Microsoft presenta sistema para traducir con tu voz del inglés al chino mandarín
La meta de Microsoft apunta a tener en un futuro cercano sistemas que “derriben completamente las barreras del lenguaje”, explicó el jefe de investigación de la compañía, Rick Rashid.
Tras años de investigación y bajo el nombre de “Deep Neural Net” (DNN), Microsoft dio a conocer una nueva tecnología que permite traducir lo que uno habla desde un idioma a otro de manera simultánea, reproduciendo incluso la traducción con la propia voz del hablante.
El jefe de investigación de la compañía, Rick Rashid, detalló que la meta de Microsoft apunta a tener en un futuro cercano sistemas que “derriben completamente las barreras del lenguaje”. En una demostración en video de una conferencia dada en Tianjin, China, Rashid habló en inglés, y luego sonó su misma voz, pero hablando en chino mandarín.
“El primer paso toma mis palabras y busca equivalentes en chino, y aunque esto no es trivial, es la parte fácil. El segundo paso, reordena las palabras para que sean apropiadas para el chino, un paso importante para una traducción correcta entre lenguajes. Por supuesto, es probable que todavía haya errores tanto en el texto en inglés como en la traducción en chino, y el resultado a veces puede ser gracioso. Aún así, la tecnología se ha desarrollado para ser bastante útil”, escribió Rashid en uno de los blogs de Microsoft.
Para crear la versión de voz final, Microsoft debió grabar algunas horas de un chino hablando en su idioma, y alrededor de una hora de Rashid hablando en inglés.
Hay que apuntar que las tecnologías de traducción de voz no son totalmente nuevas y se han ido integrando a nuestra vida cotidiana a través de herramientas en smartphones, televisores y consolas, sin embargo, estos sistemas están basados en una técnica estadística conocida como Modelo Oculto de Márkov y tienden a tener una tasa de error de entre 20% y 25%.
Según Rashid, DNN tiene una tasa de error mucho menor. “Esto significa que en lugar de tener una palabra de cuatro o cinco incorrecta, ahora la tasa de error es de una palabra en siete u ocho”, indicó. “Aunque esto todavía está lejos de ser perfecto, es el cambio más dramático en exactitud desde la introducción del modelamiento oculto de Márkov en 1979, y a medida que agregamos más datos al entrenamiento creemos que tendremos todavía mejores resultados”, afirmó.
“Quizás no tendremos que esperar al siglo XXII para usar el equivalente al traductor universal de Star Trek”, puntualizó
Aquí te dejamos las imágenes del trabajo del DNN:
[youtube]http://youtu.be/Nu-nlQqFCKg[/youtube]
