世界语、塔希提语、鞑靼语等 火山翻译上新38个稀有语种

12月31日消息，近期，火山翻译官网上新了包括世界语、塔希提语、鞑靼语等在内的38个稀有语种的翻译。目前，包括汉语、英语、阿拉伯语、俄语、法语、西班牙语六个通用语种在内，火山翻译已具备94个语种、8742个语向的翻译能力，整体bleu(机器翻译质量自动评估指标)达33.45，处于行业领先水平。

据了解，通过采用自研的mRASP多语言模型，火山翻译仅使用一个模型就完成了上述38个语种与英文的双向互译，突破了传统双语言翻译模型对每个语向单独训练、单独上线服务的方式，大幅降低机器学习的训练和服务成本。

“通常情况下，训练76个语向的双语言模型需要150-200天。而相同硬件条件下，训练一个多语言模型只需要30天。”火山翻译团队介绍，“对于请求量小的语种，使用 mRASP模型集中服务可以大大节省计算资源，仅需半张用于深度学习训练的 Tesla T4显卡就可以满足38个语言的全部翻译请求，和双语翻译所需的资源一样。”

由于稀有语种缺少训练用的平行语料，翻译质量往往容易大打折扣。火山翻译通过 mRASP 中的对比学习和词对齐信息，可以很好地借助单语语料和其他拥有丰富语料的语种来帮助训练，弥补训练数据的不足。数据显示，火山翻译此次上新的稀有语种平均 bleu 值达33.36，其中，海地语翻译表现最为突出，bleu 值达50.76。

火山翻译由字节跳动 AI Lab 研发。2021年，火山翻译凭借“并行翻译”技术一举打破了“自回归式”技术在机器翻译领域的绝对统治地位，夺得国际机器翻译大赛(WMT)德语到英语方向机器翻译冠军;此前，火山翻译已在WMT中荣获7项冠军， 并斩获了平行语料过滤对齐项目的2项第一。

目前，火山翻译拥有火山同传、机器翻译与视频翻译三大产品，支持飞书、今日头条、西瓜视频等业务的翻译需求，并通过字节跳动旗下的企业级技术服务平台火山引擎对外提供翻译服务。

关键词： 鞑靼语 世界语 希提语