摘 要: | 针对当前翻译理念的改变,研究试图在生态翻译视角下,构建一种新的智能语音识别模型,并将其用于翻译机器人的人机交互系统中。首先构建了DNN-HMM生态语音识别模型,其次使用N-Gram模型优化英文连续文本的翻译,最后分别采用seq2Seq网络和GPT-2神经网络实现两种不同类型的人机交互。结果显示,DNN-HMM模型的平均识别错误率远远低于GMM-HMM模型,仅为3.2%。在多轮人机交互中,DNN-HMM模型的精确率在0.77~0.89之间、召回率在0.78~0.86之间、F1值在0.78~0.85之间,三项检测指标均优于GMM-HMM模型。测试DNN-HMM模型的交互响应时间,93%的单轮交互和94%的多轮交互响应时间均在1 s以内。结合上述指标可以说明此次所构建的语音识别模型能够很好地完成翻译机器人人机交互任务。
|