日均调用量超13亿次，阿里达摩院研发全球首个实时翻译直播

这一难题已被阿里巴巴（下称 “阿里”）攻克，阿里速卖通是面向全球海外消费者设立的电商平台，它和淘宝一样，也面向所有终端消费者，但区别是速卖通是面向全球 200 多个国家和地区的电商平台。
直播电商动辄 “几亿元带货” 的高歌猛进，也让跨境电商卖家对这一模式心动不已。然而，由于不同国家和地区的语言不同、文化不同、消费习惯也不同，所以要想在速卖通做直播，语言、物流、支付和技术都是非常复杂的系统，其中语言是最急需攻克的难题。
而在近日，阿里达摩院联合速卖通推出 AI 实时翻译直播，可同时进行中文到英、俄、西三种语向的翻译。据悉，这是全球首个启用 AI 实时翻译的电商直播，中国商家只需用中文一键开播，就能同时覆盖全球英语、西班牙语、俄语区的逾十亿人口。

“被迫” 研发的翻译引擎
两年前，速卖通开始探索直播，然而不同于淘宝直播的是，高峰期涌到直播间的用户来自 19 个国家，且说着不同的语言。当时，没有多元实时翻译，要么全部用英文直播，要么面向某一语言地区的用户专门用某种语言直播，比如法语或西班牙语。
据速卖通官方直播负责人陆嬿介绍，大部分实力雄厚的商家会请外国主播，而中小商家要么放弃，要么无声直播或用中式英语（Chinglish）尬播。数据显示，速卖通上近九成商家来自中国，而 82% 的中国商家因为语言困难而放弃跨境直播。
相比淘宝直播，速卖通直播更像一个婴儿，她需要强大的 “营养” 才能快速成长。这个营养就是能实现多译多功能的实时翻译工具。

在研发多译多之前，速卖通曾试用过现成的翻译引擎，但对直播间的翻译输出脚本来说，即便是质量最好的翻译引擎，其翻译结果也不合格。当时，还有俄罗斯和西班牙用户受邀参与评测，他们的评价也是完全听不懂。
速卖通研究后发现，这些翻译引擎之所以无法使用海外直播，其一是常规同传有专业的收音设备来保障翻译准确度。但是电商直播的环境很嘈杂，很多商家直接在档口就开始播，这样就难以保证较好的收音。
其二常规的同传词库是固定的，翻译工具得到有效训练后就能保证准确度。但是电商直播商品数量过亿，且每天都在变，根本没有办法让翻译工具快速学习。而且主播每个人都来自不同地方，有的说话还带有方言。并且有些主播语速很快，这都会极大地增加翻译难度。以上原因使得速卖通不得不自研引擎。
没有训练集，商家自己 “造”
随后，速卖通耗时 7 个月开发出中译英引擎，并于 2020 年 5 月份上线。上线后商家开播率已有 65%，今年 “828 大促” 期间线上 90% 的直播间都使用了该功能。
但仍存在不足，即使中译英能力做到极限，直播间里只有 30% 的用户能听得懂主播说的话，因为 AE 是一个跨全球平台，直播间里各种用户都有，英语用户最高比例是 30%，因此亟需推出中译多的功能。
两个月后，中译多功能完成，上线之后用户体验得到较高提升，部分店铺销量随之增加 3 倍。当时，很多商家直播间的购买转化，比达人直播的转化率还高。一些直播达人和海外商家发现后，也要求使用中译多功能，可是很多商家不说中文，为此速卖通增加了多译多功能，并于今年 7 月上线。
研发过程中也有很多困难。第一是跨团队协作，研发团队分布在美国、中国、新加坡三个国家。另外，60 多位研发人员几乎从未见过面，如何让他们快速建立信任、并快速推下去是一大难题。
第二是训练集的收集。跨境直播业务在全球都很少见，市面上没有现存训练集可以直接复用。好在阿里本身拥有较强的商家生态，很多商家都积极帮忙收集训练集。
第三是并发承载点。如果只做一场翻译，根本不会有压力。但是直播每天有上千场，翻译几国语言，这就需要几千个翻译，因此服务器的并发压力非常大。后来，阿里云对此做了改造，使得服务器得以承载得住。
第四个难题是自动化展示。多译多功能可自动识别用户种类，并展示出相应的语言，比如它能识别你是中国人，从而用中文展示主播说的话。之前大家看到同传效果都是在 PC 端上面，但是移动端很复杂，为此研发人员在其中做了不少自适应的工作。

自研更高效算法模型，可 “听懂” 主播口音
达摩院研发的统一多语言多领域融合模型，可把上百个语言，以及每个语言的多个领域压缩到一个神经网络模型中进行翻译，且翻译质量不变。据达摩院骆卫华介绍，达摩院 AI 翻译技术已创下多项业界第一，日均调用量超过 13 亿次，累计 3000 亿单词，可提供 214 种语言的高质量翻译。
据速卖通直播实时翻译产品负责人赵文倩介绍，速卖通上有上亿件商品、数百亿个商品相关的专业名词，对直播实时翻译技术的要求极高，需要克服口音不标准、直播环境复杂、商品专业名词多、新品新词更迭快等问题。
主要负责该难题的是阿里达摩院自然语言处理实验室的研究员樊楷，他表示为解决 AI 听不清、听不懂的问题，达摩院研发出更高效的语音算法模型，它不仅能在嘈杂环境中 “听清” 直播内容，还能 “听懂” 主播的口音。通过将多领域的知识融入翻译模型，该算法模型还能举一反三，无需重新训练便能快速学习不同场景里不断更迭的专业名词。
现在，速卖通平台支持 18 种语言，可以保证设计出来的频道和商品定位，能够符合当地文化，这种 “入乡随俗” 主要体现在以下三方面。
心有灵犀。速卖通上有大量多元的商品，除了给它们做分类，还得容易被搜到。因此平台得根据用户输入的词，马上就能获悉他的搜索目的。在多语言混合下，这种挑战会更大。以 “Case” 为例，它具有箱子和案子的双重意思，用户输入该词语时，到底想买什么，就需要结合具体情景。此外，同样的词在不同语言里的意思也不同，例如 “Basket” 在英语里有 “篮子” 的意思，在法语里还有 “球鞋” 的意思。
可面对数以亿计的商品搜索，全程由人工解决会很慢。为此，速卖通采用人工智能来解决，当然人工智能的初步训练是由算法工程师来解决。训练结束后，速卖通最终可做到无论用户输入什么，都能根据他前后搜索的词语，来知晓其购买意图。
了如指掌。速卖通希望用户能对商品了如指掌，因此商品标题需要承载很多内容。比如，这个商品是什么？怎么找到？为什么买？但是一些商家的标题，有的没有标点符号，标题手法上也没有特别规则。这一问题也可被人工智能解决，它会给标题加上标点符号，并可整理成当地用户熟悉的表达方式。
深信不疑。速卖通是跨境平台，很多商家位于海外，商品需要飘洋过海才能到用户手中。所以，用户对平台信用、商家信用和商品质量都有很高要求。而购买前想知道商品到底好不好？就只能通过用户评价去了解。但是用户评价非常多，涉及的语言种类也非常多。另外，用户会用各种不规范的语言来评价，比如 “Very gooooood” 这样的短语，有的评价还会用到表情符号。而采用 “多到多” 翻译引擎，上述问题也可得到解决。
由于疫情原因，2020 年很多此前从未涉足直播的商家，如中国山区的果农也开始直播卖货。有了速卖通，无论是江西赣南的脐橙、还是河北枣强的貂皮都可以走向全球各地。同样，中国用户也可以买到此前只有靠代购才能买到的产品。科技惠及的从来不只是某一个国家的用户，而是全世界。