iOS15上線圖片翻譯功能，能取代專業(yè)翻譯軟件嗎？

此前iOS 15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)說蘋果還更新了翻譯模型，提升了翻譯效果。

這就刺激了，如果說幾年前神經(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)翻譯軟件睡不著覺吧。

就拿我這種需要經(jīng)常閱讀英文資訊的人來說，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。

那么問題來了，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來參與橫向評(píng)測(cè)，以此來摸索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)諸如短中長句都有詳細(xì)的評(píng)測(cè)標(biāo)準(zhǔn)與規(guī)范，不過作為普通用戶，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)。

一般來說，圖片中的文字要被精準(zhǔn)地翻譯出來，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。

從操作上來看，蘋果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app中的拍照識(shí)別功能。前者在使用上要更方便一些。不過到了識(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)英文長句和一個(gè)中文長句。結(jié)果顯示，在英文字準(zhǔn)率上，蘋果和有道差距不大。

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)的語義理解。

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

有道是100%完整識(shí)別，蘋果iOS15則將“雨水”的雨，“一系列”的一，沒有識(shí)別出來，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。

綜合來說，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年前有道就開始嘗試開發(fā)圖片翻譯功能，后續(xù)又通過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)練語料，通過不斷迭代段落分析、圖片檢測(cè)、圖像偏移角度檢測(cè)、語種檢測(cè)等算法，OCR能力自然能得到針對(duì)性優(yōu)化。

加上有道作為中國公司，對(duì)中文母語的理解更深，而蘋果iOS15剛剛開始廣泛推廣，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)器翻譯來將其轉(zhuǎn)化成相應(yīng)的譯文。中英文都是語料相對(duì)豐富的語種，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”；蘋果的譯文是：Yes.go out today.

顯然，有道采用了“be going ”一般將來時(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，蘋果的譯文則沒能體現(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20萬美元的漂亮別墅付了2萬美元的定金，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2萬美元作為這棟美麗的20萬美元?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，這背后還是語料積累、模型選擇、性能優(yōu)化等的差異。

第三步：舌燦蓮花，“說人話”。

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，語法結(jié)構(gòu)符合習(xí)慣；還要優(yōu)雅，用語地道而富含文采。

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

先來一道送分題：

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)，蘋果將“收到”直接翻譯為receive，不夠地道。

再來一道中長句試試：

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

有道譯文：事故發(fā)生后，我覺得自己變了一個(gè)人；

iOS15譯文：事故發(fā)生后，我覺得自己是另一個(gè)人。

蘋果將“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)確和口語化。

當(dāng)然，過于直譯的問題有道也會(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籍可能是一個(gè)很好的方法來了解不同的地方或國家；

蘋果譯為：總之，利用電子媒體或印刷書籍可能是了解不同地方或國家的好方法。

iOS15對(duì)語序進(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，這次測(cè)試題主要是基于生活旅游、文化交流場(chǎng)景來進(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，因此蘋果的部分翻譯結(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。不過，有道也存在一些機(jī)器翻譯的普遍問題，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。

就拿這次蘋果iOS15與有道詞典的橫向測(cè)評(píng)來說，二者或多或少都有不足之處。簡(jiǎn)單來說，原因可能出在幾個(gè)方面：

1.OOV(Out of Vocabulary)問題難以解決。

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、語料不足，尤其是中文有幾千上萬個(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。

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

《文化翻譯論綱》一書中提到，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”，只能通過技術(shù)迭代和創(chuàng)新來實(shí)現(xiàn)。比如有道允許用戶提供額外的自定義詞典，來精準(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)也開始嘗試引入多模態(tài)翻譯，通過圖片中其他事物的特征來輔助理解文本。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)誤可能帶來的級(jí)聯(lián)問題；網(wǎng)頁翻譯時(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)景下的各種問題，需要針對(duì)性地優(yōu)化。

就拿圖片翻譯來說，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)角度來說，圖片翻譯等新應(yīng)用場(chǎng)景想要給用戶帶來體驗(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題，來優(yōu)化最終體驗(yàn)，沒有捷徑可走。

從被人類譯者驚呼搶飯碗的“妖術(shù)”，到閱讀學(xué)習(xí)娛樂場(chǎng)景中頻繁出沒的日常應(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)來說，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。

隨著全球往來的逐步重啟，以更自然實(shí)時(shí)的方式了解跨語種資訊越來越成為一種必然。圖片翻譯對(duì)于旅游出行、專業(yè)閱讀、無障礙人士觸網(wǎng)等都有著不可或缺的價(jià)值。這也是蘋果、有道等產(chǎn)業(yè)界力量的價(jià)值所在，通過來自現(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，蘋果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，未來兩者并不會(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。

來自產(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，人類能翻越阻礙語言交流的“通天塔”。