网易云见外

定义

网易见外是由网易人工智能事业部研发的 AI 智能语音转写听翻平台，集视频听翻、直播听翻、语音转写、文档直翻等功能于一体。^[2] 它的目标是为从事或爱好语音转写、翻译的人员提供更便捷的听翻工具，提升工作效率并降低转写成本。^[2] 其服务对象既包括个人用户，也包括需要批量处理字幕与录音整理的企业和机构。^[1]

原理

网易见外的核心流程由若干人工智能模块串联而成：先对音视频做音频分离与语音识别，把语音转成文字；再通过神经网络机器翻译（NMT）把文字译为目标语言；随后由算法判断讲话者的语气与停顿，自动断句并切分字幕时间轴。^[3] 以录播场景为例，用户上传视频后，机器可自动完成音频分离、语音转写、机器翻译、时间轴切分、字幕生成与压制等步骤，输出带双语字幕的视频。^[2] 平台还提供中英对照、译文编辑、字幕合并等译后编辑功能，方便人工在校对环节介入。^[3]

发展历程

网易见外于 2017 年上线，最初定位为海外内容智能聚合平台，基于神经网络机器翻译技术并结合数据挖掘与算法推荐，把海外内容聚合后快速翻译全文并作智能推荐。^[5] 2017 年 9 月，该平台正式上线视频听翻功能；此后 5 个月内迭代了 5 个版本。^[3] 2018 年 5 月，中国人工智能产业发展联盟公布人工智能应用案例评选 Top100，网易旗下的网易见外与智能客服机器人入选。^[4]

应用

网易见外的主要功能包括视频字幕服务、音频转写翻译、会议同传、文档翻译、字幕文件翻译和图像识别翻译等。^[6] 在音频转写方面，它可将中英文音频整理为文本，适用于客服电话录音、媒体访谈、课程演讲、会议与庭审等场景的录音整理。^[1] 在会议与演讲场景中，平台可将近场语音实时转为文字并翻译，实现双语字幕投屏。^[2] 在内容生态内，它曾为网易新闻、网易云音乐、网易有道等网易内部产品提供语音识别转写与翻译接口，也与央视网、二更视频、人人影视及多打字幕组等机构开展合作。^[4]

局限

网易见外的视频翻译长期以中文与英文为主，对日语、韩语等小语种视频的支持有限，缺少其他语言的处理能力。 机器听写与翻译的结果仍需人工校对与润色，其定位是完成语音听写、翻译、切分时间轴等相对固定的流程，而非替代人工翻译。^[3] 此外，转写与翻译质量受音质、口音、语速和专业术语密度影响，背景杂音多、语音不清晰或专业领域内容的处理难度更高。^[1]

参见

• 网易 —— 网易见外的母公司，该产品由网易人工智能事业部研发。

• 网易云音乐 —— 网易旗下音乐平台，曾接入网易见外的翻译接口。

• 机器翻译 —— 网易见外实现跨语言转换所依赖的核心技术之一。

• 语音识别 —— 把音频中的语音转换为文字的技术，是听翻流程的第一步。

• 字幕 —— 网易见外输出的主要成果形态，含双语对照与时间轴信息。