AI翻譯機的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Hey Siri及Ok Google原理：AI語音辨識專案真應用開發

為了解決AI翻譯機的問題，作者楊學銳,晏超,劉雪松 這樣論述：

☆★☆★【語音辨識專案應用開發！】★☆★☆ 了解語音辨識概要，讓你對WebRTC及Kaldi瞭若指掌！ 　　隨著AI時代的來臨，人類語言的處理在硬體高度平民化之後，你我也可以開發出類似的產品，事實上語音服務早在1950年代就開始研究了。這些應用早就存在於智慧喇叭、手機語音助理、車載智慧座艙、語音輸入法與翻譯機等；企業級應用包括智慧客服、語音品管、智慧教育、智慧醫療等。本書是難得少見的中文語音高階技術的教材，用簡單的Kaldi、WebRTC、gRPC等專案，就可以開發出企業等級的語音服務應用，這些下放至平民百姓家的技術，在搭配本書之後，立即成為你可以立刻上手的工具，充份應用人工智慧時代深度

學習技術帶來的福利。 本書特色 　　✪語音前端處理，語音辨識 　　✪語者自動分段標記演算法原理 　　✪基於WebRTC，Kaldi和gRPC，從零建構穩定、高性能、可商用的語音服務 　　✪前端演算法完整介紹 　　✪語音活動檢測、語音降噪、回聲消除、波束形成 　　✪WebRTC和Kaldi最佳化處理流程 　　✪形成語音演算法SDK 　　✪微服務建構的RPC遠端呼叫框架和SDK

AI翻譯機進入發燒排行的影片

應用手勢識別於操作圖像使用介面

為了解決AI翻譯機的問題，作者林煥庭 這樣論述：

新冠肺炎疫情的爆發改變了人們的日常生活，在防疫的同時維持日常經濟活動與社交活動，提高了人們對非接觸或零接觸服務的需求。許多公共場合會設置電腦並透過網頁提供服務，但仍然維持使用鍵盤與滑鼠來操作電腦，因此本研究提出使用手勢操控的網頁來提供非接觸式服務。過去的手勢識別應用研究中，許多研究使用深度相機等專業硬體與軟體來達成手勢識別，在應用上對於使用裝置的硬體與軟體有一定要求。本研究以隨機搜尋的方式建立手勢識別深度學習，使用模型推論分類手勢的方式，來代替自訂條件分類手勢的方式進行手勢識別，並以飲品訂購單與購物車網頁為例，將網頁結合手勢識別以及定義手勢在網頁中的操作功能。本研究在使用一般網路攝影機與瀏覽

器的條件下，使用手勢進行非接觸式操作來操作網頁，降低手勢識別應用的硬體與軟體需求，也提供了在後疫情時代，透過網頁提供非接觸式服務以及運用AI提升服務體驗進行電商轉型的應用方式。

全中文自然語言處理：Pre-Trained Model方法最新實戰

為了解決AI翻譯機的問題，作者車萬翔,郭江,崔一鳴 這樣論述：

★★★★★【全中文自然語言處理】★★★★★ 還在對huggingface上的預訓練模型(bert-base)等都是針對歐美語系感到困擾嗎？ 本書就是為中文世界讀者專屬打造的，讓你一窺中文模型的自然語言處理！ 　　自然語言處理(NLP)號稱「人工智慧皇冠上的珍珠」，是AI世界中最先進也是應用最廣的領域。從早期的知識模型，到中間的統計模型，一直到最新的神經網路模型，早已服務於你所看到的任何大型系統，包括Google的關鍵字排名、Google翻譯、購物網站推薦系統、Siri/OK Google等，都是NLP產出的精華。如果你還以為CNN、GAN等圖型處理的AI架構很有趣，換到NLP領域中，你

會發現更多驚奇！ 　　本書從預訓練模型的角度對理性主義和經驗主義這兩次重要的發展進行了系統性的論述，能夠幫助讀者深入了解這些技術背後的原理、相互之間的聯繫以及潛在的局限性，對於當前學術界和工業界的相關研究與應用都具有重要的價值。本書由中文自然語言處理的首席單位「哈爾濱工業大學」完成，其在Huggningface的Transformer模型上有貢獻多個純中文模型，由這些專家親著的內容，絕對是你想了解中文NLP專業的第一選擇。 　　本書技術重點 　　✪詞的獨熱表示、詞的分散式表示、文字的詞袋表示 　　✪文字分類問題、結構預測問題、序列到序列問題 　　✪NLTK 工具集、LTP 工具集、大規模預

訓練資料 　　✪多層感知器模型、卷積神經網路、循環神經網路、注意力模型 　　✪情感分類實戰、詞性標注實戰 　　✪Word2vec 詞向量、GloVe 詞向量 　　✪靜態詞向量預訓練模型、動態詞向量預訓練模型 　　✪預訓練語言模型、GPT、BERT 　　✪模型蒸餾與壓縮、DistilBERT、TinyBERT、MobileBERT、TextBrewer 　　✪生成模型、BART、UniLM、T5、GPT-3、可控文字生成 　　✪多語言融合、多媒體融合、異質知識融合 　　✪VideoBERT、VL-BERT、DALL·E、ALIGN 本書特色 　　◎不只英文，還有中文模型的自然語言處理 　　以

往的自然語言處理專書多以處理歐美語系為主，令使用中文為母語的我們甚感遺憾，如今，本書就是你第一本可深入了解「中文模型的自然語言處理」最棒的書籍！ 　　◎中文自然語言處理的首席單位專家親著 　　本書由中文自然語言處理的首席單位「哈爾濱工業大學」完成，其在Huggningface的Transformer模型上有貢獻多個純中文模型，由這些專家親著的內容，絕對是你想了解中文NLP專業的第一選擇。 　　◎精美圖表、專業講解 　　本書內含作者精心製作的圖表，有助於讀者理順思緒、更好地學習自然語言處理的奧妙。

市售翻譯機之評比：語音辨識與翻譯品質

為了解決AI翻譯機的問題，作者吳倡 這樣論述：

現代社會已邁入全球國際村，舉凡海外旅遊、國外研討會、出國留學等外國活動日益增加。於此趨勢下，翻譯機的角色實顯重要，其發展速度也非常驚人，然而市售翻譯機的品質良莠不齊，故本研究特挑選6部翻譯機（iFLYTEK easyTrans 900、iFLYTEK easyTrans 800、Sogou Travel Translator Pro、Langogo Genesis、JoneR Voice Translator、Wonder AI Translator）進行評比，期能提供給使用者明確的指引。職是之故，本研究針對翻譯機使用之效益提出三項研究問題：（一）在同樣條件的測試結果下，何台翻譯機產出之語音

辨識與機器譯文最好、何台最差？什麼原因促使翻譯機產出不良的機器譯文？（二）如何使用控制性語言改寫原文以產出更好的語音辨識與機器譯文？（三）從Halliday（1964, 1978, 1989） 的語域理論探討翻譯機的機器譯文是否可達成溝通效益。本研究採用量化分析與質化分析的混成方式（mixed-methods approach），首先使用語音辨識功能（voice recognition）與機器翻譯譯文品質（machine translation quality）作為兩大分析準繩，進行95句旅遊用語的中進英翻譯調查。結果發現，在中文語音辨識正確率上，iFLYTEK easyTrans 900/J

arvisen （一次辨識成功）之準確度最高，達98.95% （94/95），僅有1筆資料需要人工重複測試；次高為iFLYTEK easyTrans 800，其準確度高達97.89%（93/95）；中文語音辨識度最低的是Wonder AI Translator，其準確度僅達71.58%（68/95）。關於英文機器譯文的正確度，在不考慮標點符號的情況下，最高乃為Sogou Travel Translator Pro ，其準確度高達98.95% （94/95），次高為iFLYTEK easyTrans 900/Jarvisen及iFLYTEK easyTrans 800，兩者皆高達96.84% （

92/95）。針對機器翻譯產生錯誤之語音辨識句子，經由控制性語言改寫再重新翻譯後進步良多，其中應用到的控制性漢語原則包括：（1）將較少用字詞改成現代字詞、（2）將單音節字詞改成雙音節字詞、（3）使用合宜的搭配詞、（4）使用SVO結構、（5）使用不定詞及量詞。另一方面，本研究援用Halliday （1964, 1978, 1989）的語域理論進行質化分析，發現四台翻譯機Sogou Travel Translator Pro, iFLYTEK easyTrans 900/Jarvisen、iFLYTEK easyTrans 800、Langogo Genesis能夠使用正確無誤的翻譯來傳達資訊，符

合會話主題 （field）。同時，六台翻譯機均能妥善使用禮貌性用語傳達訊息，進而符合受眾期待，符合語旨（tenor）要素。六台翻譯機亦均能產出簡潔易懂的機器譯文，符合旅遊對話常用的表達模式，符合語式要素（mode）。 綜而言之，本研究證實語音辨識著實為翻譯機最重要之先決條件，有良好的語音辨識功能，搭配良好的神經機器翻譯系統或符合控制性語言的表述，才能產出高品質的譯文，並達成有效溝通目的。