12 月 31 日消息，2021 年 12 月，字節跳動旗下的火山翻譯官網，上新了包括世界語、塔希提語、韃靼語等在內的 38 個稀有語種的翻譯。目前，包括漢語、英語、阿拉伯語、俄語、法語、西班牙語六個通用語種在內，火山翻譯已具備 94 個語種、8742 個語向的翻譯能力，整體 bleu(機器翻譯質量自動評估指標)達 33.45，處于行業領先水平。
▲ 藍色部分為火山翻譯上新的 38 個語種
據了解，通過采用自研的 mRASP 多語言模型，火山翻譯僅使用一個模型就完成了上述 38 個語種與英文的雙向互譯，突破了傳統雙語言翻譯模型對每個語向單獨訓練、單獨上線服務的方式，大幅降低機器學習的訓練和服務成本。
“通常情況下，訓練 76 個語向的雙語言模型需要 150-200 天。而相同硬件條件下，訓練一個多語言模型只需要 30 天。”火山翻譯團隊介紹，“對于請求量小的語種，使用 mRASP 模型集中服務可以大大節省計算資源，僅需半張用于深度學習訓練的 Tesla T4 顯卡就可以滿足 38 個語言的全部翻譯請求，和雙語翻譯所需的資源一樣。”
火山翻譯通過 mRASP 中的對比學習和詞對齊信息，可以很好地借助單語語料和其他擁有豐富語料的語種來幫助訓練，彌補訓練數據的不足。數據顯示，火山翻譯此次上新的稀有語種平均 bleu 值達 33.36，其中，海地語翻譯表現最為突出，bleu 值達 50.76。
目前，火山翻譯擁有：火山同傳、機器翻譯與視頻翻譯三大產品，支持飛書、今日頭條、西瓜視頻等業務的翻譯需求，并通過字節跳動旗下的企業級技術服務平臺火山引擎對外提供翻譯服務。
