(chǎng)景下的中文識(shí)別還有不足，也是可以理解的。

第二步：心如明鏡，“搞得懂”。

圖片文本識(shí)別完成后，就需要神經(jīng)機(jī)器翻譯來(lái)將其轉(zhuǎn)化成相應(yīng)的譯文。中英文都是語(yǔ)料相對(duì)豐富的語(yǔ)種，因此對(duì)其理解能力的要求也更高。

所以我們選擇了兩個(gè)比較細(xì)節(jié)的點(diǎn)來(lái)考察：

一是時(shí)態(tài)。

原文“是的，今天出去玩”，含有計(jì)劃的意思。

有道翻譯為“Yes.we're going out today”；

蘋(píng)果的譯文是：Yes.go out today.

顯然，有道采用了“be going ”一般將來(lái)時(shí)，更準(zhǔn)確地理解了原文的意圖，表達(dá)出了計(jì)劃、安排、打算做某事的意思，蘋(píng)果的譯文則沒(méi)能體現(xiàn)出計(jì)劃的狀態(tài)。

二是單復(fù)數(shù)。

英文單詞的單復(fù)數(shù)常常承擔(dān)著截然不同的釋義，如果無(wú)法準(zhǔn)確識(shí)別可能會(huì)讓譯文與原意南轅北轍。

比如這個(gè)“1200 square”，有道詞典翻譯為“1200平方”，蘋(píng)果iOS15的翻譯是“1200個(gè)廣場(chǎng)”。

square在單數(shù)狀態(tài)下指的是平方單位，蘋(píng)果的譯法很容易讓讀者產(chǎn)生歧義。

當(dāng)然，在整體理解上，有道和蘋(píng)果的中英互譯水平都能滿足基本的閱讀需求。

比如這個(gè)長(zhǎng)句：

He puts down $20,000 as a deposit on the beautiful $200,000 villa believing that his investment would increase over time.

有道的譯文：他為價(jià)值20萬(wàn)美元的漂亮別墅付了2萬(wàn)美元的定金，相信他的投資會(huì)隨著時(shí)間的推移而增加。

iOS15的譯文：他存了2萬(wàn)美元作為這棟美麗的20萬(wàn)美元?jiǎng)e墅的押金，相信他的投資會(huì)隨著時(shí)間的推移而增加。

目前，圖片翻譯的中文互譯，有道和iOS15基本都表現(xiàn)出了較強(qiáng)的理解能力。對(duì)一些單詞用法、表達(dá)習(xí)慣上的細(xì)節(jié)洞察有差距，這背后還是語(yǔ)料積累、模型選擇、性能優(yōu)化等的差異。

第三步：舌燦蓮花，“說(shuō)人話”。

中文翻譯，很多人的黃金指標(biāo)就是“信達(dá)雅”，指的是譯文要準(zhǔn)確，不偏離原文；要通順，語(yǔ)法結(jié)構(gòu)符合習(xí)慣；還要優(yōu)雅，用語(yǔ)地道而富含文采。

神經(jīng)機(jī)器翻譯發(fā)展到今天，能否滿足這一要求呢？有道和蘋(píng)果這兩個(gè)帶有不同語(yǔ)言基因的翻譯平臺(tái)，恰好可以調(diào)戲一番。

先來(lái)一道送分題：

原文：你們收了我80塊

有道譯文：You charged me 580；

iOS15譯文：You received me 80 yuan。

“收錢”是用charge，有道翻譯更符合英文表達(dá)，蘋(píng)果將“收到”直接翻譯為receive，不夠地道。

再來(lái)一道中長(zhǎng)句試試：

原文：After the accident，I felt myself another person。

有道譯文：事故發(fā)生后，我覺(jué)得自己變了一個(gè)人；

iOS15譯文：事故發(fā)生后，我覺(jué)得自己是另一個(gè)人。

蘋(píng)果將“another person”直接翻譯為“另一個(gè)人”，而不是表達(dá)心態(tài)的轉(zhuǎn)變，容易產(chǎn)生歧義，有道譯作“變了一個(gè)人”，更準(zhǔn)確和口語(yǔ)化。

當(dāng)然，過(guò)于直譯的問(wèn)題有道也會(huì)犯。比如下面圖片中，原文：In conclusion, drawing on the electronic media or printed books might be a good approach to understand different places or countries

有道譯為：總之，利用電子媒體或印刷書(shū)籍可能是一個(gè)很好的方法來(lái)了解不同的地方或國(guó)家；

蘋(píng)果譯為：總之，利用電子媒體或印刷書(shū)籍可能是了解不同地方或國(guó)家的好方法。

iOS15對(duì)語(yǔ)序進(jìn)行調(diào)整之后，表達(dá)更妥帖自然，有道則出現(xiàn)了按照對(duì)應(yīng)模式直譯的情況。

不過(guò)，這次測(cè)試題主要是基于生活旅游、文化交流場(chǎng)景來(lái)進(jìn)行的，對(duì)于專有名詞的翻譯效果如何，還有待進(jìn)一步考察。

另外，由于蘋(píng)果iOS15在第一步OCR識(shí)別上字準(zhǔn)率較低，這會(huì)直接影響后續(xù)的文本理解，因此蘋(píng)果的翻譯結(jié)果數(shù)據(jù)不具有參考性，對(duì)其翻譯水平不能妄下定論。

評(píng)測(cè)可以看出，一次信達(dá)雅的圖片翻譯，依靠的是多技術(shù)的融合，需要OCR、分詞、語(yǔ)義理解、上下文記憶、主題抽取等多種能力共同發(fā)力。

因此，初出茅廬的蘋(píng)果系統(tǒng)級(jí)圖片翻譯，想要取代專業(yè)翻譯軟件，路還很長(zhǎng)。不過(guò)，有道也存在一些機(jī)器翻譯的普遍問(wèn)題，作為專業(yè)的翻譯軟件，仍可以繼續(xù)強(qiáng)化其專業(yè)壁壘。

這也引發(fā)了我們的思考，為什么有了AI，神經(jīng)機(jī)器翻譯依然無(wú)法媲美人類譯者？

理想與現(xiàn)實(shí)的參差：戴著鐐銬跳舞的神經(jīng)機(jī)器翻譯

神經(jīng)網(wǎng)絡(luò)剛被引入機(jī)器翻譯時(shí)，被視為所向披靡的神器。但幾年過(guò)去了，這一神奇技術(shù)確實(shí)比傳統(tǒng)的統(tǒng)計(jì)機(jī)器翻譯優(yōu)秀很多，但距離人類翻譯家的水平還有差距。

就拿這次蘋(píng)果iOS15與有道詞典的橫向測(cè)評(píng)來(lái)說(shuō)，二者有著這樣那樣的問(wèn)題。簡(jiǎn)單來(lái)說(shuō)，原因可能出在幾個(gè)方面：

1.OOV(Out of Vocabulary)問(wèn)題難以解決。

基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯模型需要海量數(shù)據(jù)的學(xué)習(xí)。如果數(shù)據(jù)量比較小，出現(xiàn)次數(shù)極少的詞的詞向量質(zhì)量就會(huì)比較低，在實(shí)際應(yīng)用中出現(xiàn)太多未登錄詞，會(huì)導(dǎo)致錯(cuò)譯、漏譯等情況。目前，一些垂直領(lǐng)域資料稀少、語(yǔ)料不足，尤其是中文有幾千上萬(wàn)個(gè)字符，其中很多是生僻字，這些都會(huì)影響模型表現(xiàn)及譯文的質(zhì)量。

要解決這一點(diǎn)，只能靠“笨功夫”積累數(shù)據(jù)。據(jù)有道詞典的技術(shù)人員表示，要做好中文識(shí)別沒(méi)有特別好的辦法，只能不斷的積累數(shù)據(jù)，迭代算法，有道在過(guò)去幾年做了大量工作。

2.算法優(yōu)化與創(chuàng)新等待突破。

不同語(yǔ)言文化的文字表達(dá)、邏輯結(jié)構(gòu)、信息冗余度、語(yǔ)法結(jié)構(gòu)都不同，存在大量“信息不對(duì)稱”，在“編解碼“過(guò)程中出現(xiàn)錯(cuò)譯也就不足為奇了。

《文化翻譯論綱》一書(shū)中提到，譯文等于“原文+原文化背景+譯文+譯文文化背景+原作者的氣質(zhì)和風(fēng)格+譯者的氣質(zhì)和風(fēng)格”的混合體。

而要理解背后的文化、氣質(zhì)、風(fēng)格等“隱藏屬性”，只能通過(guò)技術(shù)迭代和創(chuàng)新來(lái)實(shí)現(xiàn)。比如有道允許用戶提供額外的自定義詞典，來(lái)精準(zhǔn)調(diào)整神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯的局部結(jié)果，解決專有名詞的翻譯難題；

業(yè)內(nèi)也開(kāi)始嘗試引入多模態(tài)翻譯，通過(guò)圖片中其他事物的特征來(lái)輔助理解文本。舉個(gè)例子，如果機(jī)器翻譯只看到GATE這個(gè)詞，可能會(huì)把它簡(jiǎn)單的翻譯成“門”，但如果圖片中顯示這是一張機(jī)票或者背景是飛機(jī)場(chǎng)，那么翻譯為“登機(jī)口”就會(huì)更恰當(dāng)。

3.細(xì)分場(chǎng)景適配沒(méi)有捷徑。

隨著機(jī)器翻譯的普及，用戶對(duì)翻譯質(zhì)量提出了更細(xì)分的要求，比如圖片翻譯時(shí)前置環(huán)節(jié)的少量識(shí)別錯(cuò)誤可能帶來(lái)的級(jí)聯(lián)問(wèn)題；網(wǎng)頁(yè)翻譯時(shí)不僅要提供正確的翻譯，還要盡可能保持原有網(wǎng)頁(yè)樣式的一致性；文檔翻譯時(shí)，人名、地名、組織機(jī)構(gòu)名或?qū)I(yè)術(shù)語(yǔ)可能多次出現(xiàn)，上下文如何保持一致；在配置較低的端側(cè)設(shè)備上，也要提供又快又好地翻譯體驗(yàn)……不同場(chǎng)景下的各種問(wèn)題，需要針對(duì)性地優(yōu)化。

就拿圖片翻譯來(lái)說(shuō)，自然場(chǎng)景下的圖像識(shí)別十分復(fù)雜，往往在實(shí)驗(yàn)室中效果很好，但用戶會(huì)在各種光照條件下，拍各種稀奇古怪的東西，識(shí)別完以后還需要判斷哪些詞屬于一個(gè)句子，哪些句子是一個(gè)段落，翻譯出來(lái)的結(jié)果應(yīng)該如何呈現(xiàn)。據(jù)了解，有道也優(yōu)化了很久，在算法側(cè)對(duì)翻譯模型做了魯棒性增強(qiáng)，即便在實(shí)際環(huán)境中遇到個(gè)別無(wú)法避免的文字識(shí)別錯(cuò)誤，仍然有穩(wěn)定的性能表現(xiàn)。

從這個(gè)角度來(lái)說(shuō)，圖片翻譯等新應(yīng)用場(chǎng)景想要給用戶帶來(lái)體驗(yàn)的顛覆式改變，需要的不僅僅是實(shí)驗(yàn)室中的創(chuàng)新，還要關(guān)注并解決技術(shù)在應(yīng)用場(chǎng)景中落地遇到的具體問(wèn)題，來(lái)優(yōu)化最終體驗(yàn)，沒(méi)有捷徑可走。

從被人類譯者驚呼搶飯碗的“妖術(shù)”，到閱讀學(xué)習(xí)娛樂(lè)場(chǎng)景中頻繁出沒(méi)的日常應(yīng)用，神經(jīng)機(jī)器翻譯技術(shù)落地現(xiàn)實(shí)的速度超出了很多人的想象。

對(duì)于這些致用型技術(shù)來(lái)說(shuō)，應(yīng)用突破比理論突破要更簡(jiǎn)單，也更急迫。這也是我們?cè)诖藭r(shí)想聊聊圖片翻譯這個(gè)“小”功能的原因。

隨著全球往來(lái)的逐步重啟，以更自然實(shí)時(shí)的方式了解跨語(yǔ)種資訊越來(lái)越成為一種必然。圖片翻譯對(duì)于旅游出行、專業(yè)閱讀、無(wú)障礙人士觸網(wǎng)等都有著不可或缺的價(jià)值。這也是蘋(píng)果、有道等產(chǎn)業(yè)界力量的價(jià)值所在，通過(guò)來(lái)自現(xiàn)實(shí)環(huán)境的數(shù)據(jù)、互動(dòng)與反饋，不斷迭代并推動(dòng)神經(jīng)機(jī)器翻譯的點(diǎn)滴進(jìn)步。

目前看來(lái)，蘋(píng)果iOS15的系統(tǒng)級(jí)圖片翻譯要取代專業(yè)翻譯軟件還為時(shí)尚早，事實(shí)上可以預(yù)見(jiàn)，未來(lái)兩者并不會(huì)相互替代，而是在各自適用的場(chǎng)景和不同需求強(qiáng)度下，相互補(bǔ)充，各擅所長(zhǎng)。

來(lái)自產(chǎn)業(yè)界的每一次實(shí)踐，都推動(dòng)著技術(shù)向前一步。

積沙成塔，終有一天，人類能翻越阻礙語(yǔ)言交流的“通天塔”。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。