10月19日，在美國Meta公司公布閩南話翻譯系統(tǒng)，Meta首席執(zhí)行官馬克·扎克伯格親自演示系統(tǒng)把閩南話翻譯成英語時，萬里之外的廈門大學信息學院副教授、智能語音實驗室負責人洪青陽收到一大堆朋友的簡訊，他們迫不及待地想告訴他：小扎對閩南話下手了！但是，你們兩年前不是已經(jīng)推出閩南話翻譯系統(tǒng)了嗎？
是的！洪青陽科研團隊和廈大人文學院許彬彬科研團隊，在2019年推出閩南方言人工智能語音系統(tǒng)，這是一個聽得懂閩南話、會說閩南話、也可以寫的AI（人工智能）驅(qū)動的閩南話語音翻譯系統(tǒng)，幫助許多人體會用“中國最難學方言之一”交流的樂趣和便利。
它能做什么？
(資料圖片)
可實時翻譯還能識別文本
10月22日，洪青陽在實驗室演示廈大版的閩南話翻譯系統(tǒng)。系統(tǒng)的小助手用閩南話說：聽說現(xiàn)在可以將閩南話翻譯成英語，真巧，我們也有閩南話AI……小助手一邊說，系統(tǒng)實時把它的閩南話翻譯成中文文字。
不僅聽得懂，系統(tǒng)還會說。洪青陽隨后示范實時翻譯，他用閩南話說：即陣仔有閑無？系統(tǒng)可以立刻翻譯為普通話“現(xiàn)在有空嗎？”當然，用普通話說，系統(tǒng)也會翻譯成閩南話，而且是有腔調(diào)的閩南話。小助手說，翻譯不限短句，理論上說多長就可以翻譯多長。
此外，系統(tǒng)還可以識別不同地區(qū)不同口音閩南話，包括廈門、泉州、漳州、潮汕等地。
洪青陽團隊認為，從現(xiàn)有資料看，Meta是語音到語音的翻譯，沒有產(chǎn)生文字，技術方案是從端到端，研究具有開創(chuàng)性，但還不夠靈活，比如不能形成識別文本，要延伸到其他應用較難。
在這方面，廈大版閩南話翻譯系統(tǒng)，有其先進性——廈大版還涉及文字，可以將漢字轉(zhuǎn)換合成閩南話發(fā)音，還有語音識別、合成工具，可以將閩南話翻譯成普通話，普通話翻譯成閩南話。
美國版閩南話翻譯系統(tǒng)是把閩南話翻譯為英語，洪青陽說，對于廈大版閩南話翻譯系統(tǒng)來說，這毫無問題，最難的部分是將閩南話翻譯并顯示為普通話，而這已經(jīng)解決了。
目前，廈大團隊的閩南話翻譯系統(tǒng)已經(jīng)上線，在微信的小程序搜索“閩南話識別”和“AI語音合成”，就可以實現(xiàn)閩南話和普通話的無障礙溝通。
洪青陽說，2019年推出系統(tǒng)后，依舊在不斷完善升級——當發(fā)音速度不一、吞音等情況出現(xiàn)時，系統(tǒng)的背后還有一位“把關人”。當遇上系統(tǒng)無法識別的語音時，許彬彬團隊就會進行分析，把新的表達整理成文檔，擴充詞典和句子語料。與此同時，洪青陽團隊在系統(tǒng)后臺不斷完善算法，以學習到更多口音和生僻詞匯。
廈大團隊表示，他們在實驗室完成0到1的研發(fā)，希望有更多人和社會資源參與進來，完成1到100的產(chǎn)業(yè)化，助力于閩南話學習和人際交往等等。
它牛在哪里？
聽得懂不同口音的“豬”
閩南話的AI翻譯，難度不小。閩南話存在非常多的多音字，復雜的文白現(xiàn)象，有音無字的問題等，洪青陽說，這對訓練模型中語音數(shù)據(jù)與其對應音素的正確映射，帶去較大的麻煩。
舉個例子大家或許就會明白，廈門人經(jīng)常說，“豬”牽出廈門島就不叫“豬”了，意思是說，單是“豬”，島內(nèi)和島外發(fā)音就不一樣，更不用說廈漳泉地區(qū)了。廈大版的閩南話翻譯系統(tǒng)解決了這類難題，從目前看，有三大亮點。
有地基
重新建立閩南話發(fā)音詞典
洪青陽介紹，翻譯的最大難題是要如何把閩南話發(fā)音拆分為聲母和韻母，它不同于普通話的聲母韻母，盡管之前也有一些閩南話的標音方法，但是，廈大團隊發(fā)現(xiàn)，這種自創(chuàng)的閩南話發(fā)音難以和AI有機結合起來，因此廈大研究人員自己建立一套兼容各地不同口音閩南話發(fā)音的體系，等于是為各種口音的閩南話建立一個基本的“地基”，當然，它不同于普通話發(fā)音，它是有九個聲調(diào)的。
有資料庫
囊括廈漳泉多地的語音資料
建立語音資料庫，用大白話說，這個語音資料庫要有足夠多人的語音，口音要不同，還要有男女老少語音，這樣，AI才會通過語音資料庫去識別不同地區(qū)不同口音的閩南話。
這是基于許彬彬近十年來的研究成果。許彬彬帶領團隊借鑒整理了大量語音資料——囊括省內(nèi)廈漳泉多地的閩南方言、文本，甚至收集境外多處講閩南話的地點的語音材料。
此外，每到寒暑假，許彬彬團隊還會去各地進行田野調(diào)查。許彬彬早前接受本報采訪時曾介紹：“省內(nèi)的德化、漳浦、南靖、東山等，以及菲律賓北部城市、美國東部地區(qū)，每一個地點至少要停留5天，盡可能全面地收集該地區(qū)語音資料。”
有模型
設計聲學模型和語言模型
洪青陽團隊設計了閩南話的聲學模型和語言模型，其中聲學模型與發(fā)音詞典關聯(lián)，盡可能學習到各地的口音，以不斷提升系統(tǒng)的魯棒性（控制系統(tǒng)的穩(wěn)定性），語言模型則采用具有豐富語料的普通話文本訓練，對用戶上下文內(nèi)容進行有效約束。
洪青陽說，這里的難點是閩南話拼音和普通話詞匯的對應，團隊因此又設計了識別詞典，并整合到解碼系統(tǒng)里，最終能直接用普通話文字顯示識別內(nèi)容。對于語音合成，洪青陽團隊采用端到端建模框架，并做了前端的大量優(yōu)化，使閩南話合成更加自然，更加逼真，也更快捷。
除了許彬彬所提供的語音資料外，他們還邀請了眾多志愿者參與識別測試，讓系統(tǒng)“學習”不同口音的閩南話。待系統(tǒng)基本“學會”不同口音的閩南話后，洪青陽又給系統(tǒng)加大了難度——文讀（讀書認字時教的語音）和白讀（日常生活中廣泛使用的語音）都要會。
閩南話中存在大量多音字，有著復雜的文讀白讀現(xiàn)象，以“大學”這一詞為例，就有文讀和白讀兩種讀法。研究人員對閩南話語音識別采取了特定規(guī)則的發(fā)音詞典標注，并用革新后的算法建立了閩南話語音識別模型。
為什么選它？
全球約七千萬人說閩南話
在美國Meta公司公布閩南話翻譯系統(tǒng)后，很多人很吃驚：為什么是閩南話？
原因也很簡單，目前，全世界大約有7000萬人在說閩南話，分布在福建的廈、漳、泉地區(qū)，臺灣地區(qū)，廣東潮汕，雷州半島，海南島部分地區(qū)以及浙江溫州部分鄉(xiāng)鎮(zhèn)等，此外還有廣闊的東南亞。與此同時，閩南話被稱為“中國最難學方言之一”。
2013年，洪青陽和許彬彬團隊開始閩南話翻譯系統(tǒng)研究，洪青陽說，這源于團隊中不少人都是閩南人，有閩南情懷。而且，閩南話是我國重要方言之一。與此同時，許彬彬深耕閩南方言等漢語方言研究多年。
當然，Meta公司認為，之所以選擇閩南話，還有一個原因：為了解決缺乏文字語種的語言翻譯難題。但是，洪青陽說，其實閩南話是有用于書面記載的文字和發(fā)音詞典。